CN116702330A - 高阶空间网格的流固耦合插值方法及装置 - Google Patents

高阶空间网格的流固耦合插值方法及装置 Download PDF

Info

Publication number
CN116702330A
CN116702330A CN202310762206.7A CN202310762206A CN116702330A CN 116702330 A CN116702330 A CN 116702330A CN 202310762206 A CN202310762206 A CN 202310762206A CN 116702330 A CN116702330 A CN 116702330A
Authority
CN
China
Prior art keywords
model
type
interpolation
kriging interpolation
kriging
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.)
Pending
Application number
CN202310762206.7A
Other languages
English (en)
Inventor
包刚强
郑建国
王茂林
王昱皓
程海
田锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pera Corp Ltd
Original Assignee
Pera Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Pera Corp Ltd filed Critical Pera Corp Ltd
Priority to CN202310762206.7A priority Critical patent/CN116702330A/zh
Publication of CN116702330A publication Critical patent/CN116702330A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Complex Calculations (AREA)

Abstract

本申请涉及一种高阶空间网格的流固耦合插值方法及装置。该方法包括：获取第一模型的第一类采样点，对第一类采样点参数进行数据分析；第一模型为流体模型和/或气体模型；在分析结果满足正态分布的情况下，基于克里金插值方法计算第一类采样点对应的第一克里金插值；基于回归模型和变差函数，对第一克里金插值迭代训练，得到第二克里金插值；其中，第二克里金插值的精度误差在预设误差范围内；构建第一类采样点的误差模型，根据误差模型判断第二克里金插值的精度误差是否收敛，在第二克里金插值的误差收敛的情况下，第二克里金插值为目标克里金插值。本申请根据自适应克里金方法能在流固耦合转换过程中的减少误差，提高插值精度。

