CN116502563B - 高阶空间网格的流固耦合数据转换方法及装置 - Google Patents
高阶空间网格的流固耦合数据转换方法及装置 Download PDFInfo
- Publication number
- CN116502563B CN116502563B CN202310760108.XA CN202310760108A CN116502563B CN 116502563 B CN116502563 B CN 116502563B CN 202310760108 A CN202310760108 A CN 202310760108A CN 116502563 B CN116502563 B CN 116502563B
- Authority
- CN
- China
- Prior art keywords
- model
- kriging
- interpolation
- mapping relation
- trend
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 87
- 239000007787 solid Substances 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008878 coupling Effects 0.000 title claims abstract description 42
- 238000010168 coupling process Methods 0.000 title claims abstract description 42
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 42
- 238000013507 mapping Methods 0.000 claims abstract description 93
- 238000005070 sampling Methods 0.000 claims description 58
- 238000004458 analytical method Methods 0.000 claims description 23
- 239000012530 fluid Substances 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000002085 persistent effect Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012916 structural analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Fluid Mechanics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Complex Calculations (AREA)
- Image Generation (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种高阶空间网格的流固耦合数据转换方法及装置。该方法包括:获取第一模型和第二模型之间的第一映射关系;根据第一映射关系,计算第一模型的第一克里金插值,其中,在第一映射关系满足第一趋势时,采用普通克里金算法,在第一映射关系满足第二趋势时,选用简单克里金算法,在第一映射关系满足第三趋势时,选用指示克里金算法,在第一映射关系满足第四趋势时,选用协同克里金算法;基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和第二模型之间的误差;根据误差结果和第一克里金插值,建立第一模型和第二模型之间的流固耦合数据转换关系。本申请的方法能够高效实现气动载荷‑强度设计中的数据转换接口程序。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及高阶空间网格的流固耦合数据转换方法及装置。
背景技术
流固耦合力学是流体力学与固体力学交叉而生成的一门力学分支,它的研究对象是固体在流场作用下的各种行为以及固体变形或运动对流场影响。流固耦合力学的重要特征是两相介质之间的交互作用(fluid-solidinteraction):固体在流体动载荷作用下会产生变形或运动,而固体的变形或运动又反过来影响流场,从而改变流体载荷的分布和大小。
在流固耦合力学的分析中,流体计算关注与固体结构所接触表面周围的流动区域,而固体计算则关心作用在固体表面的载荷以及载荷对结构内部所造成的影响。因此,进行网格划分时,固体结构和流体结构的网格密度将会不同,从而导致划分后的网格不能完全重合。流固耦合数据转换是通过插值在离散数据的基础上补插连续函数,使得这条连续函数通过全部给定的离散数据点,利用它可通过函数在有限点处的取值状况,估算出其他点处的近似值。因此,可通过该方法对流、固交界面上不同网格结点处的参数进行转换。
现有流固耦合数据转换方法,都需要根据一种模型中某个点的位置在另一种模型中查找若干个邻近的点,查找时间很长,会导致插值程序运行时间过长。
发明内容
