基于多层感知机与迁移学习的数据驱动CFD加速求解方法

本申请公开了基于多层感知机与迁移学习的数据驱动CFD加速求解方法，涉及计算流体力学与机器学习交叉应用技术领域。该方法包括根据目标流场的实际工况，采用OpenFOAM编写的CFD求解器构建包含网格坐标、工况参数及流场物理量的数据集并进行全局归一化；训练由9层全连接结构构成的多层感知机神经网络，建立工况参数与收敛流场之间的非线性映射关系；利用训练得到的多层感知机模型预测目标工况的流场结果，并将预测结果作为初始场输入传统CFD求解器进行迭代求解，以加快计算收敛过程；在面对新工况时，通过迁移学习策略加载预训练模型权重，冻结部分隐藏层并新增适配层结构，结合少量新工况数据对模型进行再训练，以进一步提升模型泛化能力。