Description

高阶空间网格的流固耦合插值方法及装置
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插值方法及装置。
背景技术
数据传递方法的研究主要集中在航空航天、土木工程中流固耦合领域。在流体载荷作用下，固体结构会产生位移和速度，而固体结构的变形与运动将会进一步影响到流体载荷。由于不同物理场计算模块对网格类型和疏密要求有很大差异，流体域和固体域网格之间在界面上并不匹配，为了实现耦合计算必须解决不同物理量在不匹配的网格之间的数据传递问题，这就是流固载荷传递问题，这一问题一般通过插值的方法完成流固载荷转换，即对于每个结构单元，查找最近的若干流体模型点，用流体点的压力插值得出结构单元的压力，实现载荷转换，另一种方法是力等效分配方法，即将一个气动点的载荷等效分配到附近若干个结构点上。
在以上两种方法中，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，如果不采取针对性的方法，则需要遍历后者中所有的点。所以，当两个模型的点数都很多时，查找时间很长，会导致插值程序运行时间过长。
在现有技术中，载荷不确定性的影响已在结构分析与优化设计领域中广泛考虑，并形成了相应理论，而在流固耦合界面数据传递方面仍然少见。
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插值方法及装置，能够预估流固耦合转换过程中的误差计算提高插值精度。
本申请第一方面提供一种高阶空间网格的流固耦合插值方法，包括：
获取第一模型的第一类采样点，对第一类采样点参数进行数据分析；第一模型为流体模型和/或气体模型；
在分析结果满足正态分布的情况下，基于克里金插值方法计算第一类采样点对应的第一克里金插值；
基于回归模型和变差函数，对第一克里金插值迭代训练，得到第二克里金插值；其中，第二克里金插值的精度误差在预设误差范围内；
构建第一类采样点的误差模型，根据误差模型判断第二克里金插值的精度误差是否收敛，在第二克里金插值的误差收敛的情况下，第二克里金插值为目标克里金插值。
本申请第二方面提供一种高阶空间网格的流固耦合插值装置，包括：
采样单元，用于获取第一模型的第一类采样点，对第一类采样点参数进行数据分析；第一模型为流体模型和/或气体模型；
第一计算单元，用于在分析结果满足正态分布的情况下，基于克里金插值方法计算第一类采样点对应的第一克里金插值；
第二计算单元，用于基于回归模型和变差函数，对第一克里金插值迭代训练，得到第二克里金插值；其中，第二克里金插值的精度误差在预设误差范围内；
判断单元，用于构建第一类采样点的误差模型，根据误差模型判断第二克里金插值的精度误差是否收敛，在第二克里金插值的误差收敛的情况下，第二克里金插值为目标克里金插值。
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，本方案基于普通克里金插值法基础上，采用泛克里金、协同克里金插值法，采用自适应克里金方法生成克里金插值作为训练样本，预估误差计算，提高插值的精度。同时，采用回归模型和变差函数作为初始插值的迭代模型，迭代第一克里金插值的误差，使得生成目标误差范围内的第二克里金插值，通过回归模型和差异函数对第一克里金插值循环迭代，精简了第一克里金插值的误差的迭代过程，从而解决了算力。
另一方面，本申请还提供一种误差模型用于检验第二克里金插值的有效性，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。
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插值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插值方法的流程示意图；
图3是本申请实施例示出的高阶空间网格的流固耦合插值的效果示意图；
图4是本申请实施例示出的高阶空间网格的流固耦合插值装置的结构示意图；
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体位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，曲面上被插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插值方法，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插值方法可以由服务器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插值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插值方法，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插值方法的流程示意图，具体包括：
步骤S201，获取第一模型的第一类采样点，对第一类采样点参数进行数据分析；第一模型为流体模型和/或气体模型。
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。
步骤S202，在分析结果满足正态分布的情况下，基于克里金插值方法计算第一类采样点对应的第一克里金插值。
在步骤S202中，若分析结果不满足正态分布的情况，则需要对第一类采样点进行数据转换，直到第一类采样参数的分析结果满足正态分布的要求。
在一种实施例中，在分析结果满足正态分布的情况下，基于克里金插值方法计算第一类采样点对应的第一克里金插值，包括：获取第一类采样点的边界和第一模型的原始网格空间分布，判断克里金差值方法的启动条件；根据克里金差值方法的启动条件，选取预设克里金差值模型。
在本实施例中，判断启动条件，具体包括：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模型，克里金模型至少包括：泛克里金模型、普通克里金模型、简单克里金模型、指示克里金模型、协同克里金模型中的一种或几种。
本实施例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，还考虑了各参与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、更有效地避免了系统误差的出现。
具体地，第一映射函数采用克里金插值法的表达式如公式(1)，所示：
Z(s)＝μ(s)+ε(s)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μ(s)和自相关随机误差ε(s)，通过对这个公式进行变化，可以生成克里金插值法的不同类型。
对于趋势值μ(s)，简单地赋予常量，即在任何位置s处μ(s)＝μ，如果μ是未知的，这便是普通克里金基本模型；μ(s)也可表示为空间坐标的线性函数，如公式(2)，所示：
μ(s)＝β0+β1x+β2y+β3x2+β4y2+β5xy公式(2)；
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，选用普通克里金模型。
