龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：南京航空航天大学
摘要：本发明提供了一种基于深度学习的典型涡轮叶片表面颗粒沉积速率快速预估方法，基于航空发动机涡轮叶片数值仿真获得的叶片表面颗粒沉积速率数据库，采用机器学习的方法，建立了吹风比、粒径及主流速度与颗粒沉积速率之间的映射关系，构建了基于卷积神经网络ConvolutionalNeuralNetworks,CNN的叶片表面颗粒沉积速率的快速预估模型，能够快速获得高精度的颗粒沉积速率云图及数据，通过此快速预估模型，能够高效高精度地对多种工况下的叶片表面颗粒沉积情况进行预估。
主权项：1.一种基于CNN的典型涡轮叶片表面颗粒沉积速率快速预估方法，其特征在于，包括：步骤1：获取颗粒沉积速率数据集，颗粒沉积速率数据集包括吹风比、颗粒粒径和主流入口速度的特征数据集和颗粒沉积速率云图的标签数据集；步骤2：将步骤1中特征数据集和标签数据集随机划分为训练集、测试集以及验证集；步骤3：基于卷积神经网络，将步骤2中训练集的特征数据集作为UNet模型的输入，将训练集的标签数据集作为UNet模型的输出，对UNet模型进行训练，获得训练模型；步骤4：将验证集的特征数据集输入到训练模型，对训练模型进行验证，获得涡轮叶片表面颗粒沉积速率快速预估模型；步骤5：将测试集的特征数据集输入到涡轮叶片表面颗粒沉积速率快速预估模型进行预估，获得预估结果。
全文数据：
权利要求：
百度查询： 南京航空航天大学 基于CNN的典型涡轮叶片表面颗粒沉积速率快速预估方法
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