基于神经网络的电磁仿真软件网格质量评价方法

计算;推算;计数设备的制造及其应用技术1.本发明属于物理技术领域，更进一步涉及有限元方法中的一种基于神经网络的电磁仿真软件网格质量评价方法。本发明可以用于对散射体利用电磁仿真软件的有限元方法剖分出的网格进行质量评价。背景技术：2.随着计算机技术的快速发展和普及，有限元方法已迅速从工程结构强度分析计算扩展到几乎所有的科学技术领域，成为一种应用广泛并且使用高效的数值分析方法。早期有限元分析的研究重点在于推导新的高效率求解方法和高精度的单元。随着数值分析方法的逐步完善和计算机运算速度的飞速提高，整个计算系统用于求解运算的时间越来越短，而数据准备和运算结果的表现问题却日益突出。网格剖分作为建立有限元模型的一个重要环节，要求考虑的问题多，需要的工作量大。不同的网格剖分方式会对有限元模型的计算规模、计算结果和计算精度产生很大的影响。故而，对有限元网格质量的研究十分重要。3.中国空气动力研究与发展中心计算空气动力研究所在其公开的专利文献“一种基于深度学习的网格面质量检测方法”(申请号：cn:202011205869:a，申请公布号：cn112307673a)中公开了一种基于深度学习的网格面质量检测方法。该方法主要解决网格面质量检测问题。该方法的实现步骤为：(1)构建网格面数据集，并将建立的网格面数据集分为训练数据集和测试数据集；(2)标记训练数据，并标记网格面的质量好坏；(3)构建网格面质量检测网络并进行检测，得到训练好的网格面质量检测网络；(4)判别网格面质量，输出对网格面的质量判别。该方法虽然实现了自动高效和精准的多层次特征提取，克服了以往依赖复杂人工操作判断网格质量的缺点。但是，该方法仍然存在三点不足之处，其一，该方法在构建网格面数据集的过程中，直接将三维网格数据转化为二维网格数据来构建数据集，网格面的数据特征多，导致模型训练时输入节点数高、消耗的时间长，进一步导致该方法网格质量评价效率较低，其二，该方法在构建网格面数据集的过程中，需要大量数据来构建训练集，数据生成过程消耗时间较长，导致该方法网格质量评价效率较低，其三，该方法在标记网格面的质量好坏中，仍然需要通过人工判别网格面质量，导致该方法成本高、主观成分高、评价标准不统一。技术实现要素：4.本发明的目的是针对上述现有技术存在的问题，提出一种基于神经网络的电磁仿真软件网格质量评价方法，用于解决现有网格质量评价任务中网格质量评价效率低、最终结果严重依赖人工判别结果准确性的问题。5.实现本发明目的的思路是：本发明分析了在电磁仿真软件设计过程中发现的对仿真结果有影响的网格数据特征，然后对三维有限元网格数据直接进行了网格特征变量数据提取，与直接将三维网格数据转化为二维网格数据来构建数据集相比，精简了网格数据的长度及训练模型时的输入层节点数，减少了训练模型过程中时间的消耗，提高了网格质量评价效率。本发明利用拉丁超立方采样法选取的数据进行网格剖分，提高了数据分布的均匀性，与利用随机方法生成数据相比，减少了数据需求量，节省了数据生成过程中消耗的时间，提高了网格质量评价效率。本发明通过电磁仿真软件得到的远场雷达散射截面仿真数据计算远场雷达散射截面的均方根误差判断网格面质量的好坏，与人工判别网格质量相比，成本更低，评价更客观，评价标准更统一。6.实现本发明目的的具体步骤如下：7.步骤1，生成有限元网格数据文件：8.步骤1.1，利用工程数值模拟软件构建一个散射体三维模型；9.步骤1.2，采用拉丁超立方采样法，分别在设置的每个取值区间各选取a个数据组成数据组，其中，a≥100，所述设置的每个取值区间是按工程数值模拟软件中设置参数的区间要求为每个设置参数选取的一个取值区间；10.