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！

龙图腾网恭喜西安交通大学申请的专利基于深度学习的涡轮温度分布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：CN119538778B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411590876.6，技术领域涉及：G06F30/28；该发明授权基于深度学习的涡轮温度分布预测方法是由李志刚;郝铭扬;白波;张垲垣;李军设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本基于深度学习的涡轮温度分布预测方法在说明书摘要公布了：一种基于深度学习的涡轮温度分布预测方法，用于燃气涡轮瞬态实验固体域温度分布随时间的演化预测，包含以下步骤：构建涡轮叶栅实验几何模型，并生成涡轮叶栅计算网格，根据涡轮叶栅几何模型加工得到涡轮叶栅试验件；构建燃气涡轮瞬态实验装置，确定涡轮叶栅的瞬态实验工况及边界条件，并构建瞬态热传导方程编码的循环神经网络；开展燃气涡轮瞬态实验，采集主流进口总温时序数据、涡轮叶栅试验件表面温度时序数据以及涡轮叶栅试验件的材料热物性参数，构成实验数据，训练所述循环神经网络，完成对实验工况的反演；利用完成训练的循环神经网络，对涡轮叶栅固体域稳定运行全阶段温度分布进行预测。本发明可以缩短瞬态实验时间显著降低瞬态实验成本。

本发明授权基于深度学习的涡轮温度分布预测方法在权利要求书中公布了：1.一种基于深度学习的涡轮温度分布预测方法，其特征在于，包括以下步骤：步骤1，构建涡轮叶栅实验几何模型，并生成涡轮叶栅计算网格，根据涡轮叶栅几何模型加工得到涡轮叶栅试验件；步骤2，构建燃气涡轮瞬态实验装置，其中涡轮叶栅试验件安装于燃气涡轮瞬态实验装置的风洞实验段，所述燃气涡轮瞬态实验装置用于模拟上游来流瞬间达到某一工况条件时涡轮叶栅的冷却特性和传热特性实验；步骤3，确定涡轮叶栅的瞬态实验工况及边界条件，并结合所述涡轮叶栅计算网格构建瞬态热传导方程编码的循环神经网络；步骤4，开展燃气涡轮瞬态实验，采集主流进口总温时序数据、涡轮叶栅试验件表面温度时序数据以及涡轮叶栅试验件的材料热物性参数，构成实验数据；步骤5，利用所述实验数据训练所述循环神经网络，完成对实验工况的反演；步骤6，利用完成训练的循环神经网络，对涡轮叶栅固体域稳定运行全阶段温度分布进行预测；所述的步骤3，通过涡轮叶栅计算网格将循环神经网络的计算域设定为固体域部分，使得循环神经网络计算域准确模拟涡轮叶栅试验件，从而达到预测涡轮叶栅试验件内部即固体域的温度分布的目的；采用硬编码方法对循环神经网络主流及边界信息进行设定，使其与所述实验工况及边界条件一致，从而达到对实验工况准确反演的目的；所述硬编码方法即通过引入虚拟节点对边界条件进行处理，该过程利用卷积神经网络的卷积核的填充功能，在计算域边界依照空间离散格式需求，在边界外部填充相应数量的网格填充，其所填充数值为采用边界节点代数方程法或虚拟边界法根据实际物理边界条件和虚拟节点空间离散格式所计算的结果；其中，对于主流与涡轮叶栅试验件接触的流固交界面采用第三类边界条件，其他涡轮叶栅试验件表面采用第一类或第二类边界条件，其中第一类边界条件为等温边界条件，第二类边界条件为绝热边界条件，第三类边界条件为Robin边界条件；当主流为稳定流动时，其流固交界面换热系数为特定常数，将线性回归思想引入第三类边界条件，改写为： 式中q表示流固交界面对流换热热流密度，Tt表示主流温度，Tw表示壁面温度，Tr表示恢复温度，h表示流固交界面对流换热系数，为未知变量，通过神经网络训练求得；公式4被看做为Tt-Tw为自变量x，q为因变量y的线性方程，通过线性回归所计算得到线性方程的斜率a即为对流换热系数h，截距b即为hTr-Tt。

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安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。