一种基于深度学习的等几何热传导仿真方法

摘要

本发明公开了一种基于深度学习的等几何热传导仿真方法，包括如下步骤：步骤(1)数据集的制作；步骤(2)提出自定义损失函数并用于训练；步骤(3)训练引入ISSA模块增强的UNet3+网络；步骤(4)最优网络模型预测及结果分析。采用上述技术方案，可以在拓扑一致的复杂模型上进行热仿真分析预测并快速得到光滑连续的仿真解，在保证精度的前提下大幅度降低了仿真时间，适用于CAD模型形状不断变化的实时热仿真分析的场景。与近年来研究比较多的PINNs相比，本发明中的网络模型在一个拓扑相同的新CAD模型上进行热仿真分析预测只需0.013s；而PINNs中的网络模型对一个新的CAD模型需要训练44分钟左右才能达到与本发明相同的精度。