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，选用简单克里金模型。
如果趋势面方程中的回归系数是未知的，程序将形成泛克里金模型。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选用泛克里金模型。
无论趋势如何复杂，μ(s)仍无法获得很好的预测，在这种情况下需要对误差项ε(s)进行一些假设，即假设误差项ε(s)的期望均值为0，且ε(s)和ε(s+h)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Z(s)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，选用指示克里金。即如果Z(s)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模型。如果将指示值转变成含有变量的函数f(Z(s))，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，可使用协同克里金模型。如果有多个变量的情况，则模型为：Zj(s)＝μj(s)+εj(s)，其中j表示第j个变量。除了为每个变量考虑不同的趋势μj(s)外，随机误差εj(s)之间还存在交叉相关性。这种基于多个变量的克里金模型即为协同克里金模型。
步骤S203，基于回归模型和变差函数，对第一克里金插值迭代训练，得到第二克里金插值；其中，第二克里金插值的精度误差在预设误差范围内。
在一种实施例中，基于回归模型和变差函数，对第一克里金插值迭代训练，得到第二克里金插值，包括：对第一类采样点进行数据处理，并对处理后的第一类采样点进行插值，得到第一类被插值点；计算第一类被插值点的近邻点，得到第一类近邻点；对第一类近邻点进行回归分析，根据变差函数求解回归分析后的第一类近邻点，得到第二克里金插值。
在本实施例中，通过对第一类采样点进行插值后得到第一类近邻点，在插值过程对第一类采样点进行逐步回归得到回归后的采样点，同时通过变差函数对回归后的采样点进行进一步的误差分析，减少回归的次数，同时快速查找回归后的采样点的克里金误差。
在本实施例中，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法还是IPS法。当N个流体网格点接近于平面时，接近平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，对处理后的第一类采样点进行插值，得到第一类被插值点，包括：计算K近邻点，得到被插值点，周围的数据点。
在一种实施例中，对第一类近邻点进行回归分析，包括：对第一类近邻点数据正态化，根据正态化后的第一类近邻点计算相互距离，生成对称矩阵；根据预设回归模型和对称矩阵对第一类近邻点进行回归分析。
在本实施例中，回归模型采用多元逐步回归模型，该回归模型采用逐步搜索的方法来选择有效的解释变量，以构建最优的多元线性回归模型。回归模型通常以因变量和多组自变量做为基础，采用逐步回归，可以剔除一些不起作用的变量，得到回归系数，预测值及残差。
在一种实施例中，根据变差函数求解回归分析后的第一类近邻点，包括：采用变差函数遍历回归后的第一类近邻点，生成第一类近邻点的克里金插值；基于预设搜索法查找所第一类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，生成第二克里金插值。
常规变差函数描述区域化变量的空间结构性变化，又能描述随机性变化，假设空间点x只在一维的x轴上变化，则将区域化变量Z(x)在x，x+h两点处的值之差的方差之半定义为Z(x)在x轴方向上的变差函数，记为γ(x,h)，采用公式(3)表示，如公式(3)所示：
基于有效数据的范围后，可获得变异幅度大小。假定块金值等于0，基台值Z(x)为满足本征假设的区域化变量，采用理论变差函数如球状模型、指数模型或高斯模型，通过理论模型的拟合，在拟合基础上，采用搜索法，获取最优的变动阈值，得到拟合的半变异函数，计算克里金系数。阈值选取的大小，采用求解模式搜索法，模式搜索法是一种，在计算时不需要目标函数的导数，所以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。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，以及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更优则表示搜索成功，那么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)；③重复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。
在本实施例中，基于有效数据的范围后，可获得变异幅度大小。假定块金值等于0，基台值Z(x)为满足本征假设的区域化变量，采用理论如球状模型、指数模型或高斯模型，通过理论模型的拟合，在拟合基础上，采用搜索法，获取最优的变动阈值，得到拟合的差异函数。距离值h和差异函数值拟合出差异函数模型，给出容许误差阈值，计算出任意点距离并分组。顾及差异函数值y和距离系数阵A与采用的不同模型参数如高斯模型或指数模型之间的关系，考虑到观测值的误差，高斯模型或指数模型线性化后的回归模型，如公式(4)所示：
y≈Ax公式(4)；
如果考虑y及A元素中不同的精度和贡献程度，差异函数模型参数估计问题采用多元逐步回归模型进行误差估计方法并进行迭代。选取多元逐步回归模型做为初始数值，计算误差，迭代计算，直到满足误差范围结束。
步骤S204，构建第一类采样点的误差模型，根据误差模型判断第二克里金插值的精度误差是否收敛，在第二克里金插值的误差收敛的情况下，第二克里金插值为目标克里金插值。
在一种实施例中，构建第一类采样点的误差模型，包括：获取第一类采样点在第一模型上的第一载荷；根据第二克里金插值计算第一模型对应的第二模型，第二模型为固体结构模型；将第二模型还原到第一模型的第一类采样点，得到第二载荷；根据第一载荷和第二载荷，构建第一类采样点的误差模型。
在本实施例中，步骤S204通过第二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
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插值方法得到插值效果如图3所示，图4相比较现有插值方法得到的效果图相比，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插值装置的结构示意图。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示例装置主要包括采样单元401、第一计算单元402、第二计算单元403、判断单元404，其中：
采样单元401，用于获取第一模型的第一类采样点，对第一类采样点参数进行数据分析；第一模型为流体模型和/或气体模型；
第一计算单元402，用于在分析结果满足正态分布的情况下，基于克里金插值方法计算第一类采样点对应的第一克里金插值；
第二计算单元403，用于基于回归模型和变差函数，对第一克里金插值迭代训练，得到第二克里金插值；其中，第二克里金插值的精度误差在预设误差范围内；
