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：中国空气动力研究与发展中心超高速空气动力研究所
摘要：本发明公开了一种融合径向基的深度算子学习可压缩流场预测方法，涉及风洞试验领域，包括：S1、生成搭建神经网络需要的样本数据集，并对样本数据进行归一化处理；S2、基于归一化处理后的样本数据集搭建深度算子神经网络模型；S3、将深度算子神经网络用于可压缩流动下的流场预测。本发明提供一种融合径向基的深度算子学习可压缩流场预测方法，对于可压缩流动下出现的激波、膨胀波等复杂非线性效应具有较强的捕捉能力，因此具有更高的预测精度。
主权项：1.一种融合径向基的深度算子学习可压缩流场预测方法，其特征在于，包括：S1、生成搭建神经网络需要的样本数据集，并对样本数据进行归一化处理；S2、基于归一化处理后的样本数据集搭建深度算子神经网络模型；S3、将深度算子神经网络用于可压缩流动下的流场预测；在S2中，所述深度算子神经网络模型采用融合径向基函数进行搭建，且深度算子神经网络模型的网络结构包括：对枝干网络与主干网络的分别处理，以及处理后的主干网络的输出与枝干网络的输出进行特征拼接;在S2中，对枝干网络的处理方式为：S210、在枝干网络中选用高斯函数作为径向基函数；S211、将Ma和A作为枝干网络的输入，以通过径向基函数的编码处理得到一组关于Ma和A的函数uMa,A的离散值u1、u2…un；S212、通过下式表示枝干网络第l层输出Ol： 上式中，w1为枝干网络第l层中隐含层到输出层的权重，σ为径基宽度，为欧式范数，ci为高斯函数的中心，xp代表网络的第p个输入样本，b1为枝干网络第l层的偏置；将S211得到的离散值u1、u2…un作为枝干网络后续隐藏层的输入，则枝干网络最后层输出Ot通过下式表示： 上式中，a为激活函数，l为神经网络层数，bl为枝干网络第l层的偏置，bl-1为枝干网络第l-1层的偏置，bl-2为枝干网络第l-2层的偏置，wl-1为枝干网络第l-1层中隐含层到输出层的权重,wl-2为枝干网络第l-2层中隐含层到输出层的权重；S213、将c和σ定义为神经网络的可训练参数，以通过反向传播动态调整优化模型性能。
全文数据：
权利要求：
百度查询： 中国空气动力研究与发展中心超高速空气动力研究所 融合径向基的深度算子学习可压缩流场预测方法
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