一种结构力学仿真数据的压缩与解压方法、装置及系统与流程

本发明涉及数据处理和传输，特别涉及一种基于深度学习的结构力学仿真数据的压缩与解压方法、装置及系统。

背景技术：

1、随着数值仿真技术的发展，结构力学仿真已经成为工程领域中的重要工具。这些仿真产生了大量的数据，尤其是当考虑到复杂的工程结构和多物理场交互时。传输、存储和实时展示这些大量数据成为了一个关键问题。

2、在《advances in structural mechanics simulation techniques》（出自《journal of structural engineering》, 2017, vol. 143, issue 9）中，尽管已经有一些有效的数据压缩方法被提出和实现，但这些方法往往关注于单一方面的问题，例如，仅仅考虑数据的压缩，而忽略了实时解压和显示的需求。现有的数据压缩依赖于传统的压缩算法，如jpeg、mpeg等，这些方法在某些应用中可能非常有效，但它们并不总是适用于结构力学的数值仿真数据。具体来说，它们可能不会有效地保留仿真结果中的关键细节，尤其是在高度精确或敏感的工程应用中。其存在的主要问题和缺点包括：

3、1.压缩效率不足：许多传统压缩方法无法有效压缩大规模的结构力学仿真数据；2.数据损失：在压缩过程中可能会失去对某些工程应用来说至关重要的细节；3.延迟问题：在实时传输和显示数据时，现有技术可能无法满足低延迟的要求。

4、综上所述，有必要发展一种满足结构力学数值仿真的特定需求的新颖的数据压缩和解压方法。

技术实现思路

1、本发明的目的在于克服传统压缩方法在结构力学仿真数据这一应用中的效率低下、数据损失和延迟问题，提供一种基于深度学习的结构力学数值仿真数据压缩和实时解压技术，可以实现更高的压缩效率、数据完整性和低延迟的实时展示，能够有效、实时压缩结构力学数值仿真数据并在前端快速解压以实现流畅可视化。

2、为了实现上述发明目的，本发明提供了以下技术方案：

3、第一方面，本发明提供了一种结构力学仿真数据的压缩方法，所述压缩方法包括：

4、提取待仿真对象的当前仿真数据和历史仿真数据；

5、通过差异化算法得到所述当前仿真数据和所述历史仿真数据的差异部分，生成待仿真数据；

6、根据所述待仿真数据对应的压缩步骤，生成所述待仿真数据对应的压缩仿真数据；

7、所述压缩仿真数据包括所述压缩仿真数据的头部；

8、所述压缩步骤包括：

9、将待仿真数据压缩，生成第一仿真数据；

10、使用神经网络模型对所述第一仿真数据进行特征提取并压缩，生成第二仿真数据；

11、分块压缩所述第二仿真数据，生成压缩仿真数据。

12、根据一种具体的实施方式，上述压缩方法中，所述神经网络模型包括卷积层、激活函数、池化层、全连接层、正则化层以及批归一化层；其中，所述卷积层用于提取所述第一仿真数据的目标特征；所述激活函数用于增加神经网络模型的非线性，将目标特征转化为目标结果；所述池化层用于下采样并压缩所述目标结果，生成第二仿真数据；所述全连接层用于对目标特征进行高级映射；所述正则化层和批归一化层用于根据映射后的目标特征提高网络网络的泛化能力和训练速度。

13、根据一种具体的实施方式，上述压缩方法中，所述压缩步骤还包括：根据预定分辨率，将所述仿真数据压缩为对应分辨率的第一仿真数据。

14、根据一种具体的实施方式，上述压缩方法中，所述分块压缩具体包括：将所述第二仿真数据等分为数据块，将每个数据块独立压缩，生成压缩仿真数据，并将每个数据块的位置信息封装在所述压缩仿真数据的头部中，以及，将所述压缩步骤的标识封装在所述压缩仿真数据的头部中。

15、第二方面，本发明提供了一种结构力学仿真数据的解压方法，所述解压方法包括：

16、接收压缩仿真数据，根据所述压缩仿真数据对应的解压步骤，将所述压缩仿真数据解压为待仿真数据；

17、所述解压步骤包括：

18、分块解压所述压缩仿真数据，生成第二仿真数据；

19、使用解压网络模型对所述第二仿真数据进行解压和特征重构，生成第一仿真数据；

20、解压所述第一仿真数据，生成待仿真数据。

21、根据一种具体的实施方式，上述解压方法中，所述解压网络模型包括解卷积层和全连接网络层；其中，所述解卷积网络用于对输入的第二仿真数据进行上采样和特征恢复，生成特征矩阵；所述全连接网络层用于基于所述特征矩阵对第二仿真数据进行处理和整合，输出重构的第一仿真数据。

22、根据一种具体的实施方式，上述解压方法中，所述解压步骤还包括：

23、将所述压缩仿真数据的头部进行解封装，在解封装后的所述压缩仿真数据的头部中获取压缩步骤，根据所述压缩步骤确定对应的解压步骤；

24、以及，在解封装后的所述压缩仿真数据的头部中获取每个数据块的位置信息，并按照所述位置信息进行排列。

25、第三方面，本发明提供了一种结构力学仿真数据的压缩与解压方法，所述方法包括：

26、客户端选择待仿真对象，获取待仿真对象的当前仿真数据，向服务器发送所述当前仿真数据和仿真请求；

27、所述服务器接收所述仿真请求和所述当前仿真数据，并利用上述任一项所述的结构力学仿真数据的压缩方法获取压缩仿真数据；

28、所述服务器向所述客户端发送所述压缩仿真数据；

29、所述客户端接收所述压缩仿真数据，并利用上述任一项所述的结构力学仿真数据的解压方法解压所述压缩仿真数据；

30、所述客户端根据解压后的仿真数据进行结构力学仿真。

31、第四方面，本发明提供了一种结构力学仿真数据的压缩与解压装置，所述装置包括：

32、数据获取模块，用于获取待仿真对象的当前仿真数据；

33、第一发送模块，用于向服务器发送仿真请求和所述当前仿真数据；

34、第一处理模块，用于接收来自客户端的所述仿真请求和所述当前仿真数据，并利用上述任一项所述的结构力学仿真数据的压缩方法获取压缩仿真数据；

35、第二发送模块，用于向客户端发送所述压缩仿真数据；

36、第二处理模块，用于接收所述压缩仿真数据，并利用上述任一项所述的结构力学仿真数据的解压方法解压所述压缩仿真数据；

37、数据仿真模块，用于根据解压后的仿真数据进行结构力学仿真。

38、第五方面，本发明提供了一种结构力学仿真数据的压缩与解压系统，所述系统包括客户端，以及与所述客户端相连的服务器。

39、与现有技术相比，本发明的有益效果：

40、本发明提供的一种结构力学仿真数据的压缩方法，通过在压缩过程中进行差异化压缩，以及加入了神经网络模型进行特征提取，实现了更高的数据压缩率，从而减少了传输和存储的需求，并确保了在压缩过程中不会丢失关键的仿真数据信息，特别是对于高度精确或敏感的应用场景；同时，分块压缩也能大大降低了数据在前端显示的延迟，为用户提供了流畅的可视化体验。