申请/专利权人：扬州大学

申请日：2024-01-08

公开（公告）日：2024-04-09

公开（公告）号：CN117852403A

主分类号：G06F30/27

分类号：G06F30/27;G06F30/17;G06F17/16;G06F17/11;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：本发明提供一种离心泵叶轮水力设计方法、离心泵叶轮和离心泵，涉及叶轮水利设计技术领域。本发明通过引入机器学习中的深度学习方法，构建深度学习模型，通过大量的离心泵水力数据集进行训练，能够学习到数据中的潜在规律和特征，从而实现对离心泵性能的预测和优化，相比传统的经验公式或数值模拟方法，深度学习模型能够更全面地捕捉输入参数和输出参数之间的复杂关系，从而提高离心泵的效率并降低其能耗，提高设计的智能化和自动化水平。

主权项：1.一种离心泵叶轮水力设计方法，其特征在于，具体步骤如下：S1：采集处于不同水域位置离心泵一定时间内的水力数据和工况数据，根据水力数据生成数据集，并对数据集进行归一化处理；S2：根据离心泵的水力数据和工况数据构建深度学习模型，并选择合适的激活函数；S3：将数据集划分为训练集和验证集，利用训练集对深度学习模型进行训练，并通过反向传播算法对深度学习模型进行优化；S4：调整离心泵的工况数据，利用训练好的深度学习模型对不同情况下离心泵的水力数据进行预测，得到优化的叶轮几何形状。

全文数据：

权利要求：

百度查询： 扬州大学 一种离心泵叶轮水力设计方法、离心泵叶轮和离心泵

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