-
公开(公告)号：CN115311530B
公开(公告)日：2023-08-29
申请号：CN202210833886.2
申请日：2022-07-15
Applicant: 哈尔滨工业大学
IPC: G06V10/82 , G06V10/77 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于深度卷积自编码器的流场特征提取方法。所述方法具体包括：步骤一：获得流场数据，根据流场数据构建数据集；步骤二：搭建深度卷积自编码器模型；步骤三：将数据集随机按比例划分为训练集、验证集和测试集；利用训练集对深度卷积自编码器模型进行训练，利用验证集对深度卷积自编码器模型进行验证；步骤四：利用测试集对验证后的深度卷积自编码器模型进行测试，对比输入和输出流场差异。相比于POD等线性方法，本发明所述方法能够将流场压缩到更低的维度，流场重构精度也优于POD方法。
-
公开(公告)号：CN118572507A
公开(公告)日：2024-08-30
申请号：CN202410707352.4
申请日：2024-06-03
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种定频与变频多脉冲激光发射装置，包括三只偏振片、四只二向色镜、反射镜和四组腔体，每组腔体包括后镜、电光Q开关和晶体。第一腔体发射第一次脉冲激光后，间隔时间dt1后第二腔体发射第二次脉冲激光，然后经过间隔时间dt2后第三腔体发射第三次脉冲激光，再经过时间间隔dt3后第四腔体发射第四次脉冲激光，重复此过程形成多脉冲激光，其中间隔时间dt1等于间隔时间dt3，间隔时间dt2能够连续可调，用以形成定频与变频多脉冲激光。采用本发明的装置能够实现单个采样周期内获得时间间隔可调的多个触发激光分布结果，进而实现了流场高时间分辨率的测量，提高了试验效率。
-
Patent Agency Ranking
公开(公告)号：CN115114859A
公开(公告)日：2022-09-27
申请号：CN202210833876.9
申请日：2022-07-15
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F113/08
Abstract: 本发明提出一种基于双向门控循环单元的高时间分辨率流场重构方法。该方法使用粒子图像测速技术(PIV)测量的高空间分辨率流场数据和局部测量点处高频风速传感器测量的高时间分辨率数据，通过深度卷积自编码器的提取流场空间特征，将局部测点处的高时间分辨率数据输入双向门控循环单元，重构出整个流场的高时间分辨率的特征时程系数，最后将该系数输入卷积自编码器中即可重构出高时间分辨率的流场。本发明无需采用昂贵的高频PIV设备，采用普通低频PIV和高频风速传感器即可较好地重构出高时间分辨率流场。
-
公开(公告)号：CN118365522A
公开(公告)日：2024-07-19
申请号：CN202410482908.4
申请日：2024-04-22
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/082
Abstract: 本发明提出一种基于卷积神经网络的大视场高空间分辨率流场重构方法。该方法基于局部小视场高空间分辨率粒子图像测速技术PIV测量结果和大视场低空间分辨率测量结果，采用卷积神经网络学习大视场低分辨率流场和小视场高分辨率流场之间的映射关系，通过滑动窗口遍历整个流场即可重构出大视场高空间分辨率流场。本发明无需采用多台PIV设备同时拍摄流场进行拼接，只需采用两台PIV即可较好地重构出大视场高空间分辨率流场。
-
公开(公告)号：CN118096533A
公开(公告)日：2024-05-28
申请号：CN202410284341.X
申请日：2024-03-13
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于时空耦合深度网络的超高时间分辨率流场重构方法，涉及桥梁风工程领域。解决了现有的超高时间分辨率流场难以测量的问题。本发明提供以下方案，所述方法包括：获取流场数据与压力数据，采用粒子图像测速技术PIV进行流场测量，在物体表面位置布置超高时间分辨率风压传感器，获取局部测量点位置的超高频压力数据；搭建深度卷积自编码器模型，将PIV测量到的流场结果输入深度卷积自编码器模型中进行特征提取；搭建Transformer模型，将风压传感器获取的数据输入所述模型中，重构超高时间分辨率的流场特征系数；将重构的超高时间分辨率的流场特征系数放入深度卷积自编码器模型中，重构出超高时间分辨率的流场。还适用于重构超高时间分辨率流场领域。
-
公开(公告)号：CN115114859B
公开(公告)日：2023-03-24
申请号：CN202210833876.9
申请日：2022-07-15
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F113/08
Abstract: 本发明提出一种基于双向门控循环单元的高时间分辨率流场重构方法。该方法使用粒子图像测速技术(PIV)测量的高空间分辨率流场数据和局部测量点处高频风速传感器测量的高时间分辨率数据，通过深度卷积自编码器的提取流场空间特征，将局部测点处的高时间分辨率数据输入双向门控循环单元，重构出整个流场的高时间分辨率的特征时程系数，最后将该系数输入卷积自编码器中即可重构出高时间分辨率的流场。本发明无需采用昂贵的高频PIV设备，采用普通低频PIV和高频风速传感器即可较好地重构出高时间分辨率流场。
-
公开(公告)号：CN115311530A
公开(公告)日：2022-11-08
申请号：CN202210833886.2
申请日：2022-07-15
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于深度卷积自编码器的流场特征提取方法。所述方法具体包括：步骤一：获得流场数据，根据流场数据构建数据集；步骤二：搭建深度卷积自编码器模型；步骤三：将数据集随机按比例划分为训练集、验证集和测试集；利用训练集对深度卷积自编码器模型进行训练，利用验证集对深度卷积自编码器模型进行验证；步骤四：利用测试集对验证后的深度卷积自编码器模型进行测试，对比输入和输出流场差异。相比于POD等线性方法，本发明所述方法能够将流场压缩到更低的维度，流场重构精度也优于POD方法。
-
-
-
-
-
-
Search Results
7
records
(took 0.047 seconds)