步骤1.3，将数据组中的数据分b次导入工程数值模拟软件中，用每次导入的数据替换工程数值模拟软件中的设置参数值，对散射体三维模型进行网格剖分，输出网格剖分结果得到一个有限元网格数据文件，其中，b的取值均与a的取值对应相等；11.步骤2，生成远场雷达散射截面均方根误差数据集：12.步骤2.1，采用目标电磁仿真软件构建一个散射体三维模型，将每个有限元网格数据文件依次导入目标电磁仿真软件，用每次导入的有限元网格数据文件替换目标电磁仿真软件的网格剖分结果，对散射体三维模型进行仿真，得到该次仿真对应的一组远场雷达散射截面数据，将所有仿真对应的远场雷达散射截面数据组成远场雷达散射截面数据集；13.步骤2.2，采用对比电磁仿真软件构建一个散射体三维模型，用对比电磁仿真软件自动生成网格剖分结果，根据该网格剖分结果对散射体三维模型进行仿真，得到该网格剖分结果对应的一组远场雷达散射截面仿真数据；14.步骤2.3，计算远场雷达散射截面数据集中的每组远场雷达散射截面数据与远场雷达散射截面仿真数据之间的均方根误差，将所有远场雷达散射截面均方根误差数据组成远场雷达散射截面均方根误差数据集并对其归一化；15.步骤3，生成训练集：16.步骤3.1，按照特征提取标准从每个有限元网格数据文件中提取不少于10个网格数据；17.步骤3.2，将从所有网格有限元网格数据文件提取的网格数据组成网格特征集，对网格特征集进行归一化；18.步骤3.3，将归一化后的网格特征集与归一化后的远场雷达散射截面均方根误差数据集组成训练集；19.步骤4，构建网格质量评价模型：20.搭建一个由结构相同的7个线性层级联的网格质量评价模型，将模型中的第一至第七线性层的节点个数依次设置为14，32，64，32，16，8，1，将节点随机失活率依次设置为0.3，0.4，0.2，0.3，0.1，0.2，0；21.步骤5，训练网格质量评价模型：22.步骤5.1，设置训练参数，其中，初始学习率设置为0.01，批处理大小设置为32，梯度下降法的动量设置为0.9；23.步骤5.2，将训练集输入到网格质量评估模型中，采用梯度下降法，迭代更新网络参数，直到损失函数收敛为止，得到训练好的网格质量评价模型；24.步骤6，对网格质量进行评价：25.步骤6.1，采用与步骤3.1和步骤3.2相同的方法，将待评价的有限元网格数据文件进行处理，得到归一化后的网格特征；26.步骤6.2，将归一化后的网格特征输入到训练好的网格质量评价模型中，输出待评价的网格数据文件对应的网格质量预测分数。27.本发明与现有技术相比较，具有以下优点：28.第一，由于本发明对三维网格数据进行了网格特征提取，克服了现有技术中由于直接将三维网格数据转化为二维网格数据来构建数据集，模型训练时数据特征多、模型训练输入层节点数多、模型训练消耗时间长导致的网格质量评价效率低的缺点，使得本发明精简了每组网格数据的维度及训练模型时数据的维度，减少了模型训练消耗的时间，具有网格质量评价效率更高的优点。29.第二，由于本发明利用拉丁超立方采样法选取的数据进行网格剖分，克服了现有技术由于需要生成大量随机数据、数据生成消耗大量时间导致的网格质量评价效率低的缺点，使得本发明提高了数据分布的均匀性，减少了数据需求量，节省了生成数据消耗的时间，具有网格质量评价效率更高的优点。30.第三，由于本发明通过电磁仿真软件得到的远场雷达散射截面仿真数据计算远场雷达散射截面的均方根误差评价网格面质量的好坏，克服了现有技术中由于需要通过人工判别网格面质量导致的成本高、主观成分高、评价标准不统一的缺点，使得本发明消除了人工评价带来的影响，具有成本低、客观、评价标准统一的优点。附图说明31.图1是本发明的实现流程图。具体实施方式32.下面结合附图1和仿真实验对本发明做进一步的描述。33.步骤1，生成有限元网格数据文件。34.步骤1.1，采用拉丁超立方采样法，分别在[0,1]和[0.01,0.05]区间各选取160个数据组成二维数据组。