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：中国石油化工股份有限公司

摘要：本发明公开了一种基于infoGAN的三维温度场预测方法，包括以下步骤：获取工况数据，CFD仿真计算获得该工业加热炉的三维温度场数据，由该三维温度场数据所得样本为真样本；数据预处理后分为训练集和测试集；训练infoGAN网络，其中，通过比较假样本与真样本分布之间的Wasserstein距离的差异，并分别求出判别器和生成器目标损失函数，更新判别器和生成器各层的参数，使得生成器和判别器不断互相博弈，交替训练；使用测试集对训练后的infoGAN网络性能进行测试，利用最终训练好的infoGAN网络实现工业加热炉三维温度场的预测。本发明能够直接从加热炉入口工况数据预测加热炉内部温度场，节省计算时间和计算成本。

主权项：1.一种基于infoGAN的三维温度场预测方法，其特征在于，该方法包括以下步骤：步骤一、建立数据集，包括：获取工况数据：所述工况数据包括工业加热炉进口处燃料流动速度，单位ms；工业加热炉进口处的温度，单位K；工业加热炉的壁面导热系数，单位m*K；利用CFD仿真计算获得该工业加热炉的三维温度场数据，包括工业加热炉内部采样点的三维坐标和对应温度值，该三维温度场数据为真样本；步骤二、数据预处理：利用式1对步骤一得到的工况数据进行归一化预处理处理： 式1中，ei为步骤一获得的工况数据，ci为利用式1计算后得到的结果，i＝1，2，3，e1表示工业加热炉进口处燃料流动速度，单位ms，c1为e1归一化后结果，无量纲；e2表示工业加热炉进口处的温度，单位K，c2为e2归一化后结果，无量纲；e3表示工业加热炉的壁面导热系数，单位m*K，c3为e3归一化后结果，无量纲；mean、max、min分别为对应工况数据训练样本范围内的均值、最大值、最小值；将归一化处理之后的工况数据与步骤一CFD仿真计算获得的三维温度场数据一一对应形成若干组，并随机选择其中的a％数据作为训练集，剩余的100-a％作为测试集；步骤三、训练infoGAN网络：将训练集投入infoGAN网络进行训练，包括：3-1初始化infoGAN网络生成器G和判别器D的权重参数；3-2所述infoGAN的生成器的输入是随机噪声向量z和编码c，其中，随机噪声向量z设定为正态高斯分布噪声；将归一化处理后的工况数据中工业加热炉进口处燃料流动速度c1、工业加热炉进口处的温度c2和工业加热炉的壁面导热系数c3分别设置为编码c的三个维度，即c为3×1大小；3-3所述infoGAN网络的生成器的输出为假样本，以该假样本作为所述infoGAN网络的判别器的输入；3-4所述infoGAN网络的判别器生成与编码c结构一致的重建编码c’，并比较了假样本与真样本分布之间的Wasserstein距离的差异，然后利用式2计算出判别器的目标损失函数，并求出判别器目标损失函数的梯度，将该梯度反向传播回infoGAN网络的判别器的各层，用以更新判别器各层的参数；3-5接着，通过比较假样本与真样本分布之间的Wasserstein距离的差异，将重建编码c’代入式4计算出编码c与假样本之间的互信息，然后利用式2计算出生成器的目标损失函数，并求出生成器目标损失函数的梯度，将该梯度反向传播回infoGAN网络生成器的各层，用以更新生成器各层的参数； 式2中：VD，G为GAN的损失函数： 式2和式3中，x代表判别器的真样本输入项，即由步骤一CFD仿真计算的温度场数据，且x的分布服从Px，G·代表经过infoGAN网络生成器后得到的温度场数据，D·代表infoGAN网络判别器得出的结果，E·计算期望值；β、λ分别为自定义的超参数权重，β和λ的初始值均为1；为梯度惩罚约束，其中ε～Uniform[0，1]，代表对的期望，代表求解关于的梯度，||·||2代表计算矩阵的2-范数；I·为互信息： 3-6重复步骤3-3至3-5，使得生成器和判别器不断互相博弈，交替训练，直至训练到达指定周期数或人为停止；至此得到训练后的infoGAN网络；步骤四、使用测试集对训练后的infoGAN网络性能进行测试，针对测试结果决定是否对该训练后的infoGAN网络做进一步的优化，使得训练后的infoGAN网络生成的三维温度场数据与步骤一CFD仿真计算的三维温度场数据之间的平均相对误差小于5％；步骤五、利用步骤四测试后的训练好的infoGAN网络，实现工业加热炉三维温度场的预测。

全文数据：

权利要求：

百度查询： 中国石油化工股份有限公司 基于infoGAN的三维温度场预测方法