基本信息:
- 专利标题： 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
- 申请号：CN202410137315.4 申请日：2024-02-01
- 公开(公告)号：CN117852411A 公开(公告)日：2024-04-09
- 发明人： 刘晨 , 吴则羲 , 曹贻鹏 , 于晨琪 , 展旭 , 杨洁 , 赵晓臣
- 申请人： 哈尔滨工程大学
- 申请人地址： 黑龙江省哈尔滨市南岗区南通大街145号
- 专利权人： 哈尔滨工程大学
- 当前专利权人： 哈尔滨工程大学
- 当前专利权人地址： 黑龙江省哈尔滨市南岗区南通大街145号
- 代理机构： 北京高沃律师事务所
- 代理人： 贾瑞华
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F30/28 ; G06F18/214 ; G06N3/048 ; G06N3/08 ; G06F111/10 ; G06F113/08 ; G06F119/14
摘要：
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/授权文献:
- CN117852411B 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 公开/授权日：2024-10-11
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |