-
公开(公告)号：CN118378560B
公开(公告)日：2025-02-25
申请号：CN202410350721.9
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/28 , G06F30/27 , G06F18/213 , G06N3/0475 , G06N3/094 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于多视图生成式判别学习的流场预测方法，包括以下步骤：获取流场数据集；将数据集向量使用Mask算法得到不同视图的向量；输入流场向量形式特征数据，再使用次成分分析算法得到降维后的特征向量；将上述向量的耦合结果输入到生成器进行结果生成，得到一流场结构图的特征向量；将上述向量的耦合结果进行CFD软件模拟，得到另一流场结构图，并使用图像特征提取器得到其特征向量；将上述流场结构图的特征向量输入到鉴别器，计算损失值，通过损失值优化生成器和鉴别器；重复上述四个步骤，迭代优化模型，直到收敛；输入测试数据，利用优化模型得到输出作为流场预测结果。
-
公开(公告)号：CN119397880A
公开(公告)日：2025-02-07
申请号：CN202411310195.X
申请日：2024-09-19
Applicant: 中国核动力研究设计院
IPC: G06F30/27 , G06F30/28 , G06N3/0985 , G06F111/04 , G06F113/08 , G06F119/14 , G06F119/08
Abstract: 本申请公开了一种核反应堆两流体参数的确定方法、装置、介质和设备。方法包括：依据核反应堆的工况变量，确定核反应堆的预设约束条件和两流体控制方程；依据预设约束条件和两流体控制方程，构建目标损失函数；通过最小化目标损失函数进行迭代训练，得到参数预测模型；将目标工况参数输入参数预测模型，得到核反应堆在目标工况参数下的两相流动行为的特性参数。本申请的方法，将控制方程嵌入到网络模型显著降低了问题解空间的复杂度，有助于减少对训练样本数据的需求，不仅实现复杂多变的环境中核反应堆的两流体方程的快速求解，同时兼顾了两相特性参数的预测可靠性和泛化能力。
-
公开(公告)号：CN118332684B
公开(公告)日：2025-05-13
申请号：CN202410350713.4
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/15 , G06F30/27 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/048 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于密集卷积网络的流场预测方法，包括以下步骤：获取翼型形状数据集和仿真流场数据集；利用加入自适应Dropout模块的密集卷积网络获取翼型几何参数；构建翼型参数和物理参数输入用例；训练基于MHP的流场预测模型；利用训练好的流场预测模型在不同的翼型数据上预测流场。本发明在使用密集卷积网络提取翼型特征数据时加入了SeLU激活函数和自适应Dropout，缓解了因数据量少而导致的流场预测方法存在的过拟合情况，增强了神经网络的预测精度和泛化性；同时利用多头感知机训练预测模型并进行预测，避免了稀疏数据对其他待预测的气动参数的干扰，弥补了MLP在处理稀疏数据时存在的缺陷，提高的预测的精度。
-
公开(公告)号：CN118395886B
公开(公告)日：2025-02-25
申请号：CN202410350715.3
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/28 , G06F30/27 , G06V10/77 , G06V10/774 , G06V10/80 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于令牌选择Transformer的流场预测方法，包括以下步骤：获取翼型形状数据集和真实流场数据集；通过令牌选择Transformer网络提取翼型几何参数；构建参数融合网络融合物理信息特征；训练基于多层感知机的流场预测网络；利用训练好的流场预测模型在不同的翼型数据上预测压力场和速度场。本发明通过引入自注意力机制与令牌选择机制，解决了提取翼型几何参数时关注点不准确、特征提取粒度较粗的问题；通过引入物理信息融合网络，增强了模型的表达能力与泛化能力；在不同的翼型和流场条件下都具有良好的预测精度和预测效率，可为飞行器气动外形设计、气动性能分析等任务提供快速指导。
-
公开(公告)号：CN118395886A
公开(公告)日：2024-07-26
申请号：CN202410350715.3
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/28 , G06F30/27 , G06V10/77 , G06V10/774 , G06V10/80 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于令牌选择Transformer的流场预测方法，包括以下步骤：获取翼型形状数据集和真实流场数据集；通过令牌选择Transformer网络提取翼型几何参数；构建参数融合网络融合物理信息特征；训练基于多层感知机的流场预测网络；利用训练好的流场预测模型在不同的翼型数据上预测压力场和速度场。本发明通过引入自注意力机制与令牌选择机制，解决了提取翼型几何参数时关注点不准确、特征提取粒度较粗的问题；通过引入物理信息融合网络，增强了模型的表达能力与泛化能力；在不同的翼型和流场条件下都具有良好的预测精度和预测效率，可为飞行器气动外形设计、气动性能分析等任务提供快速指导。
