-
题名可压缩流动问题笛卡尔网格模拟方法研究进展与展望
被引量：2
- 1
-
-
作者
赵宁
刘剑明
田琳琳
王镇明
-
机构
南京航空航天大学航空航天结构力学及控制全国重点实验室
江苏师范大学数学与统计学院
南京航空航天大学江苏省风力机设计高技术研究重点实验室
南京航空航天大学飞行器数学建模与高性能计算工信部重点实验室
-
出处
《力学学报》
北大核心
2025年第2期285-314,共30页
-
文摘
计算网格是复杂流动问题精细化模拟的先决条件,会对数值结果的准确性和可靠性产生重要影响.然而,高质量计算网格生成需要费时费力的人机交互过程且严重依赖于工程师的个人经验,使得现阶段计算流体力学(CFD)自动化程度处于较低水平.笛卡尔网格具备生成简单、内存要求低、计算效率高及自动性强等特点,使其能够极大减少网格生成过程中的人工成本,因而成为CFD社区的研究热点之一.对此,以笛卡尔网格可压缩流模拟为主线,结合课题组多年的研究成果对其中涉及的关键技术和国内外发展现状展开综述.首先简要概述了笛卡尔网格自适应方法及其数据结构,随后系统阐述了切割单元、浸入边界、重叠笛卡尔网格和混合笛卡尔网格等方法的发展现状及存在的问题,最后从自适应加密策略、动态并行技术、高保真计算方法、先进物理模型及实际工程应用等多个维度深入探讨了笛卡尔网格方法涉及的关键技术与未来发展趋势.通过全面回顾和深入分析笛卡尔网格方法的研究现状和发展动态,试图为读者提供一个清晰及全面的认识,并为相关领域的研究提供有益的参考和启示.
-
关键词
笛卡尔网格
可压缩流动
壁面处理方法
自适应技术
高保真模拟
-
Keywords
Cartesian grid
compressible flows
wall treatment method
adaptive technique
high-fidelity simulation
-
分类号
O354
[理学—流体力学]
O355
[理学—流体力学]
V211
[航空宇航科学与技术—航空宇航推进理论与工程]
-
-
题名基于图学习的缺失脑网络生成及多模态融合诊断方法
被引量：2
- 2
-
-
作者
龚荣芳
黄麟雅
朱旗
李胜荣
-
机构
南京航空航天大学数学学院
飞行器数学建模与高性能计算工信部重点实验室
南京航空航天大学人工智能学院
脑机智能技术教育部重点实验室
-
出处
《数据采集与处理》
CSCD
北大核心
2024年第4期843-862,共20页
-
基金
国家自然科学基金(12071215,62076129,62371234)
江苏省自然科学基金(BK20231438)。
-
文摘
融合大脑结构和功能网络的多模态脑网络能够挖掘不同模态间的互补信息,有效提高癫痫等神经系统疾病的诊断准确率,在神经疾病诊断上具有优势。然而,由于多模态数据采集时间长、成本高,在实际应用中常面临模态缺失问题,导致可用数据量减少,模型的诊断精度和泛化能力下降。针对某一模态数据完全缺失问题,提出了基于图学习与循环一致生成对抗网络(Cycle-consistent generative adversarial networks,CycleGAN)的图CycleGAN方法。该方法通过引入图卷积神经网络与图注意力机制等图学习方法捕捉脑网络不同脑区间的特征信息,强化生成框架对图形式脑网络的特征提取能力,实现脑结构网络与功能网络的相互生成。此外,针对目前较少利用诊断结果评估生成数据质量的情况,提出了一种融合真实脑网络与生成脑网络的多模态融合分类模型,以进一步评估生成脑网络的有效性。在癫痫数据集上的实验结果表明,图CycleGAN方法能够有效利用已有的模态信息,实现缺失脑网络的生成。
-
关键词
脑网络
模态缺失
图学习
生成对抗网络
模态补全
癫痫诊断
-
Keywords
brain network
missing modality
graph learning
generative adversarial networks
modality completion
epilepsy diagnosis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名大型离散不适定问题的广义G-K双对角正则化算法
- 3
-
-
作者
杨思雨
王正盛
李伟
徐贵力
-
机构
南京航空航天大学数学学院
飞行器数学建模与高性能计算工信部重点实验室
南京航空航天大学自动化学院
-
出处
《工程数学学报》
CSCD
北大核心
2024年第3期432-446,共15页
-
基金
国家自然科学基金(62073161)
中央高校基本科研业务费专项资金(NG2023004).
-
文摘
不适定问题常常出现于科学和工程等诸多领域,求解此类问题的难点在于其解对扰动的高度敏感性。正则化方法由于用与原不适定问题相邻近的适定问题的解逼近原问题的解,成为求解不适定问题的一类有效算法。近来,用不同范数分别约束保真项和正则项的极小化模型求解不适定问题的正则化方法引起了广泛关注。本文针对大型离散不适定问题的不同范数约束优化模型,基于Majorization-Minimization优化算法和Golub-Kahan Lanczos双对角化过程,采用基于偏差原理的正则化参数选择策略,提出了一种求解大型离散不适定问题的广义Golub-Kahan双对角化正则化算法,并给出了所提算法的收敛性理论证明。本文对新算法进行了数值实验,并与已有算法进行了比较,数值结果表明所提算法与已有算法相比在计算效能等方面更具优势;新算法应用到图像恢复问题的算例验证了新算法在图像恢复应用中的实用性和有效性。新算法由于其更低迭代运算和更高计算效率而更具吸引力。
-
关键词
l_(p)−l_(q)极小化
不适定问题
迭代正则化方法
Golub-Kahan
Lanczos双对角化
-
Keywords
l_(p)−l_(q)minimization
ill-posed problem
iterative regularization method
Golub-Kahan Lanczos bidiagonalization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
