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！

龙图腾网获悉佛山大学申请的专利一种多模块深度学习的气液两相旋流流型识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120217114B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510687517.0，技术领域涉及：G06F18/241；该发明授权一种多模块深度学习的气液两相旋流流型识别方法及系统是由刘雯;谢志敏;田乐;伍楠;李超众;黄平南;张立平设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本一种多模块深度学习的气液两相旋流流型识别方法及系统在说明书摘要公布了：本发明涉及数据处理技术领域，提供了一种多模块深度学习的气液两相旋流流型识别方法及系统，该方法包括：获取压降信号，并对压降信号进行数据切片处理；通过训练好的分类预测模型对螺旋气流的流型进行分类预测，具体包括：通过CNN网络提取数据切片处理后的压降信号的时域特征以及频域特征；对时域特征以及频域特征进行增强处理，获取增强后的时域特征以及频域特征；对增强后的时域特征以及频域特征进行特征融合处理，获取融合特征向量；根据融合特征向量以及全连接层对螺旋气流的流型进行分类预测。本发明能够实现对多维度、多尺度特征的联合建模，从而提高复杂旋流工况下的流型识别准确率和系统鲁棒性，具备良好的工程实用性与工程价值。

本发明授权一种多模块深度学习的气液两相旋流流型识别方法及系统在权利要求书中公布了：1.一种多模块深度学习的气液两相旋流流型识别方法，其特征在于，所述识别方法包括如下步骤： 采集垂直管中螺旋气流的压差信号，根据所述压差信号获取压降信号，并对所述压降信号进行数据切片处理； 构建分类预测模型以及损失函数，基于所述损失函数对分类预测模型进行训练，通过训练好的所述分类预测模型对所述螺旋气流的流型进行分类预测； 其中，通过训练好的所述分类预测模型对所述螺旋气流的流型进行分类预测的具体方法包括： 通过CNN网络提取数据切片处理后的所述压降信号的时域特征以及频域特征； 依次通过双向门控循环单元以及全局注意力机制对所述时域特征以及频域特征进行增强处理，获取增强后的时域特征以及频域特征； 对所述增强后的时域特征以及频域特征进行特征融合处理，获取融合特征向量； 根据所述融合特征向量以及全连接层对所述螺旋气流的流型进行分类预测； 所述损失函数； 其中，表示对正确类别的预测概率，表示平衡因子，表示调节因子，表示损失值； 所述气液两相旋流流型识别方法还包括如下步骤： 在所述分类预测模型的每个训练批次中，计算少数类样本数量与多数类样本数量之间的比值； 根据所述比值动态调整平衡因子； 其中，表示自然常数，表示预设的第一敏感度参数，表示预设的第一阈值参数； 所述气液两相旋流流型识别方法还包括如下步骤： 获取当前训练批次损失值以及上一个训练批次损失值，根据所述当前训练批次损失值以及上一个训练批次损失值计算损失值变化率； 根据所述损失值变化率动态调整调节因子； 其中，表示调节因子基准值，表示调整幅度控制系数，表示损失敏感度调节系数，表示损失值变化率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人佛山大学，其通讯地址为：528000 广东省佛山市禅城区江湾一路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。