区间为[0,1]和[0.01,0.05]的原因在于，工程数值模拟软件gid(gid professional)有网格剖分尺寸值和网格过渡因子两个设置参数，这两个设置参数的区间要求分别为[0,1]和[0.01,0.05]，若两个值的超出该设置区间，将导致gid软件无法进行有效的网格剖分。[0035]步骤1.2，本发明的实施例中使用gid构建一个ogive三维模型，将二维数据组中的数据分160次导入gid软件中，用每次导入的两个数据分别替换gid软件中的网格剖分尺寸和网格过渡因子两个设置参数的值，共更新gid软件中的网格剖分尺寸值和网格过渡因子值160次。每次gid软件根据网格剖分尺寸和网格过渡因子进行网格剖分，得到该次网格剖分结果。gid软件输出每次网格剖分结果得到该次网格剖分结果对应的一个有限元网格数据文件，最终得到160个不同的有限元网格数据文件。[0036]步骤2，生成远场雷达散射截面均方根误差数据集。[0037]步骤2.1，采用目标电磁仿真软件构建一个ogive三维模型，将有限元网格数据文件分160次导入目标电磁仿真软件，用每次导入的有限元网格数据文件替换目标电磁仿真软件的网格剖分结果，共更新目标电磁仿真软件的网格剖分结果160次。每次根据网格剖分结果对ogive三维模型进行仿真，得到该次仿真对应的以ogive三维模型中心点为原点的角域内180个角度的一组远场雷达散射截面数据。将最终得到160组远场雷达散射截面数据组成远场雷达散射截面数据集。[0038]步骤2.2，采用电磁仿真软件hfss(high frequency structure simulator)构建一个ogive三维模型，用hfss自动生成网格剖分结果。根据该网格剖分结果对ogive三维模型进行仿真，得到该网格剖分结果对应的以ogive中心点为原点的角域内180个角度的一组远场雷达散射截面仿真数据。[0039]步骤2.3，计算远场雷达散射截面数据集中的每组远场雷达散射截面数据与远场雷达散射截面仿真数据之间的均方根误差，得到该远场雷达散射截面数据对应的一组远场雷达散射截面均方根误差数据，共计算均方根误差160次。将最终得到的160组远场雷达散射截面均方根误差数据组成远场雷达散射截面均方根误差数据集，对远场雷达散射截面均方根误差数据集归一化。[0040]步骤3，生成训练集。[0041]步骤3.1，按照特征提取标准(如表1)，从每个有限元网格数据文件中选取7个特征中每个特征提取2个值共提取14个网格数据，将该14个网格数据组成与该有限元网格数据文件对应的网格特征。将最终得到160个不同网格特征组成网格特征集，对网格特征集进行归一化，得到归一化后的网格特征集。[0042]表1.特征及提取标准[0043][0044]步骤3.2，将归一化后的网格特征集与归一化后的远场雷达散射截面均方根误差数据集组成样本集。[0045]步骤4，构建网格质量评价模型。[0046]搭建一个由结构相同的7个线性层级联的网格质量评价模型。在本发明的实施例中，将模型中的第一至第七线性层的节点个数依次设置为14，32，64，32，16，8，1；将节点随机失活率依次设置为0.3，0.4，0.2，0.3，0.1，0.2，0。[0047]步骤5，训练网格质量评价模型。[0048]步骤5.1，设置训练参数。在本实施例中，将训练参数设置如下：初始学习率设置为0.01，批处理大小设置为32，梯度下降法的动量设置为0.9。[0049]步骤5.2，将训练集输入到网格质量评估模型中，采用梯度下降法迭代更新网络参数，直到损失函数收敛为止，得到训练好的网格质量评价模型。[0050]步骤6，对网格质量进行评价。