判断单元404，用于构建第一类采样点的误差模型，根据误差模型判断第二克里金插值的精度误差是否收敛，在第二克里金插值的误差收敛的情况下，第二克里金插值为目标克里金插值。
在一种实施例中，基于克里金插值方法计算第一类采样点对应的第一克里金插值，包括：获取第一类采样点的边界和第一模型的原始网格空间分布，判断克里金差值方法的启动条件；根据克里金差值方法的启动条件，选取预设克里金差值模型。
在一种实施例中，预设克里金差值模型至少包括：泛克里金模型、普通克里金模型、简单克里金模型、指示克里金模型、协同克里金模型中的一种或几种。
在一种实施例中，基于回归模型和变差函数，对第一克里金插值迭代训练，并输出第二克里金插值，包括：对第一类采样点进行数据处理，并对处理后的第一类采样点进行插值，得到第一类被插值点；计算第一类被插值点的近邻点，得到第一类近邻点；对第一类近邻点进行回归分析，根据变差函数求解回归分析后的第一类近邻点，得到第二克里金插值。
在一种实施例中，对第一类近邻点进行回归分析，包括：对第一类近邻点数据正态化，根据正态化后的第一类近邻点计算相互距离，生成对称矩阵；根据预设回归模型和对称矩阵对第一类近邻点进行回归分析。
在一种实施例中，根据变差函数求解回归分析后的第一类近邻点，包括：采用变差函数遍历回归后的第一类近邻点，生成第一类近邻点的克里金插值；基于预设搜索法查找所第一类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时，生成第二克里金插值。
在一种实施例中，构建第一类采样点的误差模型，包括：获取第一类采样点在第一模型上的第一载荷；根据第二克里金插值计算第一模型对应的第二模型，第二模型为固体结构模型；将第二模型还原到第一模型的第一类采样点，得到第二载荷；根据第一载荷和第二载荷，构建第一类采样点的误差模型。
本申请提供的技术方案可以包括以下有益效果：
一方面，本方案基于普通克里金插值法基础上，采用泛克里金、协同克里金插值法，采用自适应克里金方法生成克里金插值作为训练样本，预估误差计算，提高插值的精度。另一方面，采用回归模型和变差函数作为初始插值的迭代模型，迭代第一克里金插值的误差，使得生成目标误差范围内的第二克里金插值，通过回归模型和差异函数对第一克里金插值循环迭代，精简了第一克里金插值的误差的迭代过程，从而解决了算力。
另一方面，本申请还提供一种误差模型用于检验第二克里金插值的有效性，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。
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，例如系统内存、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)。系统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。系统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插值方法，其特征在于，包括：
获取第一模型的第一类采样点，对第一类采样点参数进行数据分析；所述第一模型为流体模型和/或气体模型；
在分析结果满足正态分布的情况下，基于克里金插值方法计算第一类采样点对应的第一克里金插值；
基于回归模型和变差函数，对所述第一克里金插值迭代训练，得到第二克里金插值；其中，所述第二克里金插值的精度误差在预设误差范围内；
构建第一类采样点的误差模型，根据所述误差模型判断所述第二克里金插值的精度误差是否收敛，在所述第二克里金插值的误差收敛的情况下，所述第二克里金插值为目标克里金插值。
2.根据权利要求1所述的方法，其特征在于，所述基于克里金插值方法计算第一类采样点对应的第一克里金插值，包括：
获取第一类采样点的边界和第一模型的原始网格空间分布，判断克里金差值方法的启动条件；
根据所述克里金差值方法的启动条件，选取预设克里金差值模型。
3.根据权利要求2所述的方法，其特征在于，所述预设克里金差值模型至少包括：泛克里金模型、普通克里金模型、简单克里金模型、指示克里金模型、协同克里金模型中的一种或几种。
4.根据权利要求1所述的方法，其特征在于，所述基于回归模型和变差函数，对所述第一克里金插值迭代训练，得到第二克里金插值，包括：
对所述第一类采样点进行数据处理，并对处理后的第一类采样点进行插值，得到第一类被插值点；
计算所述第一类被插值点的近邻点，得到第一类近邻点；
对所述第一类近邻点进行回归分析，根据所述变差函数求解回归分析后的第一类近邻点，得到所述第二克里金插值。
5.根据权利要求4所述的方法，其特征在于，所述对所述第一类近邻点进行回归分析，包括：
对所述第一类近邻点数据正态化，根据正态化后的第一类近邻点计算相互距离，生成对称矩阵；
根据预设回归模型和所述对称矩阵，对所述第一类近邻点进行回归分析。
6.根据权利要求5所述的方法，其特征在于，所述根据所述变差函数求解回归分析后的第一类近邻点，包括：
采用所述变差函数遍历回归后的第一类近邻点，生成第一类近邻点的克里金插值；
基于预设搜索法查找所第一类近邻点的克里金插值的误差阈值，在所述误差阈值在所述预设误差范围内时，生成所述第二克里金插值。
7.根据权利要求1所述的方法，其特征在于，所述构建第一类采样点的误差模型，包括：
获取第一类采样点在第一模型上的第一载荷；
根据所述第二克里金插值计算所述第一模型对应的第二模型，所述第二模型为固体结构模型；
将所述第二模型还原到所述第一模型的第一类采样点，得到第二载荷；
根据所述第一载荷和所述第二载荷，构建所述第一类采样点的误差模型。
8.一种高阶空间网格的流固耦合插值装置，其特征在于，包括：
采样单元，用于获取第一模型的第一类采样点，对第一类采样点参数进行数据分析；所述第一模型为流体模型和/或气体模型；
第一计算单元，用于在分析结果满足正态分布的情况下，基于克里金插值方法计算第一类采样点对应的第一克里金插值；
第二计算单元，用于基于回归模型和变差函数，对所述第一克里金插值迭代训练，得到第二克里金插值；其中，所述第二克里金插值的精度误差在预设误差范围内；
判断单元，用于构建第一类采样点的误差模型，根据所述误差模型判断所述第二克里金插值的精度误差是否收敛，在所述第二克里金插值的误差收敛的情况下，所述第二克里金插值为目标克里金插值。
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。
CN202310762206.7A 2023-06-27 2023-06-27 高阶空间网格的流固耦合插值方法及装置 Pending CN116702330A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310762206.7A CN116702330A (zh) 2023-06-27 2023-06-27 高阶空间网格的流固耦合插值方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310762206.7A CN116702330A (zh) 2023-06-27 2023-06-27 高阶空间网格的流固耦合插值方法及装置