为解决或部分解决相关技术中存在的问题,本申请提供一种高阶空间网格的流固耦合数据转换方法及装置,能够高效实现气动载荷-强度设计中的数据转换接口程序。
本申请第一方面提供一种高阶空间网格的流固耦合数据转换方法,包括:
获取第一模型和第二模型之间的第一映射关系,第一模型为流体模型和/或气体模型,第二模型为固体模型,第一映射关系用于表示第一模型的采样点的载荷趋势变换;
根据第一映射关系,计算第一模型的第一克里金插值,其中,在第一映射关系满足第一趋势时,采用普通克里金算法,在第一映射关系满足第二趋势时,选用简单克里金算法,在第一映射关系满足第三趋势时,选用指示克里金算法,在第一映射关系满足第四趋势时,选用协同克里金算法;
基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和第二模型之间的误差;
根据误差结果和第一克里金插值,建立第一模型和第二模型之间的流固耦合数据转换关系。
本申请第二方面提供一种高阶空间网格的流固耦合数据转换装置,包括:
获取单元,用于获取第一模型和第二模型之间的第一映射关系,第一模型为流体模型和/或气体模型,第二模型为固体模型,第一映射关系,第一映射关系用于表示第一模型的采样点的载荷趋势变换;
判断单元,用于根据第一映射关系,计算第一模型的第一克里金插值,其中,在第一映射关系满足第一趋势时,采用普通克里金算法,在第一映射关系满足第二趋势时,选用简单克里金算法,在第一映射关系满足第三趋势时,选用指示克里金算法,在第一映射关系满足第四趋势时,选用协同克里金算法;
检验单元,用于基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和第二模型之间的误差;
转换单元,用于根据误差结果和第一克里金插值,建立第一模型和第二模型之间的流固耦合数据转换关系。
本申请第三方面提供一种电子设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当可执行代码被处理器执行时,使处理器执行如上的方法。
本申请第四方面提供一种计算机可读存储介质,其上存储有可执行代码,当可执行代码被电子设备的处理器执行时,使处理器执行如上的方法。
本申请提供的技术方案可以包括以下有益效果:
一方面,本方案通过获取第一模型和第二模型之间的第一映射关系;根据第一映射关系,计算第一模型的第一克里金插值,其中,在第一映射关系满足第一趋势时,采用普通克里金算法,在第一映射关系满足第二趋势时,选用简单克里金算法,在第一映射关系满足第三趋势时,选用指示克里金算法,在第一映射关系满足第四趋势时,选用协同克里金算法,本申请在普通克里金插值法的基础上,根据不同条件选取泛克里金算法、协同克里金插值算法,提高模型转换中的插值的精度。
另一方面,本申请通过还提供一种误差模型用于基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和第二模型之间的误差;根据误差结果和第一克里金插值,建立第一模型和第二模型之间的流固耦合数据转换关系。该流固耦合数据转换关系可将一个方法程序的机理模型映射为产品样机模型,转换成产品样机模型后可以直接查看产品样机模型中对应的各部件的相关数据,在后续目标转换中完成气动载荷-强度设计软件之间的数据单向弱耦合的有效协同。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细地描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的高阶空间网格的流固耦合数据转换方法的应用环境示意图;
图2是本申请实施例示出的高阶空间网格的流固耦合数据转换方法的流程示意图;
图3是本申请实施例示出的高阶空间网格的流固耦合数据转换的效果示意图;
图4是本申请实施例示出的高阶空间网格的流固耦合数据转换装置的结构示意图;
图5是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在工业产品的结构设计时,矩阵的特征值和特征向量是非常重要的一个结构动力学性能参数和指标,如飞机、船舶、汽车整车结构或部件、各类电子产品、各类旋转机械乃至土木工程的建筑结构,其振动和动力学问题,归根结底,都与结构自身刚度、质量设计,对应形成的矩阵特征值、特征向量密切相关。
流固耦合力学是流体力学与固体力学交叉而生成的一门力学分支,它是研究变形固体在流场作用下的各种行为以及固***形对流场影响这二者相互作用的一门科学。流固耦合力学的重要特征是两相介质之间的相互作用,变形固体在流体载荷作用下会产生变形或运动。变形或运动又反过来影响流体运动,从而改变流体载荷的分布和大小,正是这种相互作用将在不同条件下产生形形色色的流固耦合现象。
单向流固耦合分析是指耦合交界面处的数据传递是单向的,一般是指把CFD(Computational Fluid Dynamics)分析计算的结果传递给固体结构分析,但是没有固体结构分析结果传递给流体分析的过程。也就是说,只有流体分析对结构分析有重大影响,而结构分析的变形等结果非常小,以至于对流体分析的影响可以忽略不计。单向耦合的现象和分析非常普遍,比如阀门在不同开度下的应力计算,塔吊在风载中的静态结构分析,旋转机械的结构强度等。
