申请/专利权人：哈尔滨工程大学

申请日：2024-02-01

公开（公告）日：2024-04-09

公开（公告）号：CN117852411A

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06F18/214;G06N3/048;G06N3/08;G06F111/10;G06F113/08;G06F119/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

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。

主权项：1.一种基于神经网络的模化设计压气机气动性能预测方法，其特征在于，所述方法包括：构造数据集；所述数据集包括若干个样本数据，所述样本数据包括输入数据以及对应的标签数据；所述样本数据包括压气机的多个气动性能参数，分别为模化比、压比、流量以及转速；所述标签数据为流量；所述输入数据为模化比、压比以及转速；所述压气机包括原型压气机和对所述原型压气机进行模化设计后得到的子型压气机；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；所述模化设计压气机为基于所述原型压气机模化设计得到的子型压气机。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD