(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111500578.X (22)申请日 2021.12.09 (71)申请人 中国空气动力研究与发展中心计算 空气动力研究所 地址 621000 四川省绵阳市二环路南段6号 (72)发明人 韩帅斌　李虎　罗勇　王益民　 马瑞轩　刘旭亮　武从海　张树海　 (74)专利代理 机构 北京劲创知识产权代理事务 所(普通合伙) 11589 代理人 张铁兰 (51)Int.Cl. G06F 30/28(2020.01) G06F 111/10(2020.01) G06F 113/08(2020.01) G06F 119/10(2020.01)G06F 119/14(2020.01) (54)发明名称 一种物理属性与数据驱动耦合的流声模态 分解及预测方法 (57)摘要 本发明适用 于计算气动声学和计算流体力 学领域， 提供了一种物理属性与数据驱动耦合的 流声模态分解及预测方法， 本发 明的流声模态分 解方法， 首先采用动态模态分解DMD方法对初始 速度场进行动态模态分解， 获得归一化的动态模 态， 然后对得到的动态模态进行亥姆霍兹分解， 获得声模态速度和动力学模态速度； 并且基于得 到的声模态速度和动力学模态速度可以预测任 一时刻的声模态速度和动力学模态速度， 以分析 声模态和动力学模态的时间发展历程。 本发明耦 合了基于物理属性的亥姆霍兹分解和基于数据 驱动的动态模态分解方法的优势， 实现非定常流 场中速度场的动力学模态与声学模态的精确 高 效分解和快速预测， 在保证物理属性精确的同 时， 节约计算时间和成本 。 权利要求书3页 说明书7页 附图9页 CN 114117966 A 2022.03.01 CN 114117966 A 1.一种物理属性与数据驱动耦合的流声模态分解方法， 其特 征在于， 包括以下步骤： S10.对实验或数值模拟获得的速度场u=(u,v)进行动态模态分解， 获得归一化的动态 模态：                 （8） 其中， DMj表示第j个动态模态， αj表示第j个动态模态的幅值； 表示第j个初始动态 模态； u为速度矢量， u为 流向速度， v为法向速度； S20.对步骤S10得到的所述动态模态进行亥姆霍兹 分解：             （9） 为第j个动态模态标量势梯度， 为第j个动态模态矢量势旋度； S30.获得声模态速度DMja及动力学模态速度DMjr：                     （11）               （12） 。 2.根据权利要求1所述的物理属性与 数据驱动耦合的流声模态分解方法， 其特征在于， 所述步骤S10包括： S101. 重组非定常流动速度场数据； 将时均速度 从流场中移除， 然后将速度扰动场 以下列 形式组成速度矩阵：              （1）          （2）  其中， N为流场片段的时间序列数减去1， ui是第i个流场片段的速度， m为2倍网格点或 流场监测点数量； R是实数集； S102： 对步骤S101中的速度矩阵进行线性近似、 奇异值分解； 对式 （1） 和式 （2） 进行线性近似：           （3） 其中， A为线性近似矩阵； 对所述速度矩阵进行奇异值分解， 得到           （4） 其中U、 V为 正交矩阵， 为伪逆矩阵， 为包含了速度片段矩阵的奇异值； S103： 相似变换及特 征分解；权　利　要　求　书 1/3 页 2 CN 114117966 A 2利用奇异值分解进行相似变换获得与A有相同特 征值的酉矩阵S：           （5） 对所述酉矩阵S进行 特征分解， 获得其特 征值 和特征向量Y； S104.动态模态提取； 利用所述速度矩阵和特 征向量Y可获得初始动态模态：           （6） yj为特征向量Y中的第j列； 则， 动态模态的幅值αj为：           （7） 为第j个初始动态模态的伪逆矩阵； 由此获得归一 化的动态模态：           （8） 动态模态的特 征值 与酉矩阵S的特 征值 相同， 即 。 3.根据权利要求2所述的一种物理属性与数据驱动耦合的流声模态分解方法， 其特征 在于， 所述对式 （1） 和式 （2） 进行线性近似中， 以实现最小化残差 的方式进 行线性拟合， 其中， F 是范数。 4.根据权利要求1 ‑3任一所述的一种物理属性与数据驱动耦合的流声模态分解方法， 其特征在于， 步骤S3 0中， 对式 （9） 两边取散度可 得泊松方程：             （10） 利用式 （8） ， 采用Gauss ‑Seidel迭代进行泊松方程 （10） 的数值求解， 获得动态模态标量 势 ； 对动态模态标量势取梯度即可获得声模态速度DMja：            （11） 。 5.一种物理属性与数据驱动耦合的流声模态预测方法， 其特征在于， 基于如权利要求 2‑4任一所述 的流声模态分解方法获得的声模态速度DMja及动力学模态速度DMjr预测任一 时刻 的声模态速度 uja和动力学模态速度 ujr： ， ，权　利　要　求　书 2/3 页 3 CN 114117966 A 3