主流设计软件及其提供的气动、温度载荷数据格式,如Numeca、CFX、Fluent等,是基于常规CFD仿真分析的网格得到的数值计算结果。但结构强度设计专业常用的ANSYS、Abaqus、Nastran等相关软件的网格往往和CFD网格差异较大。需要有通用、插值精度高的数据插值接口程序,对流体软件计算得到的气动和温度载荷数据进行解析和数据转换,通过插值方法,生成结构强度计算所需的压力和温度载荷输入条件,确保气动载荷-强度设计软件之间的数据单向弱耦合的有效协同。
研究气动载荷-强度设计数据转换接口程序的算法编程和界面开发技术,程序能兼容上游的流体软件如Numeca、CFX、Fluent等标准格式的载荷数据输入,并兼容下游的ANSYS、Nastran、Abaqus等格式的载荷数据输出需求,最终形成气动载荷-强度设计数据转换接口程序。
研究目前较为成熟的各类数学插值方法,比较各类插值方法的特点,找到适合强度设计载荷插值的高精度方法。编制高精度载荷插值方法专门计算程序,降低手工处理的工作量,提高数据插值精度。
流固耦合空间插值方法按照所使用的数据区域来分类,可分为:
1)整体插值;
2)局部插值;
整体插值是用研究区所有采样点数据进行全区特征拟合。整个区域的数据都会影响单个插值点,单个数据点变量值的增加、减少或者删除,都对整个区域有影响。典型例子是全局趋势面分析 、Fourier Series(周期序列)。
局部内插法只使用邻近的数据点来估计未知点的值,单个数据点的改变只影响其周围有限的数据点。局部内插方法典型方法有:样条函数插值法、距离倒数插值法、Kriging插值法。
插值方法的选择一般遵循以下原则:
1)精确性,不同的插值方法原理不一样,能达到的精度差别很大;
2)参数的敏感性:许多的插值方法都涉及到一个或多个参数,如距离反比法中距离的阶数等。有些方法对参数的选择相当敏感,而有些方法对变量值敏感。后者对不同的数据集会有截然不同的插值结果。希望找到对参数的波动相对稳定,其值不过多地依赖变量值的插值方法。
3)耗时:一般情况下,计算时间不是很重要,除非特别费时。
4)存储要求:同耗时一样,存储要求不是决定性的。
对于常规结构的局部插值,目前很多方法和程序都可以较好的保障精度,但对于空间高阶、曲率较大的空间形状,目前常规的插值方法,精度不够,插值效果不好,曲面上***值的物理量通常分布不光滑,过渡不均匀,插值误差较大。
可选地,在本实施例中,上述一种基于高阶空间网格的流固耦合数据转换方法,可以应用于如图1所示的由服务器102和终端104所构成的硬件环境中。如图1所示,服务器102通过网络与终端104进行连接,上述网络包括但不限于:广域网、城域网或局域网,终端104并不限定于PC、手机、平板电脑等。本发明实施例的基于高阶空间网格的流固耦合数据转换方法可以由服务器102来执行,也可以由终端104来执行,还可以是由服务器102和终端104共同执行。其中,终端104执行本发明实施例的一种高阶空间网格的流固耦合数据转换方法也可以是由安装在其上的客户端来执行。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
需要说明的是,本申请采用自适应克里金插值法,是对不同模型之间的载荷数据转换方法进行了改进。对于不同的数据,采用不同的插值方法,将流体模型插值分析后作为固体结构分析的边界条件,是固体结构分析的前处理过程。
针对上述问题,本申请实施例提供一种高阶空间网格的流固耦合数据转换方法,能够减少流固模型转换计算中的估误差计算,提高在流固模型转换中的插值的精度。
以下结合附图详细描述本申请实施例的技术方案。
图2是本申请实施例示出的一种高阶空间网格的流固耦合数据转换方法的流程示意图,具体包括:
步骤S201,获取第一模型和第二模型之间的第一映射关系,第一模型为流体模型和/或气体模型,第二模型为固体模型,第一映射关系用于表示第一模型的采样点的载荷趋势变换。
需要说明的是,步骤S201的所有测试数据是基于初始网格划分输入。同时,也可以通过第一模型的求解过程,基于求解过程的自适应网格信息的基础,生成第一类采样点。
在一种实施例中,获取第一模型和第二模型之间的第一映射关系,包括:获取第一模型的第一类采样点,并根据第一类采样点构建第一类采样点的第一映射关系,第一映射关系用于表示第一类采样点的载荷趋势变换,第一映射关系包括趋势值。
具体地,在本实施例中,获取第一类采样点和克里金插值方法的第一映射关系,第一映射关系包括采用趋势函数和随机误差函数表示的关于第一类采样点的空间坐标表达式;根据随机误差函数判断第一映射关系的区域化变量,根据区域化变量选取克里金算法,克里金算法至少包括:泛克里金算法、普通克里金算法、简单克里金算法、指示克里金算法、协同克里金算法中的一种或几种。
本实施例采样第一映射关系,不仅考虑了第一类采样点与邻近样点数据的空间距离关系,还考虑了各采样点之间的位置关系,充分利用了各样点数据的空间分布结构特征,使其估计结果比传统方法更精确、更符合实际、更有效地避免了***误差的出现。
具体地,第一映射关系函数采用克里金插值算法的表达式如公式(1)所示:
公式(1);
其中,s为不同位置的点,可以认为是采用经纬度表示的空间坐标,Z(s)为s处的变量值,它可以分解为确定趋势值和自相关随机误差/>,通过对这个公式进行变化,可以生成克里金插值算法的不同类型。
