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！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利风扇区域流场预测方法及电子设备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：CN120893358B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511417354.0，技术领域涉及：G06F30/28；该发明授权风扇区域流场预测方法及电子设备是由崔冰设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本风扇区域流场预测方法及电子设备在说明书摘要公布了：本申请公开了一种风扇区域流场预测方法及电子设备，涉及服务器技术领域，本申请实施例将风冷服务器风扇区域流场模拟简化为入口边界条件的预测问题，并通过AI算法构建快速预测模型，从而能够高效进行风扇预测流场的预测，并且通过采用基于转速区间的双模型智能调度策略，能够在全工况范围内实现对风扇出口流场的高精度预测，针对低速稳态流动采用非线性拟合模型保证计算效率，针对高速非定常流动采用时空建模模型准确捕捉动态特性，既克服了传统单一模型在不同工况下预测精度不足的缺陷，又避免了高转速工况下采用复杂数值仿真带来的巨大计算开销。

本发明授权风扇区域流场预测方法及电子设备在权利要求书中公布了：1.一种风扇区域流场预测方法，其特征在于，包括： 获取待预测服务器中风扇对应的输入数据；所述输入数据包括所述风扇的工况参数和几何参数；所述工况参数至少包括风扇转速； 若所述风扇转速属于第一转速区间，则将所述输入数据输入第一模型，获得所述风扇的风扇出口截面的物理量分布的第一预测结果；所述第一转速区间的最大风扇转速小于第一预设阈值，所述第一模型为非线性拟合模型，所述非线性拟合模型为神经网络模型，所述第一模型通过离线训练已学习到稳定流场状态下的映射关系，并输出风扇出口截面上速度、压力及温度分布的高精度稳态预测结果； 若所述风扇转速属于第二转速区间，则将所述输入数据和时间特征输入第二模型，获得所述物理量分布的第二预测结果；所述第二转速区间的最小风扇转速大于第二预设阈值；所述第二预设阈值大于所述第一预设阈值；所述物理量包括以下中至少一项：速度、压力、温度，所述第二模型为时空建模模型，所述时空建模模型为基于自注意力机制的扩散模型，所述第二模型采用长短期记忆网络、时序卷积网络或基于注意力机制的变压器Transformer架构，以处理序列依赖关系并预测流场动态演化，并且，通过第二模型推理，获得风扇出口截面物理量随时间变化的第二预测结果，为服务器内部流场的瞬态仿真提供高保真的非定常入口边界条件； 所述方法还包括： 获取风扇在不同工况参数和几何参数下风扇出口截面的物理量分布； 根据所述物理量分布构建第一数据集和第二数据集； 根据所述第一数据集对所述第一模型对应的第一待训练模型进行训练，获得所述第一模型； 根据所述第二数据集对所述第二模型对应的第二待训练模型进行训练，获得所述第二模型； 所述获取风扇在不同工况参数和几何参数下风扇出口截面的物理量分布，包括： 获取风扇在第二转速区间内不同工况参数和几何参数下不同时间点的风扇出口截面的第二物理量分布；所述第二转速区间的最小风扇转速大于第二预设阈值； 所述根据所述第二数据集对所述第二模型对应的第二待训练模型进行训练，获得所述第二模型，包括： 基于自注意力机制的扩散模型算法构建所述第二待训练模型；所述第二待训练模型包括条件编码器、基于自注意力的扩散模块和函数空间解码器； 确定所述第二待训练模型的第二损失函数；所述第二损失函数包括第二距离项和物理约束项； 基于所述第二数据集，根据所述第二损失函数对所述第二待训练模型进行训练，获得所述第二模型。

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苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区综保区经一路1号8幢；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”。

以上内容由龙图腾AI智能生成。