-
Patent Agency Ranking
公开(公告)号：CN118551653B
公开(公告)日：2025-03-14
申请号：CN202410678789.X
申请日：2024-05-29
Applicant: 哈尔滨工业大学 , 苏州湍流数字科技有限公司
IPC: G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/045 , G06N3/098 , G06N3/09 , G06F119/08 , G06F119/14 , G06F113/08 , G06F111/10
Abstract: 本发明属于燃气轮机涡轮技术领域，具体设计一种基于金字塔式神经网络的可变输入涡轮表面物理场重构方法。获取数据集，对数据集中的数据进行提取与预处理，将数据集分为训练数据及验证数据；基于卷积网络构建金字塔网络；采用分布式训练策略对构建的金字塔网络，利用的训练数据进行训练；对训练后的金字塔网络利用验证数据进行性能验证；将归一化后的实验数据输入验证后的金字塔网络中，即可重构出完整的叶片表面物理场。本发明使用监督学习的方法，从分布在给定的数个叶高截面处的有限个固定测量点得到的稀疏数据中估计完整的叶片表面压力和温度场,可以提高叶栅实验的信息密度，降低实验和数值模拟的成本。
-
公开(公告)号：CN119514341A
公开(公告)日：2025-02-25
申请号：CN202411564298.9
申请日：2024-11-05
Applicant: 哈尔滨工业大学 , 苏州湍流数字科技有限公司
IPC: G06F30/27 , G06N3/09 , G06F119/14 , G06F119/08
Abstract: 基于稀疏测量数据的涡轮叶栅试验边界条件反算方法及装置，属于燃气轮机涡轮试验数据处理技术领域，尤其涉及叶栅试验的边界条件的反算；解决了现有技术所存在的计算量大、只关注低雷诺数流动或较为简单的三维甚至二维流动模式，只能应对传感器数量不变且位置固定的场景的问题；所述方法包括以下步骤：用于获取基于自注意力单元和Transformer编码器搭建空间分析网络结构的步骤；用于将归一化后的稀疏测量数据输入训练后空间分析网络结构，获得对应的试验边界条件的步骤。所述的基于稀疏测量数据的涡轮叶栅试验边界条件反算方法及装置，适用于反算涡轮叶栅试验边界条件。
-
公开(公告)号：CN119442894A
公开(公告)日：2025-02-14
申请号：CN202411558364.1
申请日：2024-11-04
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F30/28 , G06F30/23 , G06F30/25 , G06F30/17 , G06F111/10 , G06F113/08 , G06F113/14 , G06F119/14
Abstract: 本发明提出一种基于深度学习的喷管型面烧蚀退移预测模型的建立方法和系统。该方法基于已有的试验喷管的二维型面烧蚀数据和对应试验喷管针对点火条件的数值模拟得到的壁面数据构建了喷管型面烧蚀退移预测模型，在保证预测精度的前提下有效地减少了预测时间成本以及计算成本；在该方法中还提出了一种针对单条二维烧蚀型面曲线提取数据点形成数据集的方法。该方法根据喷管横坐标取点，通过提取对应横坐标二维型线上的点的数值仿真得到的壁面数据以及点火实验的壁面退移量形成数据集。本发明基于有限的实验数据以及有限的计算资源，在保证精度的前提下减少了预测的时间成本以及计算成本。
-
公开(公告)号：CN119514340A
公开(公告)日：2025-02-25
申请号：CN202411564296.X
申请日：2024-11-05
Applicant: 哈尔滨工业大学 , 苏州湍流数字科技有限公司
IPC: G06F30/27 , G06N3/0455 , G06F119/08 , G06F119/14
Abstract: 一种基于多通路自注意力网络的涡轮叶片表面场快速预测方法，涉及数据预测技术领域。为解决现有技术中存在的，现有的涡轮叶片表面场预测技术耗时长且计算成本高，精度不足，以及存在显著的温度和压力分布不均匀性的技术问题，本发明提供的技术方案为：一种基于多通路自注意力网络的涡轮叶片表面场快速预测模型建立方法，包括：采集涡轮叶片表面场数据；采集预设多通路自注意力网络架构；进行预处理；根据处理后的多通路自注意力网络架构，对所述涡轮叶片表面场进行特征提取和建模；根据所述特征提取和建模结果，建立“从边界条件到涡轮叶片表面温度场和压力场的映射关系”。适合应用于涡轮叶片表面温度场和压力场预测的工作中。
-
公开(公告)号：CN118551653A
公开(公告)日：2024-08-27
申请号：CN202410678789.X
申请日：2024-05-29
Applicant: 哈尔滨工业大学 , 苏州湍流数字科技有限公司
IPC: G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/045 , G06N3/098 , G06N3/09 , G06F119/08 , G06F119/14 , G06F113/08 , G06F111/10
Abstract: 本发明属于燃气轮机涡轮技术领域，具体设计一种基于金字塔式神经网络的可变输入涡轮表面物理场重构方法。获取数据集，对数据集中的数据进行提取与预处理，将数据集分为训练数据及验证数据；基于卷积网络构建金字塔网络；采用分布式训练策略对构建的金字塔网络，利用的训练数据进行训练；对训练后的金字塔网络利用验证数据进行性能验证；将归一化后的实验数据输入验证后的金字塔网络中，即可重构出完整的叶片表面物理场。本发明使用监督学习的方法，从分布在给定的数个叶高截面处的有限个固定测量点得到的稀疏数据中估计完整的叶片表面压力和温度场,可以提高叶栅实验的信息密度，降低实验和数值模拟的成本。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