步骤S202,根据第一映射关系,计算第一模型的第一克里金插值,其中,在第一映射关系满足第一趋势时,采用普通克里金算法,在第一映射关系满足第二趋势时,选用简单克里金算法,在第一映射关系满足第三趋势时,选用指示克里金算法,在第一映射关系满足第四趋势时,选用协同克里金算法。
在本实施例中,对于趋势值,简单地赋予常量,即在任何位置s处/>=/>,如果/>是未知的,这便是普通克里金基本算法;/>也可表示为空间坐标的线性函数,如公式(2)所示:
公式(2);
其中,在公式(2)中、/>、/>、/>、/>和/>用于表示待定系数。
在一种实施例中,当区域化变量满足二阶平稳假设且其期望值是未知时,判断第一映射关系满足第一趋势,选用普通克里金算法。
在一种实施例中,当区域化变量满足正态分布且期望值为某一已知常数时,判断第一映射关系满足第二趋势,选用简单克里金算法。
在一种实施例中,如果趋势面方程中的回归系数是未知的,判断第一映射关系满足第五趋势,采用泛克里金算法。在区域化变量处于非平稳条件下时,且数据存在主导趋势时,判断第一映射关系满足第六趋势,选用泛克里金算法。
无论趋势如何复杂,仍无法获得很好的预测,在这种情况下需要对误差项进行一些假设,即假设误差项/>的期望均值为0,且/>和/>之间的自相关不取决于s点的位置,而取决于位移量h。为了确保自相关方程有解,必须允许某两点间自相关可以相等。
在一种实施例中,对方程式左边进行变换,将其转换成指示变量,当只需了解属性值是否超过某一阈值时,判断第一映射关系满足第三趋势,选用指示克里金算法。即如果/>低于一定的阈值,则将其值转换为0,将高于阈值的部分转换为1,然后对高于阈值部分作出预测,基于此模型作出预测便形成了指示克里金算法。如果将指示值转变成含有变量的函数/>,即形成析取克里金的指示函数。
在一种实施例中,当同一事物的多个属性之间存在相关关系,且某些属性不易获取,而另一些属性易于获取时,判断第一映射关系满足第四趋势,可使用协同克里金算法。如果有多个变量的情况,则模型为:,其中j表示第j个变量。除了为每个变量考虑不同的趋势/>外,随机误差/>之间还存在交叉相关性。这种基于多个变量的克里金算法即为协同克里金算法。
在一种实施例中,根据第一映射关系,生成预设克里金算法并计算第一模型的第一克里金插值,包括:对第一类采样点进行数据处理,对处理后的第一类采样点生成第一类插值点;逐步搜索第一类插值点的近邻点,并根据近邻点计算第一克里金插值。
在本实施例中,对第一类采样点进行数据处理,包括:对第一类采样点进行数据分析;在第一类采样点参数的分析结果不满足预设正态分布条件的情况下,对第一类采样点进行数据转换,直到第一类采样点参数的分析结果满足预设正态分布条件。
在本实施例中,逐步搜索第一类插值点的近邻点,包括:按照预设顺序搜索第一类插值点的候选近邻点,基于预设数据筛选算法筛选候选近邻点。预设数据筛选算法包括对候选近邻点进行回顾分析,剔除差异较大的候选近邻点。
本实施例首先对第一类采样点进行预处理,对第一类采样点进行处理包括:数据预处理,剔除重合数据点,数据点坐标匹配,单位转换等方法。具体包括:使用平面度判断方法决定使用TPS法(Thin plate spline薄板样条插值)还是IPS法(Resampling andInterpolation无限平面样条插值法)。当N个流体网格点接近于平面时,接***面的程度可用参数平面度α来衡量,若参数平面度α小于设定阈值,即把很接近共面的流体点判断为非共面,从而采用TPS法;若参数平面度α大于设定阈值,此时程序会把不严格共面的流体点判断为共面,从而采用IPS法。对采用不同方法获得的数据点,进行坐标匹配,剔除重合点。
在本实施例中,按照预设顺序搜索第一类插值点的候选近邻点,包括:按照预设方向和预设阈值,对第一类采样点进行插值,得到候选近邻点,基于预设搜索法查找所候选近邻点的克里金插值的误差阈值,在误差阈值在预设误差范围内,生成第一克里金插值。阈值选取的大小,采用求解模式搜索法,模式搜索法在计算时不需要目标函数的导数,因而,模式搜索法在解决不可导的函数或者求导异常麻烦的函数的优化问题时非常有效。模式搜索就是寻找一系列的点X0,X1,X2,…,这些点都越来越靠近最优值点,当搜索进行到终止条件时则将最后一个点作为本次搜索的解。利用模式搜索法解决一个有N个自变量的最优化问题,具体包括:①要确定一个初始解X0,这个值的选取对计算结果影响很大;②确定基向量用于指定搜索方向,如对于两个自变量的问题可设为V(0,1;1,0;-1,0;0,-1)即按十字方向搜索;③确定搜索步长,它将决定算法的收敛速度。在一种实施例中,全局搜索能力具体步骤为:①计算出初始点的目标函数值f(Xi),然后计算其相邻的其它各点的值f(Xi+V(j)*L),j∈(1,2...2N);②如果有一点的函数值比①的结果更优,则表示搜索成功,那么采用Xi+1=Xi+V(j)*L,且下次搜索时以Xi+1为中心,以L=L*δ为步长(δ>1,扩大搜索范围),若没有找到这样的点则表示搜索失败,仍以Xi为中心,以L=L*λ为步长(λ<1,缩小搜索范围);步骤③重复步骤②的操作,结果到终止条件为止,终止条件可以是迭代次数已到设定值或者误差小于规定值等。
步骤S203,基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和第二模型之间的误差。
