一种基于降阶模型的潜艇水动力载荷快速预报方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115828797A(43)申请公布日2023.03.21(21)申请号202310113949.1G06N3/047(2023.01)(22)申请日2023.02.15G06F113/08(2020.01)G06F111/08(2020.01)(71)申请人中国船舶集团有限公司第七一九研G06F119/14(2020.01)究所地址430000湖北省武汉市武昌区中山路450号(72)发明人施亚光张文金夏凯胡迟宫大鑫潘炎李冠群方才华张容川何小二(74)专利代理机构武汉知产时代知识产权代理有限公司42238专利代理师徐欢(51)Int.Cl.G06F30/28(2020.01)G06F30/27(2020.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于降阶模型的潜艇水动力载荷快速预报方法(57)摘要本发明公开了一种基于降阶模型的潜艇水动力载荷快速预报方法，包括获取参数子空间并得到整个样本的快照数据资源池；对样本的快照数据资源池进行奇异值分解并引入本征正交分解方法，将整个潜艇水动力空间物理量分布分解为时均流场与若干模态与其系数的乘积之和，选取前两阶模态作为潜艇水动力流场的主模态构建降阶模型；采用基于贝叶斯优化的人工智能的超参数优化方法对以神经网络为核心的代理模型进行训练，得到预报模型；在预报模型中输入参数组合，快速获得全部网格节点的物理量信息以及潜艇的水动力载荷。该方法能够解决常规仿真分析每个环境工况下都需要进行高精度仿真计算的问题，提升设计与优化过程中水动力载荷评估工作效率。CN115828797ACN115828797A权利要求书1/2页1.一种基于降阶模型的潜艇水动力载荷快速预报方法，其特征在于，包括以下步骤：S1、解析CFD仿真工程文件，获取入口边界条件的定义参数，通过指定参数变化的上下限值，采用改进拉丁超立方抽样方法获取参数子空间；S2、基于参数子空间中的工况参数完成CFD仿真求解，并在每个工况计算完毕之后写出该工况下样本的快照数据，获得整个样本的快照数据资源池；S3、对所述样本的快照数据资源池进行奇异值分解，并引入本征正交分解方法，将整个潜艇水动力空间物理量分布分解为时均流场和若干模态与其系数的乘积之和，选取前两阶模态作为潜艇水动力流场的主模态构建降阶模型；S4、采用基于贝叶斯优化的人工智能的超参数优化方法对以神经网络为核心的代理模型进行训练，得到预报模型；S5、在所述降阶模型中输入任意的入口边界参数组合，通过所述预报模型获得全部网格节点的物理量信息，对潜艇表面计算边界进行静压值积分获得完整的潜艇水动力载荷。2.根据权利要求1所述的一种基于降阶模型的潜艇水动力载荷快速预报方法，其特征在于，步骤S2具体为：快照数据的内容包括网格节点上的坐标信息以及速度、压力，全部工况计算完毕之后形成一个包含入口边界参数的全工况样本快照数据资源池，整个样本快照数据资源池的形式如下所示：上式中r为参数子空间中的全部工况数，n为计算域网格节点总数，为第r个计算工况下第n个网格节点上的速度和压力值，vr为第r个计算工况下的入口边界来流速度，ar为第r个计算工况下的入口边界来流角度。3.根据权利要求2所述的一种基于降阶模型的潜艇水动力载荷快速预报方法，其特征在于，步骤S3具体为：首先将样本快照数据资源池的形式改写为下列形式：P=ΦΣΨT其中Φ和Ψ均为方阵，分别是矩阵P的左奇异向量和右奇异向量，Σ为矩阵P的奇异阵，其主对角线上的元素为奇异值，除主对角线上的其他元素均为0；将矩阵P进行方阵化之后进行特征值分解：T(PP)Ψi=λiΨiT其中λi和Ψi分别为方阵PP的第i个特征值和第i个特征向量；基于特征值分解同步还有：T(PP)Φi=βiΦiT其中βi和Φi分别为方阵PP的第i个特征值和第i个特征向量，进而获得矩阵P的左奇异向量Φ和右奇异向量Ψ；2CN115828797A权利要求书2/2页由PPT=ΦΣΨTΣΦT=ΨΣ2ΦT有：其中δi为奇异阵Σ中主对角线上的元素，按从大到小的顺序排列，得到P的奇异阵Σ；获得了样本快照数据资源池P的特征值和特征向量之后，再通过本征正交分解方法对流体控制方程中的未知量，包括速度和压力进行基模态分解，将潜艇水动力计算域中所有网格节点上的速度和压力值分解为时均值与扰动值之和的形式，其中扰动值使用若干模态及其模态系数乘积之和来表示：其中为水动力计算参数的预报值，p0为仿真数据样本快照的平均值，αr为正交基的模态系数，为基向量，R为基的个数，选取速度场和压力场的前两阶模态作为潜艇水动力流场的主模态来构建降阶模型。4.根据权利要求3所述的一种基于降阶模型的潜艇水动力载荷快速预报方法，其特征在于，步骤S4具体为：对正交基的模态系数αr和入口边界上的速度