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：本发明公开了一种基于多层前馈神经网络的涡轮导叶过渡态温度场预估方法，首先，将在不同运行工况切换时涡轮导叶上关键点温度的过渡态实验数据离散化为多个状态点，并建立过渡态中各时刻的涡轮导叶温度场数据库，以此作为训练样本；然后，引入多层前馈神经网络对训练样本进行训练，通过多层全连接层、批量归一化层及激活层的组合，快速提取输入特征与对应输出之间的非线性映射关系，得到了不同运行工况变化时涡轮导叶过渡态温度场快速预测模型。本发明能够在工况变化时快速、准确的预测导叶上关键点温度的动态变化，提供了一种高效、可靠的涡轮导叶过渡态温度场预测工具。
主权项：1.一种基于多层前馈神经网络的涡轮导叶过渡态温度场预估方法，其特征在于，包括以下步骤：步骤1，确定导叶在涡轮发动机中的工作状态作为输入变量，包括涡轮导叶在工况切换时过渡态的持续时间，主流的初状态和末状态的压力、温度和流量，以及冷却气体的初状态和末状态的温度和流量数据；步骤2，确定涡轮导叶上的关键温度测点，通过测点的数据采集，分析涡轮导叶在高温和高压环境下的温度分布情况；步骤3，建立涡轮导叶在工况切换时的过渡态温度场数据集，通过对过渡态中每个时刻的温度场信息进行离散化处理，得到在过渡态中每个时刻的状态点，将各个状态点的时刻，以及在该时刻下涡轮导叶的工况作为输入数据集，将该时刻涡轮导叶关键测点温度作为输出数据集；步骤4，将步骤3获得的输入数据集和输出数据集随机划分为训练集、测试集、验证集，分别用于多层前馈神经网络模型中参数的拟合、优化以及验证；步骤5，构建多层前馈神经网络模型，该神经网络模型属于深度神经网络，由多层全连接层、批量归一化层及激活层的组合，快速提取输入特征与对应输出之间的非线性映射关系，将步骤4中得到的训练集用来训练多层前馈神经网络模型，验证集和测试集则用于对多层前馈神经网络模型进行验证与测试，提高模型泛化能力；通过多层前馈神经网络模型对数据进行训练与测试得到输入特征和对应输出的非线性映射关系，得到不同运行工况变化时涡轮导叶过渡态温度场预测模型。
全文数据：
权利要求：
百度查询： 南京航空航天大学 基于多层前馈神经网络的涡轮导叶过渡态温度场预估方法
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