在一种实施例中,基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和第二模型之间的误差,包括:获取第一类采样点在第一模型上的第一载荷;根据第一克里金插值和第一载荷计算第一模型的目标转换模型的第二载荷;获取第二模型的第三载荷,根据第二载荷和第三载荷,计算目标转换模型和第二模型之间的误差。
在本实施例中,通过第以克里金插值将第一模型转换为对应第二模型的目标转换模型,得到第二载荷,获取第二模型的第三载荷,根据第二载荷和第三载荷,可以进一步检验第一克里金插值的误差收敛性,从而确保第一克里金插值在后续目标转换中完成气动载荷-强度设计软件之间的数据单向弱耦合的有效协同。
步骤S204,根据误差结果和第一克里金插值,建立第一模型和第二模型之间的流固耦合数据转换关系。
在一种实施例中,根据误差结果和第一克里金插值,建立第一模型和第二模型之间的流固耦合数据转换关系,包括:根据误差结果,计算第一克里金插值的收敛性;在计算结果满足预设收敛的情况下,第一克里金插值为目标克里金插值;根据目标克里金插值和第一类采样点对应的插值点,建立第一模型和第二模型之间的流固耦合数据转换关系。
在本实施例中,步骤S204通过第一克里金插值将第一模型转换为第二模型,再将第二模型还原到第一模型,可以进一步检验第二克里金插值的误差收敛性,从而确保第二克里金插值在后续目标转换中完成气动载荷-强度设计软件之间的数据单向弱耦合的有效协同。根据检验后的第一克里金插值和第一类采样点,生成第一模型和第二模型流固耦合数据转换关系,根据流固耦合关系生成高阶空间网格的程序接口,该程序接口是针对高阶曲率的复杂曲面,针对流体气动和温度载荷的插值,可以较好地保障插值精度,曲面上***值的物理量通常分布光滑,过渡均匀,插值误差较小,同时该接口提高了插值的效率,可以相比常规的三角面片插值,权重系数插值,效率提高较多。
现有的第一模型的数据量非常庞大,采用本申请的高阶空间网格的流固耦合数据转换方法得到插值效果如图3所示,图3和现有标杆软件生成的插值效果图相比,精度更新,生成的效果图更平滑。
图4是本申请实施例示出的高阶空间网格的流固耦合数据转换装置的结构示意图。为了便于说明,仅是示出了与本申请实施例相关的部分。图4示例装置主要包括获取单元401、判断单元402、检验单元403、转换单元404,其中:
获取单元401,用于获取第一模型和第二模型之间的第一映射关系,第一模型为流体模型和/或气体模型,第二模型为固体模型,第一映射关系,第一映射关系用于表示第一模型的采样点的载荷趋势变换。
判断单元402,用于根据第一映射关系,计算第一模型的第一克里金插值,其中,在第一映射关系满足第一趋势时,采用普通克里金算法,在第一映射关系满足第二趋势时,选用简单克里金算法,在第一映射关系满足第三趋势时,选用指示克里金算法,在第一映射关系满足第四趋势时,选用协同克里金算法。
检验单元403,用于基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和第二模型之间的误差。
转换单元404,用于根据误差结果和第一克里金插值,建立第一模型和第二模型之间的流固耦合数据转换关系。
在一种实施例中,所述获取第一模型和第二模型之间的第一映射关系,包括:获取第一模型的第一类采样点,并根据所述第一类采样点构建第一类采样点的第一映射关系,所述第一映射关系用于表示第一类采样点的载荷趋势变换,所述第一映射关系包括趋势值。
在一种实施例中,所述根据所述第一映射关系,计算第一模型的第一克里金插值,包括:对第一类采样点进行数据处理,对处理后的第一类采样点生成第一类插值点;逐步搜索所述第一类插值点的近邻点,并根据所述近邻点计算第一克里金插值。
在一种实施例中,所述逐步搜索所述第一类插值点的近邻点,包括:按照预设顺序搜索所述第一类插值点的候选近邻点,基于预设数据筛选算法筛选所述候选近邻点,得到第一类插值点的近邻点。
在一种实施例中,所述对第一类采样点进行数据处理,包括:对第一类采样点进行数据分析,得到第一类采样点参数的分析结果;在所述第一类采样点参数的分析结果不满足预设正态分布条件的情况下,对第一类采样点进行数据转换,直到所述第一类采样点参数的分析结果满足预设正态分布条件。
在一种实施例中,所述基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和所述第二模型之间的误差,包括:获取第一模型的第一载荷,根据所述第一克里金插值计算所述第一模型的目标转换模型的第二载荷;获取第二模型的第三载荷,根据所述第二载荷和所述第三载荷,计算所述目标转换模型和所述第二模型之间的误差。
在一种实施例中,所述根据误差结果和所述第一克里金插值,建立所述第一模型和所述第二模型之间的流固耦合数据转换关系,包括:根据误差结果,计算第一克里金插值的收敛性;在计算结果满足预设收敛的情况下,所述第一克里金插值为目标克里金插值;根据所述目标克里金插值和第一类采样点对应的插值点,建立所述第一模型和所述第二模型之间的流固耦合数据转换关系。
本申请提供的技术方案可以包括以下有益效果:
一方面,本方案通过获取第一模型和第二模型之间的第一映射关系;根据第一映射关系,计算第一模型的第一克里金插值,其中,在第一映射关系满足第一趋势时,采用普通克里金算法,在第一映射关系满足第二趋势时,选用简单克里金算法,在第一映射关系满足第三趋势时,选用指示克里金算法,在第一映射关系满足第四趋势时,选用协同克里金算法,本申请在普通克里金插值法的基础上,根据不同条件选取泛克里金算法、协同克里金插值算法,提高模型转换中的插值的精度。
