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：中国科学院赣江创新研究院
摘要：本发明涉及叶轮机械优化设的技术领域，尤其涉及一种离心泵深度学习优化方法，包括，基于初始设计的离心泵，选择对离心泵性能参数影响明显的设计变量，给出设计变量的优化范围，采用最优超立方拉丁采样OLHS在将这些设计变量在多维参数空间中创建样本集；分别对每个样本点进行CFD计算获得对应的性能参数；基于支持向量机回归SVR作为代理模型，采用训练样本进行SVR代理模型建立；建立优化目标与优化变量之间的关系；避免了繁琐的实验过程，既提升了数据的准确性也增强了方法的实用性，通过这种方法，离心泵过流部件的优化不仅更加高效、稳定，而且能够在无需实验条件的情况下快速准确地获得最优设计解，加速了离心泵的优化进程。
主权项：1.一种离心泵深度学习优化方法，其特征在于：包括，基于初始设计的离心泵，选择对离心泵性能参数影响明显的设计变量，给出设计变量的优化范围，采用最优超立方拉丁采样OLHS在将这些设计变量在多维参数空间中创建样本集；分别对每个样本点进行CFD计算获得对应的性能参数；基于支持向量机回归SVR作为代理模型，采用训练样本进行SVR代理模型建立；建立优化目标与优化变量之间的关系，使用验证集样本对生成的代理模型进行误差检测，以确保SVR模型能够准确获得性能预测值；最后使用非支配排序NAGA-II算法进行多目标寻优，直至NAGA-II算法达到最大迭代数；根据NAGA-II算法优化结果，对优化前后的离心泵进行CFD计算，获得优化前后的性能参数，对比性能参数的差异，以判断优化循环是否收敛，收敛后的最优样本对应的优化变量组合即为优化结果。
全文数据：
权利要求：
百度查询： 中国科学院赣江创新研究院 一种离心泵深度学习优化方法
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