-
公开(公告)号：CN117852411B
公开(公告)日：2024-10-11
申请号：CN202410137315.4
申请日：2024-02-01
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F30/28 , G06F18/214 , G06N3/048 , G06N3/08 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开一种基于神经网络的模化设计压气机气动性能预测方法及系统，涉及压气机气动性能预测领域，方法包括：构造数据集；构建损失函数；所述损失函数为基于相似模化准则构建的；根据所述数据集和所述损失函数，对动量优化神经网络模型进行训练，得到模化设计压气机气动性能预测模型；利用所述模化设计压气机气动性能预测模型，对模化设计压气机的气动性能进行预测。本发明采用构建的数据集和基于相似模化准则构建的损失函数对动量优化神经网络模型进行训练，将深度学习技术应用于模化设计压气机的气动性能预测中，能够充分利用深度学习技术的优势，有效提高模化设计压气机气动性能预测的准确率和效率。
-
公开(公告)号：CN119425323A
公开(公告)日：2025-02-14
申请号：CN202411584457.1
申请日：2024-11-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种创新的低能耗二氧化碳捕集系统，该系统采用独特的纳米孔径调控技术，通过精确设计膜材料的孔隙结构，实现了对二氧化碳分子的高效选择性捕集。与传统的捕集方法相比，本系统在保持高捕集效率的同时显著降低了能耗，这得益于优化的膜分离过程和创新的温度压力调控机制。此外，系统采用模块化设计，便于根据不同工业场景的特定需求进行快速部署和扩展，增强了系统的适应性和灵活性。内置的热量回收装置进一步提升了能源利用效率，使得整个捕集过程更加环保和经济。本发明的实施对于减少工业排放对环境的影响，促进可持续发展具有重要的实际意义，为应对全球气候变化提供了一种切实可行的技术解决方案。
-
Patent Agency Ranking
公开(公告)号：CN117889103B
公开(公告)日：2024-10-29
申请号：CN202410244604.4
申请日：2024-03-05
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种扩压器叶片，包括本体和活动体，活动体可滑动地设置于本体的一侧，且位于本体靠近扩压器叶片前缘的一侧，活动体的滑动方向平行于扩压器轮毂与扩压器轮缘的连线方向；沿扩压器轮毂与扩压器轮缘的连线方向，活动体往复滑动，能够使扩压器叶片的前缘形成叶槽。本发明在扩压器前缘形成叶槽，能够调节气流流动，降低气流来流速度，减小湍流，从而有效减小气流通过扩压器叶片时产生的噪声。与此同时，本发明还提供一种扩压器，包含上述扩压器叶片，增强扩压器降噪效果；除此之外，本发明还提供一种离心压气机，包含上述扩压器，以提升离心压气机的气动性能。
-
公开(公告)号：CN118193955B
公开(公告)日：2024-10-15
申请号：CN202410431700.X
申请日：2024-04-11
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种压气机气动噪声获取方法、装置、介质及产品，涉及气动噪声分析技术领域，该方法基于一张已知的频域噪声谱，对其进行逆傅里叶变换成已知的时域噪声数据，然后利用时间序列神经网络预测未知的时域噪声，结合已知的时域噪声数据得到更精细的时域噪声数据，最后将其进行傅里叶变换成新的频域噪声数据，克服了传统噪声数值计算方法中有限的时间步长和总模拟时间对气动噪声数据采集的限制，能够快速、准确地获取更精细地频域噪声数据，提高噪声谱的频率分辨率，同时能够减少计算资源消耗，节省人力物力。
-
公开(公告)号：CN118193955A
公开(公告)日：2024-06-14
申请号：CN202410431700.X
申请日：2024-04-11
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种压气机气动噪声获取方法、装置、介质及产品，涉及气动噪声分析技术领域，该方法基于一张已知的频域噪声谱，对其进行逆傅里叶变换成已知的时域噪声数据，然后利用时间序列神经网络预测未知的时域噪声，结合已知的时域噪声数据得到更精细的时域噪声数据，最后将其进行傅里叶变换成新的频域噪声数据，克服了传统噪声数值计算方法中有限的时间步长和总模拟时间对气动噪声数据采集的限制，能够快速、准确地获取更精细地频域噪声数据，提高噪声谱的频率分辨率，同时能够减少计算资源消耗，节省人力物力。
-
公开(公告)号：CN117889103A
公开(公告)日：2024-04-16
申请号：CN202410244604.4
申请日：2024-03-05
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种扩压器叶片，包括本体和活动体，活动体可滑动地设置于本体的一侧，且位于本体靠近扩压器叶片前缘的一侧，活动体的滑动方向平行于扩压器轮毂与扩压器轮缘的连线方向；沿扩压器轮毂与扩压器轮缘的连线方向，活动体往复滑动，能够使扩压器叶片的前缘形成叶槽。本发明在扩压器前缘形成叶槽，能够调节气流流动，降低气流来流速度，减小湍流，从而有效减小气流通过扩压器叶片时产生的噪声。与此同时，本发明还提供一种扩压器，包含上述扩压器叶片，增强扩压器降噪效果；除此之外，本发明还提供一种离心压气机，包含上述扩压器，以提升离心压气机的气动性能。
-
公开(公告)号：CN117852411A
公开(公告)日：2024-04-09
申请号：CN202410137315.4
申请日：2024-02-01
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F30/28 , G06F18/214 , G06N3/048 , G06N3/08 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开一种基于神经网络的模化设计压气机气动性能预测方法及系统，涉及压气机气动性能预测领域，方法包括：构造数据集；构建损失函数；所述损失函数为基于相似模化准则构建的；根据所述数据集和所述损失函数，对动量优化神经网络模型进行训练，得到模化设计压气机气动性能预测模型；利用所述模化设计压气机气动性能预测模型，对模化设计压气机的气动性能进行预测。本发明采用构建的数据集和基于相似模化准则构建的损失函数对动量优化神经网络模型进行训练，将深度学习技术应用于模化设计压气机的气动性能预测中，能够充分利用深度学习技术的优势，有效提高模化设计压气机气动性能预测的准确率和效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
