买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明适用于燃料电池技术领域，提供了一种基于三维卷积神经网络的GDL绝对渗透率预测方法，本发明基于Porespy软件平台构建了GDL重构模型。采用SNOW算法对GDL模型进行简化生成了孔隙网络模型；通过单向流模拟方法进行详尽计算，将GDL重构模型图像所对应的绝对渗透率作为关键标签，并进一步将GDL重构模型各图像及其对应的绝对渗透率整合为样本数据集，利用这一数据集对三维卷积神经网络进行训练，通过优化算法，最终得到了针对GDL绝对渗透率的最优预测模型。本发明巧妙地将深度学习与计算机仿真技术相结合，为解决当前质子交换膜燃料电池水管理问题提供了一种解决方案，有助于推动相关技术的快速发展。

主权项：1.一种基于三维卷积神经网络的GDL绝对渗透率预测方法，其特征在于，包括以下步骤：步骤1、利用Porespy软件平台的generators.cylinders圆柱生成器函数随机生成多孔介质作为GDL重构模型，并参考实物GDL的模型参数对生成器函数进行约束；步骤2、用孔隙网络模型对GDL重构模型进行简化，简化后的模型包括无数微观尺度的球状孔隙和连通的圆柱形喉道，采用OpenPNM软件中的SNOW算法对模型进行孔隙网络的提取，获得GDL重构模型的孔隙网络，基于孔隙网络构建GDL重构模型的三维结构化数据库；步骤3、对GDL重构模型进行单向流模拟计算，获得GDL重构模型与绝对渗透率的对应关系，并基于FVM对计算结果进行验证；步骤4、构建三维卷积神经网络，利用三维结构化数据库中的图像进行训练，输入的图像经过卷积、批量归一化、池化、激活操作和全连接操作后输出计算出的绝对渗透率；步骤5、将预测模型采用自动混合精度训练，在训练过程中采用结合余弦退火学习率的Adam优化器对模型进行优化；通过旋转模型获得四个不同方向的图像，并用其中一组绝对渗透率结果对其它图像进行标定；所述步骤3具体包括以下步骤：步骤3.1、对提取的网络模型添加相应的边界孔，并规定沿GDL重构模型Z轴方向的两个面分别为流体的流入孔与流出孔；设置初始边界条件，流体介质设置采用OpenPNM中的默认流动介质，假设流动是不可压缩的定常流动，在多孔介质中流动的雷诺数趋于零，且忽略惯性力的影响；步骤3.2、对初始化完成的网络模型进行单向流模拟计算，利用流体连续性方程和N-S方程得到准静态下流体平衡关系表达式；再根据质量守恒方程和哈根-泊肃叶定律得到流体体积流量关系式；最后根据水传导率的定义式和达西公式，在OpenPNM中迭代求解得到多孔介质绝对渗透率；步骤3.3、基于FVM单向流模拟结果进行验证；在初始调节设置一致的情况下，分别用OpenPNM与FVM对模型同时进行仿真计算，并比较计算出绝对渗透率的误差值；步骤3.4、以GDL重构模型图像所对应的绝对渗透率作为标签，将GDL重构模型各图像及对应的绝对渗透率作为样本数据，构建GDL重构模型的数据集，并将GDL重构模型的数据集划分为训练集、测试集和验证集。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于三维卷积神经网络的GDL绝对渗透率预测方法