-
公开(公告)号：CN115455841A
公开(公告)日：2022-12-09
申请号：CN202211228299.7
申请日：2022-10-09
Applicant: 西北工业大学
IPC: G06F30/27 , G06F30/28 , G06F113/08 , G06F119/02 , G06F119/14
Abstract: 提供一种基于超分辨率重构的翼型流场快速预测方法,属于流体力学和人工智能技术领域,包括生成翼型样本数据集；对原始流场数据处理获得高、低分辨率流场数据；使用深度神经网络建立从工况和外形参数到低分辨率流场数据的预测模型；使用超深超分辨率神经网络建立从低分辨率流场数据到高分辨率流场数据的预测模型；串接两个模型搭建流场预测模型；将搭建好的模型用于翼型流场的快速预测。本发明基于超分辨率重构技术，结合深度神经网络，可很好的学习到流场特征，实现对流场的快速、精确预测，减小流场计算耗时。本发明在流场数据处理中，先将流场数据从气动计算域映射到学习域，对数据梯度较大处进行插值处理，提高建模精度，降低流场预测误差。
-
公开(公告)号：CN116205003B
公开(公告)日：2025-04-22
申请号：CN202310213378.9
申请日：2023-03-07
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/27 , G06F30/28 , G06F18/23 , G06F119/14 , G06F113/08
Abstract: 提供一种基于降阶模型和多层感知机的旋转弹弹道参数预测方法，属于飞行力学和人工智能技术领域，包括生成旋转弹弹道样本数据集；对旋转弹弹道样本数据降阶处理获得弹道参数的基模态和对应的模态系数信息；使用多层感知机建立从初始发射状态到弹道参数基模态系数的预测模型；将构建好的模型用于弹道参数基模态系数的预测，结合得到的基模态从而实现旋转弹弹道参数的快速预测。本发明基于模型降阶技术，结合多层感知机神经网络，可以很好的学习到弹道参数特征，实现对弹道参数的快速、精确预测，减小大规模高精度弹道计算耗时。本发明在建立预测模型时，先将初始状态参数进行了聚类处理，提高建模精度，降低预测误差。
-
Patent Agency Ranking
公开(公告)号：CN115455841B
公开(公告)日：2025-04-04
申请号：CN202211228299.7
申请日：2022-10-09
Applicant: 西北工业大学
IPC: G06F30/27 , G06F30/28 , G06F113/08 , G06F119/02 , G06F119/14
Abstract: 提供一种基于超分辨率重构的翼型流场快速预测方法,属于流体力学和人工智能技术领域,包括生成翼型样本数据集；对原始流场数据处理获得高、低分辨率流场数据；使用深度神经网络建立从工况和外形参数到低分辨率流场数据的预测模型；使用超深超分辨率神经网络建立从低分辨率流场数据到高分辨率流场数据的预测模型；串接两个模型搭建流场预测模型；将搭建好的模型用于翼型流场的快速预测。本发明基于超分辨率重构技术，结合深度神经网络，可很好的学习到流场特征，实现对流场的快速、精确预测，减小流场计算耗时。本发明在流场数据处理中，先将流场数据从气动计算域映射到学习域，对数据梯度较大处进行插值处理，提高建模精度，降低流场预测误差。
-
公开(公告)号：CN117708985A
公开(公告)日：2024-03-15
申请号：CN202311745542.7
申请日：2023-12-18
Applicant: 西北工业大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/08 , G06F113/08 , G06F119/14
Abstract: 提供一种基于机器学习的高速双旋弹非定常气动力预测方法，属于飞行力学和人工智能技术领域。包括生成高速双旋弹气动力建模样本数据集；将数据集划分为训练集和测试集，确定模型输入输出；用神经网络建立从高速双旋弹状态量到所受气动力和力矩的预测模型；将模型用于高速双旋弹气动力和力矩的快速预测。本发明基于机器学习技术，采用非线性自回归神经网络，可很好的学习到双旋弹飞行状态参数到其所受气动力和力矩的映射关系，实现对高速双旋弹非定常气动力和力矩的快速精确预测，减小大规模耦合仿真耗时。本发明建模时考虑了当前时刻和历史时刻的飞行状态对当前时刻气动力和力矩的影响，并考虑了历史时刻气动力和力矩的影响，有效提高预测精度。
-
公开(公告)号：CN116205003A
公开(公告)日：2023-06-02
申请号：CN202310213378.9
申请日：2023-03-07
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/27 , G06F30/28 , G06F18/23 , G06F119/14 , G06F113/08
Abstract: 提供一种基于降阶模型和多层感知机的旋转弹弹道参数预测方法，属于飞行力学和人工智能技术领域，包括生成旋转弹弹道样本数据集；对旋转弹弹道样本数据降阶处理获得弹道参数的基模态和对应的模态系数信息；使用多层感知机建立从初始发射状态到弹道参数基模态系数的预测模型；将构建好的模型用于弹道参数基模态系数的预测，结合得到的基模态从而实现旋转弹弹道参数的快速预测。本发明基于模型降阶技术，结合多层感知机神经网络，可以很好的学习到弹道参数特征，实现对弹道参数的快速、精确预测，减小大规模高精度弹道计算耗时。本发明在建立预测模型时，先将初始状态参数进行了聚类处理，提高建模精度，降低预测误差。
-
公开(公告)号：CN114065662B
公开(公告)日：2022-09-02
申请号：CN202111341570.3
申请日：2021-11-12
Applicant: 西北工业大学
IPC: G06F30/28 , G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 提供一种适用于网格拓扑可变的翼型流场快速预测方法，针对同一基准外形扰动得到的系列翼型的定工况流场预测，具有一定的针对性，因此能够快速准确的实现对同系列翼型的流场数据预测；可对网格拓扑可变的翼型流场数据建模，降低了对训练样本的网格要求，实现了对翼型定常流场的快速准确预测，大量减少了流场计算耗时，减小了翼型气动弹性分析与优化过程中的大量流场计算耗时；在保证流场预测精度的同时，提高流场预测模型的通用性，适用于气动弹性分析与优化等实际问题。
-
公开(公告)号：CN114065662A
公开(公告)日：2022-02-18
申请号：CN202111341570.3
申请日：2021-11-12
Applicant: 西北工业大学
IPC: G06F30/28 , G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 提供一种适用于网格拓扑可变的翼型流场快速预测方法，针对同一基准外形扰动得到的系列翼型的定工况流场预测，具有一定的针对性，因此能够快速准确的实现对同系列翼型的流场数据预测；可对网格拓扑可变的翼型流场数据建模，降低了对训练样本的网格要求，实现了对翼型定常流场的快速准确预测，大量减少了流场计算耗时，减小了翼型气动弹性分析与优化过程中的大量流场计算耗时；在保证流场预测精度的同时，提高流场预测模型的通用性，适用于气动弹性分析与优化等实际问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
