摘要
本发明涉及流体力学技术领域,解决了现有流场插值方法中计算复杂度高、插值精度不足以及对边界条件处理不理想的技术问题,尤其涉及一种基于全卷积与残差网络的动态尺寸流场插值方法,包括获取流场数据集并将其划分为训练集和测试集;构建用以读入双帧图像并输出与其同尺寸流场插值结果的流场插值网络模型;对流场插值网络模型进行训练并进行模型参数的优化;在训练过程中读取流场数据文件,并随机生成多边形mask作为掩码区域;将待插值的包含mask区域的测试集输入训练好的流场插值网络模型,得到高精度的流场插值结果。本发明在面对真实流场中高非线性、高梯度变化时,能给出更精确的插值预测,从而提高了流场插值的精度和计算效率。