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！

龙图腾网获悉西北工业大学申请的专利一种基于深度神经网络的翼型跨音速抖振流场快速预测方法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：CN116306206B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202211381140.9，技术领域涉及：G06F30/27；该发明授权一种基于深度神经网络的翼型跨音速抖振流场快速预测方法是由孙迪;王梓瑞;田洁华;屈峰;白俊强设计研发完成，并于2022-11-06向国家知识产权局提交的专利申请。

本一种基于深度神经网络的翼型跨音速抖振流场快速预测方法在说明书摘要公布了：本发明提出一种基于深度神经网络的翼型跨音速抖振流场快速预测方法，包括生成非定常流场样本集；构造用于非定常流场快速预测的神经网络模型；对构造好的神经网络模型进行训练；将训练好的深度神经网络用于非定常流场的快速预测。本发明采用基于计算网格的流场信息作为神经网络模型的输入，预测未来时刻的流场信息，相比于基于图片或均匀网格的输入，在同样数据量的标准下具有更高的分辨率，从而模型具备更高的预测精度。本发明根据关心的流场区域，使用简化的插值网格，将流场参数插值到该网格上，用于非定常流场的预测，可以在保证非定常流场预测精度的同时，尽可能减少数据点数和时间耗费，提高效率。

本发明授权一种基于深度神经网络的翼型跨音速抖振流场快速预测方法在权利要求书中公布了：1.一种基于深度神经网络的翼型跨音速抖振流场快速预测方法，其特征在于：包括以下步骤：步骤1：生成非定常样本集：步骤1.1：选定非定常样本集的基准翼型，并生成翼型计算网格，通过坐标变换，将网格从物理空间映射到平面内为均匀矩形网格的计算空间，求解该基准翼型的非定常流场，输出其固定时间间隔的有限个时刻的流场数据；步骤1.2：根据预测问题所关心的流动区域，重新生成一个插值网格，将流场信息插值到该网格上作为用于训练和测试的样本；步骤1.3：对样本数据集做归一化处理，采用线性归一化方法，使样本数据的区间线性变换至[0，1]；步骤2：构造用于非定常流场快速预测的神经网络模型：采用混合神经网络模型构造用于非定常流场快速预测的神经网络模型；所述混合神经网络模型包括Convlstm模块、卷积模块和反卷积模块；Convlstm模块包括一个Convlstm层，卷积模块依次包含一个卷积层、一个BN层和一个ReLU层，反卷积模块依次包含一个反卷积层、一个BN层和一个ReLU层；所述混合神经网络模型共采用四次下采样与四次上采样，通过调整神经网络参数使得上采样和下采样对应层的特征图具有相同的形状，在相同维度的特征图之间添加跳级连接，数据融合采用加操作；所述混合神经网络模型的输入数据为一个四维矩阵，该矩阵的含义为：序列数×通道数×高度×宽度，其输出数据为一个三维矩阵，该矩阵的含义为:通道数×高度×宽度，序列数对应多时刻流场的数量，通道数对应多变量流场的变量数，高度和宽度对应二维流场的尺寸；步骤3：对构造好的神经网络模型进行训练；步骤4：将训练好的神经网络模型用于非定常流场的快速预测：将已知连续有限个等时间间隔的流场信息输入至训练好的神经网络模型，即可得到未来时刻的流场信息。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。