另一方面,本申请通过还提供一种误差模型用于基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和第二模型之间的误差;根据误差结果和第一克里金插值,建立第一模型和第二模型之间的流固耦合数据转换关系。该流固耦合数据转换关系可将一个方法程序的机理模型映射为产品样机模型,转换成产品样机模型后可以直接查看产品样机模型中对应的各部件的相关数据,在后续目标转换中完成气动载荷-强度设计软件之间的数据单向弱耦合的有效协同。
参见图5,是本申请实施例示出的电子设备的结构示意图。电子设备500包括存储器510和处理器520。
处理器520可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器510可以包括各种类型的存储单元,例如***内存、只读存储器(ROM)和永久存储装置。其中,ROM可以存储处理器520或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。***内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。***内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器510可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(例如DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器510可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器510上存储有可执行代码,当可执行代码被处理器520处理时,可以使处理器520执行上文述及的方法中的部分或全部。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质),其上存储有可执行代码(或计算机程序或计算机指令代码),当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时,使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种高阶空间网格的流固耦合数据转换方法,其特征在于,包括:
获取第一模型和第二模型之间的第一映射关系,所述第一模型为流体模型和/或气体模型,所述第二模型为固体模型,所述第一映射关系用于表示第一模型的采样点的载荷趋势变换,所述第一映射关系包括采用趋势函数和随机误差函数表示的关于第一类采样点的空间坐标表达式;根据随机误差函数判断第一映射关系的区域化变量,根据区域化变量选取克里金算法;
根据所述第一映射关系,计算第一模型的第一克里金插值,其中,当区域化变量满足二阶平稳假设且其期望值是未知时,判断第一映射关系满足第一趋势,采用普通克里金算法,当区域化变量满足正态分布且期望值为某一已知常数时,判断第一映射关系满足第二趋势,选用简单克里金算法,将第一映射关系转换为包含指示变量的函数,当属性值超过预设阈值时,判断第一映射关系满足第三趋势,选用指示克里金算法,当同一事物的多个属性之间存在相关关系,判断第一映射关系满足第四趋势,选用协同克里金算法;
基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和所述第二模型之间的误差;
根据误差结果和所述第一克里金插值,建立所述第一模型和所述第二模型之间的流固耦合数据转换关系。
2.根据权利要求1所述的方法,其特征在于,所述获取第一模型和第二模型之间的第一映射关系,包括:
获取第一模型的第一类采样点,并根据所述第一类采样点构建第一类采样点的第一映射关系,所述第一映射关系用于表示第一类采样点的载荷趋势变换,所述第一映射关系包括趋势值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一映射关系,计算第一模型的第一克里金插值,包括:
对第一类采样点进行数据处理,对数据处理后的第一类采样点生成第一类插值点;
逐步搜索第一类插值点的近邻点,并根据所述近邻点计算第一克里金插值。
4.根据权利要求3所述的方法,其特征在于,所述逐步搜索第一类插值点的近邻点,包括:
按照预设顺序搜索第一类插值点的候选近邻点,基于预设数据筛选算法筛选所述候选近邻点,得到第一类插值点的近邻点。
5.根据权利要求3所述的方法,其特征在于,所述对第一类采样点进行数据处理,包括:
对第一类采样点进行数据分析,得到第一类采样点参数的分析结果;
在所述第一类采样点参数的分析结果不满足预设正态分布条件的情况下,对第一类采样点进行数据转换,直到所述第一类采样点参数的分析结果满足所述预设正态分布条件。
6.根据权利要求1所述的方法,其特征在于,所述基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和所述第二模型之间的误差,包括:
获取第一模型的第一载荷,根据所述第一克里金插值和所述第一载荷,计算第一模型的目标转换模型的第二载荷;
