龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：西北工业大学
摘要：本发明一种基于卷积神经网络的PIV流场数据补缺方法，属于实验测量技术领域；方法步骤为：搭建用于数据补缺的卷积神经网络；调整神经网络的结构和超参数，以提高数据补缺的准确性；生成用于神经网络训练的数据集；使用步骤3的仿真数据集测试网络在仿真数据上的补缺性能；使用实验数据集验证网络在真实场景下的数据补缺性能。该方法借助大量数值模拟结果和少量实验流场结果，采用卷积神经网络，即可将缺失信息的实验流场补充为完整的实验流场。
主权项：1.一种基于卷积神经网络的PIV流场数据补缺方法，其特征在于具体步骤如下：步骤1：搭建用于数据补缺的卷积神经网络；步骤2：调整神经网络的结构和超参数，以提高数据补缺的准确性；调整神经网络的结构和超参数的方式：首先，构建一个参数量远大于训练数据的量的网络，大参数量的网络会在训练过程中发生过拟合；然后，再将网络参数量逐渐改小，寻找网络精确度高且不过拟合的网络；最后，再对训练中的一些超参数进行调整，寻找不同超参数情况下的最好结果，作为本方法中使用的网络模型；步骤3：生成用于神经网络训练的数据集；使用数值模拟获取用于网络训练的数据集，使用实验数据作为神经网络测试的数据集；所述数值模拟方法采用格子玻尔兹曼LBM求解器求解N-S方程,不可压缩方程求解遵循He-Luo模型，控制方程如下： 获取与实验相对应的工况的三维流场数据，将这些流场数据切片为二维的数据以模仿PIV实验获取的数据，保存作为网络训练的总数据集，需要5000个的瞬时流场用于神经网络的训练；步骤4：使用步骤3的仿真数据集测试网络在仿真数据上的补缺性能；步骤5：使用实验数据集验证网络在真实场景下的数据补缺性能。
全文数据：
权利要求：
百度查询： 西北工业大学 一种基于卷积神经网络的PIV流场数据补缺方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号