基于空间极坐标卷积的流体动力学预测
Fluid Dynamics Prediction Based on Spatial Polar Coordinate Convolution
杜飞龙 1班晓娟 2张雅斓 3董子瑞 4王笑琨5
作者信息
- 1. 北京科技大学 北京材料基因工程高精尖创新中心,北京100083;北京科技大学 智能科学与技术学院,北京100083
- 2. 北京科技大学 北京材料基因工程高精尖创新中心,北京100083;北京科技大学 智能科学与技术学院,北京100083;北京科技大学 顺德创新学院,佛山528399;北京科技大学 智能仿生无人系统教育部重点实验室,北京100083;辽宁材料实验室 材料智能技术研究所,沈阳110004
- 3. 北京科技大学 北京材料基因工程高精尖创新中心,北京100083;北京科技大学 智能科学与技术学院,北京100083;北京科技大学 顺德创新学院,佛山528399
- 4. 北京科技大学 智能科学与技术学院,北京100083
- 5. 北京科技大学 北京材料基因工程高精尖创新中心,北京100083;北京科技大学 智能科学与技术学院,北京100083;北京科技大学 顺德创新学院,佛山528399;北京科技大学 智能仿生无人系统教育部重点实验室,北京100083
- 折叠
摘要
流体作为自然界中最基本的物质之一,对其模拟往往需要在精度和效率之间进行取舍.为此,提出了一种端到端体系化的新型卷积网络流体模拟器——PolarNet.首先,将粒子数据转换为三维极坐标表示,设计了PolarConv空间卷积结构.其次,结合物理流体模拟器,构建了四层网络结构,设计了网络流体模拟器PolarNet,实现流体的端到端预测.此外,精心设计了基于物理的约束,以强化流体的不可压缩性.实验结果表明,与传统基于建模模拟器相比,PolarNet在提高流体边界的精确性和保持不可压缩性方面有显著提升,同时保证了效率.相较于其他基于学习的流体模拟器,得益于极坐标的空间紧凑表示,PolarNet在具有更少训练参数的情况下,保持了最高的预测稳定性.PolarNet为多模态信息处理提供了新的方法和视角.
Abstract
Fluid,as one of the most fundamental substances in nature,often requires a trade-off between accuracy and efficiency in its simulation.Thus,a novel end-to-end systematic convolutional network fluid simulator called PolarNet is proposed.Firstly,particle data is converted to a 3D polar coordinate representation,and the PolarConv spatial convolution structure is designed.Secondly,combined with a physical fluid simulator,a four-layer network structure is constructed to design the network fluid simulator PolarNet,achieving end-to-end fluid prediction.Additionally,physically-based constraints are carefully designed to enhance fluid incompressibility.Experimental results show that compared with traditional modeling-based simulators,PolarNet significantly improves the accuracy of fluid boundaries and maintains incompressibility while ensuring efficiency.Compared with the other learning-based fluid simulators,PolarNet maintains the highest prediction stability with fewer training parameters,benefiting from the compact representation of polar coordinates.PolarNet provides new methods and perspectives for multimodal information processing.
关键词
流体动力学模拟/空间卷积网络/数据驱动/体系化模拟器Key words
fluid dynamics simulation/spatial convolutional network/data-driven/systematic simulator引用本文复制引用
基金项目
科技创新2030-重大项目(2022ZD0118001)
国家自然科学基金项目(U22A2022)
国家自然科学基金项目(62306032)
国家自然科学基金项目(62376025)
广东省基础与应用基础研究基金项目(2022A1515110350)
广东省基础与应用基础研究基金项目(2023A1515030177)
海南省重点研发项目(ZDYF2024GXJS032)
出版年
2024
NETL
NSTL
万方数据