Publications (1)

Publication Number Publication Date
CN116702330A true CN116702330A (zh) 2023-09-05

Family

ID=87823800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310762206.7A Pending CN116702330A (zh) 2023-06-27 2023-06-27 高阶空间网格的流固耦合插值方法及装置

Country Status (1)

Country Link
CN (1) CN116702330A (zh)

Similar Documents

Publication Publication Date Title
Wang et al. A comprehensive physics-informed machine learning framework for predictive turbulence modeling
Golbabai et al. On the new variable shape parameter strategies for radial basis functions
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
US11055318B2 (en) Target number of clusters based on internal index Fibonacci search
Wu et al. Uncertainty quantification and sensitivity analysis of transonic aerodynamics with geometric uncertainty
CN116502319B (zh) 一种混凝土坝三维温度场重构方法、装置及电子设备
Cordero-Gracia et al. An interpolation tool for aerodynamic mesh deformation problems based on octree decomposition
Roy et al. Resampling strategies to improve surrogate model‐based uncertainty quantification: Application to LES of LS89
Pathak et al. Effective form error assessment using improved particle swarm optimization
Beck et al. Active subspace development of integrally bladed disk dynamic properties due to manufacturing variations
CN118153339A (zh) 一种非傅里叶声子稳态热输运的模拟方法及装置
Hafver et al. Environmental contours as Voronoi cells
Mura et al. Least squares approximation-based polynomial chaos expansion for uncertainty quantification and robust optimization in aeronautics
CN116484744B (zh) 物体仿真方法、模型训练方法、装置、设备及存储介质
CN116502563B (zh) 高阶空间网格的流固耦合数据转换方法及装置
CN116702330A (zh) 高阶空间网格的流固耦合插值方法及装置
Yin et al. An innovative DoE strategy of the kriging model for structural reliability analysis
Bogaers et al. Highly efficient optimization mesh movement method based on proper orthogonal decomposition
Winter et al. Nonlinear reduced-order modeling of unsteady aerodynamic loads based on dynamic local linear neuro-fuzzy models
Cheng et al. New spearman correlation based sensitivity index and its unscented transformation solutions
Zhang et al. [Retracted] Prediction Mathematic Model and Influencing Factors of Contact Stress of Cylindrical Gear with Arc Tooth
Zapata et al. A GPU parallel finite volume method for a 3D Poisson equation on arbitrary geometries
Chen et al. A coupled RBF method for the solution of elastostatic problems
CN117852315B (zh) 用于确定计算机辅助工程的初始条件的方法及相关设备

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