关键词:
复杂流场可视化
激波检测
VTK
机器学习
摘要:
随着计算流体力学模拟出的数据规模的增大和精度的提升,科研人员对可视化的需求在不断增加,如何高效地实现流场可视化并进行激波检测是目前备受关注的研究热点。激波检测作为流场可视化中的重要技术,在特征识别中起着关键作用,目前常用的激波检测方法主要有正则马赫数法和密度梯度极大值法等方法。考虑到CFD流场数据规模较大,现有的方法在激波检测计算过程中需要耗费大量的时间,且针对非激波特征过滤需要人为确定阈值,如何高效精确地进行激波检测是目前亟待解决的难题。本文针对大型运输机标模构型(CHi Na-Transport,CHN-T2)的复杂流场数据,基于VTK(Visualization Toolkit,VTK)对复杂流场数据进行了可视化,在此基础上开展了机器学习在激波检测中的研究。主要研究内容分为以下两部分:
基于VTK的复杂流场可视化实现。针对目前可视化软件功能固定且无法扩展等问题,利用VTK可视化工具包实现了复杂流场可视化。首先,考虑到复杂流场数据规模较大,对流场可视化中的插值算法进行了设计,并对非结构化网格进行了网格优化以减少插值复杂度。其次,设计并实现了切割模型算法,实现了流场的核心特征提取。进一步通过颜色映射实现了属性半定量的显示,通过数据探测对局部数据进行提取分析,并结合等值线的绘制实现了对属性数据的定量分析。最后,在此基础上扩展了交互可视化功能,实现了对复杂流场数据的高效处理。
基于AGK模型的激波检测方法研究。针对目前常用的激波检测方法存在计算量大、过滤器阈值选择困难、自适应性差等问题,本文提出了基于AGK模型的复杂流场激波检测方法。基于VTK可视化方法将复杂流场数据可视化,通过传统方法以及压力、密度等属性对激波进行辨识。进一步通过交互可视化方法对激波位置进行标定,并直接对数据进行特征提取、标准化等处理,进而获取机器学习所需的样本数据。通过不同的机器学习方法构建了激波检测模型,采用不同迎角下的试验数据进行验证,并将检测结果可视化与传统方法进行对比,对比总结分析不同激波检测模型的优劣。构建了AGK激波检测模型,并与SVM、KNN、Ada Boost以及GBDT激波检测模型进行了对比分析评估,最终AGK模型进行激波检测的准确性可以达到90%以上,解决了传统激波检测方法需要过滤算法的问题,降低了计算成本,实现了更加高效的激波检测,验证了该方法的可靠性。