-
公开(公告)号：CN118504434B
公开(公告)日：2024-09-17
申请号：CN202410965012.1
申请日：2024-07-18
Applicant: 西南科技大学
IPC: G06F30/27 , G06F18/2131 , G06F18/25 , G06F18/10 , G06N3/044 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/096
Abstract: 本发明提供了一种超声速燃烧室多物理场智能预测方法及可视化系统，属于超声速流动燃烧技术领域和人工智能领域的交叉融合领域，该方法为：基于不同燃烧室的构型，进行非定常数值仿真计算，构建数据集；进行预处理；将低马赫数数据作为源域数据，将高马赫数数据作为目标域数据；构建迁移学习源域模型；对迁移学习源域模型进行训练，并保存训练权重；冻结并修改迁移学习源域模型，得到基于迁移学习目标域模型；将高马赫数数据输入至迁移学习目标域模型，更新并保存该模型的权重；设计可视化系统，进行高马赫数宽域变几何超声速燃烧室多物理场智能预测图像的可视化操作。本发明能准确快速地预测高马赫数宽域条件下的变几何超声速燃烧室多物理场结构。
-
公开(公告)号：CN118551170B
公开(公告)日：2025-03-14
申请号：CN202410475668.5
申请日：2024-04-19
Applicant: 西南科技大学
IPC: G06F18/20 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N5/04
Abstract: 本发明公开了一种基于深度学习的超燃冲压发动机火焰场智能预测方法，属于超声速流动燃烧和人工智能交叉融合的技术领域，其利用氢燃料超燃冲压发动机的实验数据，将壁面温度及其时间序列作为输入变量，构建超声速燃烧室火焰场预测模型，通过引入可变形卷积核，显著增强了超声速燃烧室火焰场预测模型对火焰场不规则形态变化的捕捉能力同时降低模型计算量，并采用残差网络有效解决梯度消失问题，进一步提升了燃烧流场的预测精度和推理速度，实现了实时的跨时间预测，增强了网络对复杂空间变换的建模能力。
-
公开(公告)号：CN118551170A
公开(公告)日：2024-08-27
申请号：CN202410475668.5
申请日：2024-04-19
Applicant: 西南科技大学
IPC: G06F18/20 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N5/04
Abstract: 本发明公开了一种基于深度学习的超燃冲压发动机火焰场智能预测方法，属于超声速流动燃烧和人工智能交叉融合的技术领域，其利用氢燃料超燃冲压发动机的实验数据，将壁面温度及其时间序列作为输入变量，构建超声速燃烧室火焰场预测模型，通过引入可变形卷积核，显著增强了超声速燃烧室火焰场预测模型对火焰场不规则形态变化的捕捉能力同时降低模型计算量，并采用残差网络有效解决梯度消失问题，进一步提升了燃烧流场的预测精度和推理速度，实现了实时的跨时间预测，增强了网络对复杂空间变换的建模能力。
-
公开(公告)号：CN118504434A
公开(公告)日：2024-08-16
申请号：CN202410965012.1
申请日：2024-07-18
Applicant: 西南科技大学
IPC: G06F30/27 , G06F18/2131 , G06F18/25 , G06F18/10 , G06N3/044 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/096
Abstract: 本发明提供了一种超声速燃烧室多物理场智能预测方法及可视化系统，属于超声速流动燃烧技术领域和人工智能领域的交叉融合领域，该方法为：基于不同燃烧室的构型，进行非定常数值仿真计算，构建数据集；进行预处理；将低马赫数数据作为源域数据，将高马赫数数据作为目标域数据；构建迁移学习源域模型；对迁移学习源域模型进行训练，并保存训练权重；冻结并修改迁移学习源域模型，得到基于迁移学习目标域模型；将高马赫数数据输入至迁移学习目标域模型，更新并保存该模型的权重；设计可视化系统，进行高马赫数宽域变几何超声速燃烧室多物理场智能预测图像的可视化操作。本发明能准确快速地预测高马赫数宽域条件下的变几何超声速燃烧室多物理场结构。
-
-
-
Search Results
4
records
(took 0.023 seconds)
