[发明专利]基于相似性原理和深度学习的涡轮流场预测方法及相关装置在审
| 申请号： | 202310070935.6 | 申请日： | 2023-01-31 |
| 公开（公告）号： | CN115983137A | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 郭振东;成辉;宋立明;李军 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06F30/17;G06N3/0499;G06N3/08;G06F113/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 房鑫 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于相似性原理和深度学习的涡轮流场预测方法及相关装置，包括选取涡轮叶栅的几何特征及气动参数特征；根据选取的输入变量，构建原始叶型库，同时将原始叶型库沿轴向弦长进行归一化，生成归一化的涡轮叶型数据库；构建二维叶型归一化的离散点坐标数据等几何参数以及气动参数与等熵马赫数分布的初始样本数据集；将初始样本数据集划分训练集、验证集和测试集，训练神经网络模型；根据已训练好的模型预测二维叶栅型线新气动参数下的流场参数分布，验证预测模型的准确度和泛化性。本发明所构建的深度学习预测模型的泛化能力显著增强，可对归一化尺寸相似而实际尺寸迥异的大范围涡轮样本进行精确快速预测，从而为高效快速的涡轮设计奠定基础。 | ||
| 搜索关键词： | 基于 相似性 原理 深度 学习 涡轮 预测 方法 相关 装置 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310070935.6/，转载请声明来源钻瓜专利网。
