基于物理约束与双重注意力的水翼水动力场预测方法及系统

本发明公开一种基于物理约束与双重注意力的水翼水动力场预测方法及系统，通过融合深度学习与计算流体力学，采用连续带符号距离函数作为水翼几何特征表征，避免了传统二值掩码丢失空间梯度信息的弊端；在神经网络解码器末端嵌入卷积块注意力模块，通过通道‑空间双重自适应加权，精准捕捉前缘高负压吸力峰、近壁边界层高速梯度及尾流脱落等关键流动特征；在网络前向传播中直接施加二值流体指示掩膜硬投影，数学上绝对保证水翼固体内部及壁面处速度预测值为零，从根本上消除非物理流动泄漏；训练过程中融入基于二阶中心有限差分的不可压缩连续性散度物理损失约束，强制网络学习遵守质量守恒方程，使预测流场满足流体力学约束。本发明预测精度高。