[0051]步骤6.1，采用目标电磁仿真软件构建一个ogive三维模型并对该三维模型进行网格剖分，将该仿真软件输出的网格剖分结果作为待评价的有限元网格数据文件。[0052]步骤6.2，采用与步骤3.1相同的方法，将待评价的有限元网格数据文件依次进行特征提取和归一化，得到归一化后的网格特征。[0053]步骤6.3，将归一化后的网格特征输入到训练好的网格质量评价模型中，输出该网格特征数据对应的网格质量预测分数。[0054]下面结合具体实施例对本发明的效果做进一步的说明：[0055]1.仿真实验条件：[0056]本发明的仿真实验的硬件平台为：处理器为intel(r)xeon(r)cpu e3-1230 v3@3.30ghz，主频为3.30ghz，内存24gb，显卡为nvidia geforce gt 630。[0057]本发明的仿真实验的软件平台为：windows专业版21h1操作系统，pytorch-gpu1.9.0开源深度学习框架，python 3.8。[0058]本发明仿真实验所使用的散射体分别为ogive头部、ogive尾部、double ogive头部、double ogive尾部，材质为aluminum，计算频率为7ghz。[0059]2.仿真内容及结果分析[0060]本发明的仿真实验是采用本发明和现有技术(网格面质量检测方法)，分别利用目标电磁仿真软件，对四个散射体的三维模型剖分，对软件输出的网格剖分结果进行质量评价，得到四个散射体的网格质量评价结果。[0061]所述四个散射体分别指ogive头部、ogive尾部、double ogive头部、double ogive尾部。[0062]现有技术的网格面质量检测方法是指，中国空气动力研究与发展中心计算空气动力研究所在其公开的专利文献“一种基于深度学习的网格面质量检测方法”(申请号：cn:202011205869:a，申请公布号：cn112307673a)中提到的基于深度学习的网格面质量评价方法。[0063]为了评判本发明和现有技术的网格质量评价效果的好坏，利用四个评价指标(训练样本个数、输入层节点数、是否需要人工判断、准确率)对本发明仿真实验两种方法的质量评价结果进行评价。利用下面公式，计算四个散射体的网格质量评价结果的准确率，并将所有结果绘制成表2：[0064][0065]表2.仿真实验中本发明和现有技术网格质量评价结果的分析表[0066][0067]结合表1可以看出，本发明对四个散射体的网格质量评价结果的准确率依次为97％、97％、97％、94％，需要的训练样本个数均为160，输入层节点数均为14，准确率高于现有技术方法，训练样本个数和输入层节点数远低于现有方法、同时，本发明完全不需要人工判别网格面质量。证明本发明可以在保证准确率的情况下，提高网格质量评价效率，得到低成本、客观、评价标准统一的评价结果。[0068]以上仿真实验表明：本发明方法利用网格特征变量提取的方法，能够精简训练模型时输入层的节点数，减少了模型训练消耗的时间，解决了现有技术中存在的模型训练时数据特征多、模型训练输入层节点数多、模型训练消耗时间长导致的网格质量评价效率低的缺点；利用拉丁超立方采样方法生成网格剖分特征，然后利用网格剖分特征生成三维有限元网格数据，能够提高数据分布的均匀性，减少数据需求量，节省生成数据消耗的时间，解决了现有技术中存在的由于需要生成大量随机数据、数据生成消耗大量时间导致的网格质量评价效率低的缺点；利用两个电磁仿真软件远场雷达散射截面的均方根误差大小判断网格面质量的好坏，消除了人工评价带来的影响，解决了现有技术中存在的由于需要通过人工判别网格面质量导致的成本高、主观成分高、评价标准不统一的缺点，是一种非常实用的网格质量评价方法。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!