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！

龙图腾网获悉四川大学;中国核动力研究设计院申请的专利一种基于密集卷积网络的流场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：CN118332684B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202410350713.4，技术领域涉及：G06F30/15；该发明授权一种基于密集卷积网络的流场预测方法是由彭德中;刘东;于洋;罗凯升;庞志鑫;孙元;秦阳设计研发完成，并于2024-03-26向国家知识产权局提交的专利申请。

本一种基于密集卷积网络的流场预测方法在说明书摘要公布了：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。

本发明授权一种基于密集卷积网络的流场预测方法在权利要求书中公布了：1.一种基于密集卷积网络的流场预测方法，其特征在于：包括以下步骤：S1、获取翼型形状数据集及仿真流场数据集，并对翼型形状数据进行预处理；S2、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；S3、构建翼型参数和物理参数输入用例；S4、训练基于MHP的流场预测模型；S5、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；所述步骤S1的具体步骤如下：S11、从翼型形状数据集中获取基准翼型并对其进行拟合，在拟合曲线上得到坐标细节；S12、获取的坐标生成翼型的倒灰度图像，并在翼型轮廓完全通过的像素设置为1，在翼型轮廓没有通过的像素设置为0，其余像素值设置在0到1之间；所述步骤S2的具体步骤如下：S21、对于生成的翼型倒灰度图像X∈RC*H*W，将其输入卷积层进行图像降维，其中，R表示实数域，C表示输入图像的通道数，H和W表示特征图的高度和宽度；输出图像其中Cout表示输出通道数，Hout和Wout表示输出特征图的高度和宽度；S22、卷积层的输出表示为F依次交替经过密集卷积网络的三个DenseBlock和两个TransitionLayer后进行池化和线性操作，得到翼型几何参数；所述步骤S4的具体步骤如下：S41、将步骤S2中得到的翼型特征参数和步骤S3中构建的物理特征作为输入，对模型进行训练，利用多头网络得到模型对不同分布特征的物性参数u，p，v的预测输出，其具体表达式如下： 其中，公式左侧表示MHP的预测模型，u，p，v分别表示流场的x方向速度分量，压力值和y方向速度分量；S42、多头感知机中每头的LOSS函数表达式如下： 其中，分别表示由CFD模拟的流场x方向速度分量，压力值和y方向速度分量，分别表示预测值；S43、当LOSS收敛时，训练结束，得到预测模型。

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四川大学;中国核动力研究设计院，其通讯地址为：610000 四川省成都市一环路南一段24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”。