龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：北京航空航天大学
申请日：2024-05-31
公开（公告）日：2024-06-28
公开（公告）号：CN118262848A
主分类号：G16C60/00
分类号：G16C60/00;G16C20/90;G16C20/70;G16C10/00;G06F30/27;G06F30/28
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明涉及航空宇航科学领域中热防护材料特性的数值模拟，提出了一种基于数据驱动的防热材料表面催化特性多尺度预测方法，采用机器学习和数据融合的方法对现有技术中的多尺度预测方法进行改进。其中，通过机器学习方法将催化重组系数从高压环境扩展至低压环境，提高催化重组系数预测的准确性，同时，由于不需要进行微观数值计算直接就能得到预测结果，极大地提高计算效率。数据融合方法结合了实验数据对数值模拟结果进行优化，提高了催化重组系数的准确性。
主权项：1.一种基于数据驱动的防热材料表面催化特性多尺度预测方法，其特征在于，包括以下步骤：步骤S1：建立高超热防护材料气固界面的微观模型，采用所述微观模型模拟发生催化复合原子在不同温度和压强下在气固界面的反应过程，并收集反应数据，构建数据库I；步骤S2：建立第一径向基神经网络，采用数据库I对所述第一径向基神经网络训练；基于现实实验数据，选取多个不同的实验温度与实验压强，并输入所述第一径向基神经网络，输出对应的催化重组系数；步骤S3：通过贝叶斯最大熵方法对实验温度与实验压强条件下的催化重组系数和现实实验数据进行数据融合处理，得到优化权重，并应用于数据库I，得到优化加权后的数据库II；步骤S4：基于高超声速来流远场条件，采用CFD求解器进行无催化复合反应的高超声速飞行器外流场的数值模拟，得到壁面温度和壁面压强；步骤S5：建立第二径向基神经网络，采用数据库II对所述第二径向基神经网络训练，并将壁面温度和壁面压强输入所述第二径向基神经网络，输出对应的催化重组系数；步骤S6：将步骤S5得到的催化重组系数输入CFD求解器，开启壁面反应进行二次计算，获得考虑气固界面催化复合效应的高超声速飞行器壁面热流分布。
全文数据：
权利要求：
百度查询： 北京航空航天大学 基于数据驱动的防热材料表面催化特性多尺度预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号