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！

龙图腾网获悉华中科技大学申请的专利一种基于卷积神经网络的二维定常层流流场快速预报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：CN115630589B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202211284825.1，技术领域涉及：G06F30/28；该发明授权一种基于卷积神经网络的二维定常层流流场快速预报方法是由刘曾;张林风;张正艺;李家盛;孙江龙设计研发完成，并于2022-10-17向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的二维定常层流流场快速预报方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络的二维定常层流流场快速预报方法，包括：从船体型线中提取形状与长宽比各异的船体在不同深度处的水线面轮廓，获得二维船体剖面数据；对二维船体剖面数据和固定流场边界条件进行整合，形成流场几何信息及边界条件，通过流场几何信息及边界条件求解流场速度及压力分布；将流场几何信息及边界条件作为卷积神经网络的输入数据，编码器对输入数据进行编码，解码器对编码器输出的数据进行解码，根据训练结果调整卷积神经网络的超参数，得到最优超参数后，利用训练得到二维定常层流流场快速预报模型进行二维定常层流流场快速预报。本发明计算时间短、所需计算资源少，使得相应的设计周期大幅缩短、研究成本较小。

本发明授权一种基于卷积神经网络的二维定常层流流场快速预报方法在权利要求书中公布了：1.一种基于卷积神经网络的二维定常层流流场快速预报方法，其特征在于，包括： 将待预测流场几何信息及边界条件输入二维定常层流流场快速预报模型，输出流场速度及压力分布； 所述二维定常层流流场快速预报模型通过如下方式训练得到： 从船体型线中提取形状与长宽比各异的船体在不同深度处的水线面轮廓，获得二维船体剖面数据； 对二维船体剖面数据和固定流场边界条件进行整合，形成流场几何信息及边界条件，通过流场几何信息及边界条件求解流场速度及压力分布； 将多个卷积层和池化层组成编码器，将多个反卷积层和去池化层组成解码器，在编码器的部分卷积层与解码器的部分反卷积层之间建立跳跃连接，构建卷积神经网络； 将流场几何信息及边界条件作为卷积神经网络的输入数据，编码器对输入数据进行编码，解码器通过对跳跃连接传递的数据与去池化得到的数据进行拼接后反卷积的方式来对编码器输出的数据进行解码，每次训练前调整卷积神经网络的超参数，当卷积神经网络输出的流场速度及压力分布与求解的流场速度及压力分布之间的误差小于预设值时，训练得到二维定常层流流场快速预报模型； 所述卷积神经网络的输入数据通过如下方式获取： 从二维船体剖面数据中获取船体剖面的多个边缘点坐标，逐一计算二维船体剖面数据中每个采样点与各边缘坐标点的距离，取各采样点到边缘坐标点的最小距离作为其符号距离函数值，对于船体剖面内部的采样点将其符号距离函数值设为0，由此，二维船体剖面数据中所有采样点的符号距离函数值形成以中心障碍物为边界的符号距离函数图； 从固定流场边界条件中获取流场的上下边界的坐标，逐一计算二维船体剖面数据中每个采样点到流场的上下边界的垂直距离，将垂直距离最小值作为其符号距离函数值，形成以上下为边界的符号距离函数图； 对船体剖面内部和外部以及流场的上下边界赋予不同的值，形成流域标记图， 以中心障碍物为边界的符号距离函数图、以上下为边界的符号距离函数图以及流域标记图组成流场几何信息及边界条件，作为卷积神经网络的输入数据。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。