获取第二模型的第三载荷,根据所述第二载荷和所述第三载荷,计算所述目标转换模型和所述第二模型之间的误差。
7.根据权利要求6所述的方法,其特征在于,所述根据误差结果和所述第一克里金插值,建立所述第一模型和所述第二模型之间的流固耦合数据转换关系,包括:
根据误差结果,计算第一克里金插值的收敛性;
在计算结果满足预设收敛的情况下,所述第一克里金插值为目标克里金插值;
根据所述目标克里金插值和第一类采样点对应的插值点,建立所述第一模型和所述第二模型之间的流固耦合数据转换关系。
8.一种高阶空间网格的流固耦合数据转换装置,其特征在于,包括:
获取单元,用于获取第一模型和第二模型之间的第一映射关系,所述第一模型为流体模型和/或气体模型,所述第二模型为固体模型,所述第一映射关系,所述第一映射关系用于表示所述第一模型的采样点的载荷趋势变换,所述第一映射关系包括采用趋势函数和随机误差函数表示的关于第一类采样点的空间坐标表达式;根据随机误差函数判断第一映射关系的区域化变量,根据区域化变量选取克里金算法;
判断单元,用于根据所述第一映射关系,计算第一模型的第一克里金插值,其中,当区域化变量满足二阶平稳假设且其期望值是未知时,判断第一映射关系满足第一趋势,采用普通克里金算法,当区域化变量满足正态分布且期望值为某一已知常数时,判断第一映射关系满足第二趋势,选用简单克里金算法,将第一映射关系转换为包含指示变量的函数,当属性值超过预设阈值时,判断第一映射关系满足第三趋势,选用指示克里金算法,当同一事物的多个属性之间存在相关关系,判断第一映射关系满足第四趋势,选用协同克里金算法;
检验单元,用于基于第一克里金插值构建第一模型的目标转换模型,计算目标转换模型和所述第二模型之间的误差;
转换单元,用于根据误差结果和所述第一克里金插值,建立所述第一模型和所述第二模型之间的流固耦合数据转换关系。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310760108.XA CN116502563B (zh) | 2023-06-27 | 2023-06-27 | 高阶空间网格的流固耦合数据转换方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310760108.XA CN116502563B (zh) | 2023-06-27 | 2023-06-27 | 高阶空间网格的流固耦合数据转换方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116502563A CN116502563A (zh) | 2023-07-28 |
CN116502563B true CN116502563B (zh) | 2023-09-12 |
Family
ID=87328704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310760108.XA Active CN116502563B (zh) | 2023-06-27 | 2023-06-27 | 高阶空间网格的流固耦合数据转换方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116502563B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766191A (zh) * | 2019-08-27 | 2020-02-07 | 东华理工大学 | 一种基于时空克里金插值的新增pm2.5固定监测站点选址方法 |
CN116027430A (zh) * | 2021-10-26 | 2023-04-28 | 中国石油化工股份有限公司 | 基于克里金技术的表层调查控制点建模方法及装置 |
CN116050460A (zh) * | 2023-03-23 | 2023-05-02 | 中南大学 | 基于注意力神经网络的气温数据空间插值方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10371860B2 (en) * | 2013-05-22 | 2019-08-06 | S.S. Papadopulos & Associates, Inc. | Simultaneous multi-event universal kriging methods for spatio-temporal data analysis and mapping |
-
2023
- 2023-06-27 CN CN202310760108.XA patent/CN116502563B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766191A (zh) * | 2019-08-27 | 2020-02-07 | 东华理工大学 | 一种基于时空克里金插值的新增pm2.5固定监测站点选址方法 |
CN116027430A (zh) * | 2021-10-26 | 2023-04-28 | 中国石油化工股份有限公司 | 基于克里金技术的表层调查控制点建模方法及装置 |
CN116050460A (zh) * | 2023-03-23 | 2023-05-02 | 中南大学 | 基于注意力神经网络的气温数据空间插值方法 |
