申请/专利权人:上海理工大学
申请日:2023-12-21
公开(公告)日:2024-04-19
公开(公告)号:CN117910128A
主分类号:G06F30/15
分类号:G06F30/15;G06F30/27;G06F30/28;G06N3/048;G06N3/0464;G06N3/084;G06F119/14;G06F113/28;G06F111/10
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种基于深度算子网络的翼型设计方法及装置,涉及神经网络领域,其中,该方法包括:在第一神经网络输入需要求解的设定翼型的几何信息;在第二神经网络输入需要获得的气动位置点的几何信息;根据预先训练得到的基于深度算子网络的翼型气动替代模型,通过设定算法对第一神经网络的设定翼型的几何信息、第二神经网络的气动位置点的几何信息组成的多层神经网络计算获得到对应的气动预测值以实现快速的翼型气动计算,本发明的方法及装置,有效实现了对各类翼型不同工况下的气动预测,精度、泛化性、效率相较于传统神经网络替代模型都有了长足的改善,能够有效助力各类翼型设计优化工作的持续良性发展。
主权项:1.一种基于深度算子网络的翼型设计方法,其特征在于,包括:在第一神经网络输入需要求解的设定翼型的几何信息;在第二神经网络输入需要获得的气动位置点的几何信息;根据预先训练得到的基于深度算子网络的翼型气动替代模型,通过设定算法对第一神经网络的设定翼型的几何信息、第二神经网络的气动位置点的几何信息组成的多层神经网络计算获得到对应的气动预测值以实现快速的翼型气动计算。
全文数据:
权利要求:
百度查询: 上海理工大学 基于深度算子网络的翼型设计方法及装置
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。