-
Patent Agency Ranking
公开(公告)号：CN118332684A
公开(公告)日：2024-07-12
申请号：CN202410350713.4
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/15 , G06F30/27 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/048 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于密集卷积网络的流场预测方法，包括以下步骤：获取翼型形状数据集和仿真流场数据集；利用加入自适应Dropout模块的密集卷积网络获取翼型几何参数；构建翼型参数和物理参数输入用例；训练基于MHP的流场预测模型；利用训练好的流场预测模型在不同的翼型数据上预测流场。本发明在使用密集卷积网络提取翼型特征数据时加入了SeLU激活函数和自适应Dropout，缓解了因数据量少而导致的流场预测方法存在的过拟合情况，增强了神经网络的预测精度和泛化性；同时利用多头感知机训练预测模型并进行预测，避免了稀疏数据对其他待预测的气动参数的干扰，弥补了MLP在处理稀疏数据时存在的缺陷，提高的预测的精度。
-
公开(公告)号：CN117675562A
公开(公告)日：2024-03-08
申请号：CN202311673161.2
申请日：2023-12-07
Applicant: 中国核动力研究设计院
IPC: H04L41/0803 , H04L41/0823 , H04L47/43 , H04L67/50
Abstract: 本专利属于一种反应堆仿真软件的多类型数据网络传输通信方法，为了实现不同类型的数据在反应堆仿真软件的前后端进行通信传输，服务端通过构造支持多类型数据的参数映射表将客户端订阅的多类型数据推给客户端。同时，服务端将查询到的所有参数合并成一个多类型数据包，一次性推送给客户端，降低了通信次数，提升了通信效率。
-
公开(公告)号：CN118333131B
公开(公告)日：2025-04-18
申请号：CN202410350723.8
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06N3/0895 , G06N3/0499 , G06N3/0442 , G06F18/214 , G06F18/24
Abstract: 本发明公开一种基于半监督学习的判别回归流场预测方法，包括以下步骤：获取半监督流场预测数据集；构建基于神经网络的深度流场预测模型；通过预热策略获得初步收敛的深度流场预测模型；利用神经网络记忆效应划分难样本、简单样本数据集；利用判别回归方法训练优化深度流场预测模型；利用深度流场预测模型执行预测，获取回归测试结果。本发明利用神经网络记忆效用实现判别回归预测方法，缓解流场预测半监督学习过拟合的问题；通过将伪标注和真实标注的样本混合，并利用GMM将样本划分为难易样本，有利于后续采取不同的学习策略来增强模型的判别性，进而提高性能；同时利用优化的深度流场预测模型计算样本的预测值，获取回归测试结果。
-
公开(公告)号：CN118378560A
公开(公告)日：2024-07-23
申请号：CN202410350721.9
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/28 , G06F30/27 , G06F18/213 , G06N3/0475 , G06N3/094 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于多视图生成式判别学习的流场预测方法，包括以下步骤：获取流场数据集；将数据集向量使用Mask算法得到不同视图的向量；输入流场向量形式特征数据，再使用次成分分析算法得到降维后的特征向量；将上述向量的耦合结果输入到生成器进行结果生成，得到一流场结构图的特征向量；将上述向量的耦合结果进行CFD软件模拟，得到另一流场结构图，并使用图像特征提取器得到其特征向量；将上述流场结构图的特征向量输入到鉴别器，计算损失值，通过损失值优化生成器和鉴别器；重复重复上述四个步骤，迭代优化模型，直到收敛；输入测试数据，利用优化模型得到输出作为流场预测结果。
-
公开(公告)号：CN118377994A
公开(公告)日：2024-07-23
申请号：CN202410409399.2
申请日：2024-04-07
Applicant: 中国核动力研究设计院
Inventor： 刘东 , 陈俊辑 , 陈奇隆 , 彭航 , 潘俊杰 , 张斌 , 李庆 , 涂晓兰 , 陈长 , 肖聪 , 芦韡 , 李文杰 , 范佳锟 , 向迪 , 卢宗健 , 曾辉 , 崔显涛 , 赵晨 , 江勇 , 庞志鑫 , 邓平
Abstract: 本发明具体涉及一种深度机器学习求解连续性积分方程的方法，包括如下步骤：对包含未知函数和积分项的连续性积分方程中的积分项转化为被积函数的原函数表达式，将原积分方程转化为没有积分项的微分方程；给出被积函数原函数特定解的生成方法；对未知函数和被积函数原函数分别映射为神经网络函数，对未知函数和被积函数原函数的神经网络函数交替进行深度机器学习；完成深度机器学习的未知函数和被积函数原函数的神经网络函数分别为未知函数和被积函数原函数的数值解。本发明避免了积分项有限和代替积分项带来的系统性误差以及被积函数缺乏唯一性带来的收敛性问题，使其有效应用于中子输运理论、流体力学以及热力学等工业领域的核心方程求解。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
