公开(公告)号：CN118013846A

公开(公告)日：2024-05-10

申请号：CN202410221309.7

申请日：2024-02-28

Applicant: 厦门大学

Inventor： 尤延铖 ,  鲍越 ,  邱若凡 ,  韩信 ,  楼锦华

IPC: G06F30/27 ,  G06F30/28 ,  G06F30/15 ,  G06N3/045 ,  G06N3/084 ,  G06N3/096 ,  G06N3/0985 ,  G06F18/243 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 一种基于深度学习的宽域斜爆震射流起爆调控方法，涉及深度学习领域。在构建过渡起爆数据库的前提下利用深度学习实现不同工况不同射流条件下起爆情况的分类判别，并将其作为第一子网络。在对预测起爆区域概率最小的马赫数对应的射流动量比进行检验确定第一子网络的可靠性之后，利用该子网络自建数据库并搭建第二子网络，其输入为不同工况，输出倚靠第一子网络的知识来检索不同工况流场由非起爆到起爆的过渡点作为该工况下的合理射流动量比。以此实现快速寻找不同工况下射流的合理动量比。该方法不仅有望优化宽域斜爆震发动机性能，还在高超声速吸气式推进领域具有重要的工程应用价值。

公开(公告)号：CN118013883A

公开(公告)日：2024-05-10

申请号：CN202410181492.2

申请日：2024-02-18

Applicant: 厦门大学

Inventor： 陈荣钱 ,  楼锦华 ,  柳家齐 ,  鲍越 ,  尤延铖 ,  卢晓图 ,  赵芳玲

IPC: G06F30/28 ,  G06N3/0464 ,  G06N3/094 ,  G06F18/214 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开一种翼型气动力系数迟滞回线预测方法、装置、介质及产品，涉及深度迁移学习技术领域，所述方法包括：获取目标域中目标翼型在目标减缩频率下进行正弦俯仰振荡运动的所有目标样本；利用各目标样本对代理模型进行训练，得到目标域对应的气动力系数迟滞回线预测模型；获取目标域中目标翼型在目标减缩频率下进行正弦俯仰振荡运动的测试图像；将测试图像输入至目标域对应的气动力系数迟滞回线预测模型中，得到测试图像对应的预测气动力系数迟滞回线。本发明减少了新条件下翼型气动力系数迟滞回线预测所需的样本量，缓解了小样本下预测失真的问题。

公开(公告)号：CN119692256A

公开(公告)日：2025-03-25

申请号：CN202510205976.0

申请日：2025-02-25

Applicant: 厦门大学

Inventor： 陈荣钱 ,  林泽伦 ,  楼锦华 ,  吴昊 ,  尤延铖

IPC: G06F30/28 ,  G06F30/27 ,  G06F30/15 ,  G06N3/084 ,  G06F111/10 ,  G06F113/08 ,  G06F113/28 ,  G06F119/14

Abstract: 本申请公开了一种飞行器声爆强度预测方法、设备、介质及产品，涉及声爆预测技术领域，该方法基于飞行器表面测压孔的数量和布置位置，获取飞行器不同飞行状态下的表面压力分布数据；获取历史表面压力分布数据与历史表面压力分布数据对应的地面声爆强度的数据集；基于数据集，训练声爆预测模型，确定训练好的声爆预测模型；将当前飞行状态下实时获取的待检测表面压力分布数据输入至训练好的声爆预测模型，确定所述待检测表面压力分布数据对应的地面声爆强度。本申请能够实时预测地面声爆强度，缩短声爆强度的预测时间。

公开(公告)号：CN117874925A

公开(公告)日：2024-04-12

申请号：CN202410112765.8

申请日：2024-01-26

Applicant: 厦门大学

Inventor： 陈荣钱 ,  吴昊 ,  楼锦华 ,  柳家齐 ,  韩旭 ,  林泽伦

IPC: G06F30/15 ,  G06F30/28 ,  G06F30/23 ,  G06T17/20 ,  G06F30/27 ,  G06N3/084 ,  G06F111/10 ,  G06F111/04 ,  G06F113/08 ,  G06F119/14 ,  G06N3/048 ,  G06F113/28

Abstract: 本发明公开基于深度学习的梯度类气动外形优化方法、系统及设备，涉及气动设计领域。对待优化目标进行参数化得到参数化信息；接收参数化信息并更新网格坐标得到新的CFD计算网格；并对流场进行数值模拟得到待优化目标的气动力系数及流场变量分布信息；求解流场伴随方程得到气动力系数对设计变量的梯度；构建基于深度神经网络的气动力梯度快速预测模型；将设计变量及新的CFD计算网格中第一层网格内的流场变量输入气动力梯度快速预测模型得到气动力梯度，并将所得梯度和外形信息传递至优化器，以实现气动外形优化；本发明利用深度学习技术强大的非线性拟合能力，提高了气动力梯度求解的预测效率。

公开(公告)号：CN117610631A

公开(公告)日：2024-02-27

申请号：CN202311666236.4

申请日：2023-12-06

Applicant: 厦门大学

Inventor： 尤延铖 ,  鲍越 ,  邱若凡 ,  楼锦华 ,  毛志平

IPC: G06N3/08 ,  G06N3/04 ,  G06F17/11

Abstract: 本发明公开了一种基于欠定方程物理约束的神经网络训练方法、物理场重构方法及装置，获取训练数据，其中输入数据为物理场中的自变量，输出数据为对应的物理场中的可知物理量的真实值；构建基于神经网络的物理场重构模型，物理场重构模型的输入数据数据为物理场中的自变量，物理场重构模型的输出数据为物理场中的可知物理量的预测值和未知物理量的预测值；损失函数包括可知物理量的预测值与可知物理量的真实值之间的差距以及基于未知物理量的预测值所构成的欠定方程物理约束；采用训练数据对物理场重构模型进行训练，直至损失函数收敛，得到经训练的物理场重构模型，能满足利用部分已知信息包括物理信息模糊的方程与局部已知解进行物理场重构的需求。

公开(公告)号：CN115795679A

公开(公告)日：2023-03-14

申请号：CN202211511303.0

申请日：2022-11-29

Applicant: 厦门大学

Inventor： 陈荣钱 ,  柳家齐 ,  楼锦华 ,  杨凌云 ,  李晨曦 ,  张奥林 ,  尤延铖

IPC: G06F30/15 ,  G06F30/27 ,  G06F119/02

Abstract: 本发明涉及一种基于深度强化学习的旋翼翼型优化方法及系统，属于翼型设计领域。通过智能体与环境之间进行大量的交互学习，获得优化策略，可以对目标翼型进行动态失速优化获得更好性能的新翼型，优化策略所对应的优化过程具有物理可解释性；采用深度神经网络建立的用于预测旋翼翼型气动力迟滞回线的代理模型，具有更好的非线性预测能力。