自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(10)
  • 收藏
  • 关注

原创 数字孪生-Unity网格重构

选择需要的类型格式,体网格划分,四面体类型,其他类型也可以,然后网格大小可以调整。之前采用ansys仿真,但是模型不知道这么放到unity中,我是参考这个的。前面还写了反距离空间插值,但是没有写如何导出模型,现在完成模型的导出的重构。然后继续,选择3D,tatremesh,进入网格划分。选择你导出的ansys的.sat文件。最后选择需要划分的模型,点击mesh完成。首先再hyperymesh中选取求解器。ansys导出为.sat文件就省略了。完成导出之后,使用记事本打开就行了。

2025-01-09 11:24:56 383 2

原创 git无法提交到GitHub

发现是因为在创建git分支的时候创建了master分支,我在GitHub的是main分支,导致分支不一致问题冲突。出现了这个错误 error: src refspec main does not match any。这是在暂存区的数据和代码,分支是master分支,无法上传GitHub的main分支。存到GitHub 运行 git push -u origin main。运行 git rm --cached -r .运行 git branch -M main。所以我选择删除暂存区的全部东西,重新提交。

2025-01-08 19:56:31 166

原创 反距离空间插值

ansys仿真默认已经完成了,接下来是将ansys中建立的三维模型(流体域 实体模型都行),导出为.sat文件格式,通过hypermesh重构网格(多重构几次找到合适的就行了)。主要是通过ansys仿真,输出仿真的数据,但是这个数据量太大了(十万行)。仿真找不到了,看之前的ppt里的,将就一下(假设这是我们的仿真)我采用KD树查询附近6个空间节点,进行反距离空间插值。处理之后保存为excel文件,给降低了一个数量级。借助gpt学习法完成了一个空间插值。

2025-01-08 16:43:45 309 3

原创 高斯过程回归学习

它能够通过对训练数据的分布建模,推断输入空间中的未知函数,并给出不确定性的估计。与传统的回归方法(如线性回归、支持向量回归等)不同,高斯过程回归并不假设数据符合特定的函数形式,而是通过数据的统计特性来进行建模。我们要进行高斯过程回归,假设了我们空间节点的数据都符合高斯过程,即我们的数据样本是符合多元高斯分布的,这被成为先验知识。当面的回归问题(函数拟合并预测我的理解)给定一个新的输入点,可以得到该点的预测信息。它结合了先验分布和训练数据的观测结果,表示我们在看到数据后对目标函数的了解。

2024-12-27 21:16:37 574

原创 unity导出exe文件读取错误

在unity编辑时 可以读取在项目中的文件数据,但是导出之后却读取不了了,导致无法进行数据标准化,因此需要寻找一种方法在生成exe可执行文件之后,仍然能够成果读取我需要的文件。是一个特殊的文件夹,Unity 在打包时会保留里面的文件结构,且可以在运行时通过。创建一个这样的文件夹,将需要读取的数据文件放入即可。找到一种解决办法,通过。以下是读取的C#代码。

2024-07-05 09:07:40 320

原创 Unity部署ONNX模型与训练验证不一致问题

使用全连接神经网络训练了一个模型,并将模型格式转为ONNX,可以在Unity中部署的模型格式。但是遇见在python中验证输入-输出的关系时正确的,但是在unity中却出现输入输出不一致问题。最终经过一番查找发现了问题所在,我在在Python中,对输入数据进行了标准化处理。因此在Unity中需要对输入数据执行相同的标准化过程。

2024-06-30 20:08:10 852

原创 Unity中NPOI.DLL 报错

使用C#对excel文件进行操作,在VS中下载了对应的库,但是unity中会一直出现报错,提示缺少了名称空间的引用,所以我添加下载的DLL,但是仍然报错。经过查找是因Unity只适用2.2.1版本的NPOI。

2024-06-27 09:24:29 1253

原创 信息物理神经网络—PINN

简单来说PINN = NN + physics,我们可以从上图看出,一个全连接神经网络的损失函数变成了几个部分,训练数据的损失函数、微分方程的损失函数、初始约束的损失函数以及边界条件的损失函数。如上图一个全连接神经网络通过数据得出了一个输出u,这个u通过微分算子计算得出了一部分微分方程,这些微分方程组成了新的损失函数。同样如此,分别对不同的输出进行微分计算,得到其微分表达式,然后进而得到损失函数进行反向传播。这是一个传统的神经网络,通过反向传播对权重和偏执进行更新,得到符合要求的模型。

2024-06-21 20:14:52 1446

原创 数字孪生—Fluent仿真、fluent网格重构、节点数据导出

首先在ansys中按照真实世界的物理尺寸、地形条件和建筑物,建立巷道的三维模型,然后将其转化为实体,进行提及抽取,为模型在hpermseh中重构做好准备;接着转到网格划分模块,该模块需要将三维模型划分为四面体网格,这个操作需要把网格划分小一点,这样在后续的空间插值拟合时得到更符合原空间结构的信息;之后需要对出入口进行设置,打开组分运输,在Fluent中添加CH4流体,设置混合气体为空气和瓦斯,设置保存瓦斯体积分数数据,保存为每个节点数据,最后选择合适的时间步和时间间隔进行计算。

2024-06-21 10:23:55 839 6

原创 委托和事件、协程

如果 OnMoveValueChanged 为 null,它将跳过后面的 Invoke 方法调用,防止 NullReferenceException 异常。StartCoroutine 启动的协程在 Unity 的主线程上运行,它的执行频率和 Update 方法类似,但具体的执行次数和频率取决于协程内部的 yield return 语句以及协程的逻辑。:事件是委托的包装,提供了一种发布/订阅的机制。它允许将方法作为参数进行传递。因为想要剖开重建网格,看一下内部的信息,所以需要传递平面的移动信息。

2024-06-20 14:33:08 196

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除