Non-Patent Citations (1)
Title |
---|
克里金插值的多路径误差空间分布特征;邓岳川;谷双喜;;测绘科学(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116502563A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pacheco et al. | Bayesian surrogates applied to conceptual stages of the engineering design process | |
Rumpfkeil et al. | A dynamic sampling method for kriging and cokriging surrogate models | |
CN116341097B (zh) | 一种基于新型高维代理模型的跨音速机翼优化设计方法 | |
Cordero-Gracia et al. | An interpolation tool for aerodynamic mesh deformation problems based on octree decomposition | |
Pathak et al. | Form error evaluation of noncontact scan data using constriction factor particle swarm optimization | |
Rumpfkeil et al. | Uncertainty analysis utilizing gradient and hessian information | |
CN114429090A (zh) | 一种基于数据驱动的压气机叶片鲁棒性设计方法 | |
Noje et al. | IoT devices signals processing based on Shepard local approximation operators defined in Riesz MV-algebras | |
Pathak et al. | Effective form error assessment using improved particle swarm optimization | |
Skala et al. | Radial basis function approximation optimal shape parameters estimation | |
Beck et al. | Active subspace development of integrally bladed disk dynamic properties due to manufacturing variations | |
Hafver et al. | Environmental contours as Voronoi cells | |
CN116502563B (zh) | 高阶空间网格的流固耦合数据转换方法及装置 | |
Hao et al. | Design optimization by integrating limited simulation data and shape engineering knowledge with Bayesian optimization (BO-DK4DO) | |
CN113591020A (zh) | 一种基于轴对称盒空间滤波的非线性***状态估计方法 | |
CN116484744B (zh) | 物体仿真方法、模型训练方法、装置、设备及存储介质 | |
Zhang et al. | Multi-fidelity surrogate model ensemble based on feasible intervals | |
CN112949944A (zh) | 一种基于时空特征的地下水位智能预测方法及*** | |
CN116702330A (zh) | 高阶空间网格的流固耦合插值方法及装置 | |
CN113379103B (zh) | 基于降阶模型的泵类设备内部流场的预测方法 | |
Franco et al. | Multivariate adaptive downsampling algorithm for Industry 4.0 data visualization | |
CN112182739A (zh) | 一种飞行器结构非概率可信可靠性拓扑优化设计方法 | |
Zhang et al. | [Retracted] Prediction Mathematic Model and Influencing Factors of Contact Stress of Cylindrical Gear with Arc Tooth | |
CN109166128B (zh) | 一种非等效三维点云分割方法 | |
EP4094177A1 (en) | System and method for fatigue response prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |