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！

龙图腾网获悉西北工业大学申请的专利基于深度神经网络的叶栅风洞实验工况参数修正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：CN116399541B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202310354263.1，技术领域涉及：G01M9/00；该发明授权基于深度神经网络的叶栅风洞实验工况参数修正方法是由高丽敏;刘锬韬;涂盼盼;王浩浩;杨光设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本基于深度神经网络的叶栅风洞实验工况参数修正方法在说明书摘要公布了：本发明涉及一种基于深度神经网络的叶栅风洞实验工况参数修正方法，属于航空航天实验测量与人工智能领域。浮动工况参数，构建多组来流参数并进行叶栅流场数值计算；以浮动后工况参数归一化后作为输入量，以数值流场的叶片弦长前50％区域的测点位置的相应物理量归一化后作为输出，构建深度神经网络；以深度神经网络预测结果和实验测量结果的均方差作为损失函数，使用自动微分算法对损失函数梯度反向传播，获得该均方差对于工况参数的梯度；使用梯度优化算法，修正工况参数。本发明能够有效修正叶栅风洞实验的来流边界条件，能有效克服湍流模型产生的分离区预测偏差，无需特意选取湍流模型，特别适合于使用流场数值模拟方法进行实验流场的重构和反演。

本发明授权基于深度神经网络的叶栅风洞实验工况参数修正方法在权利要求书中公布了：1.一种基于流场数值模拟和深度神经网络的叶栅风洞实验工况参数修正方法，其特征在于，步骤如下： 步骤1：浮动实验工况参数，构建多组来流参数样本，对每组参数进行流场数值模拟； 步骤2：构建描述来流参数和流场参数的神经网络，神经网络的输入参数为归一化后的步骤1中的来流参数样本，输出参数为归一化后的每个样本计算流场中叶片弦长前50%区域的测量位置的对应物理量；具体如下： 步骤2-1：神经网络的输入参数为归一化后的每个样本的来流参数，对于来流马赫数和攻角，归一化公式如下： 1 2 式中，、、、分别表示训练数据中来流攻角、来流马赫数的最大值和最小值； 步骤2-2：神经网络的输出参数为归一化后每个样本的流场计算结果中前50%弦长对应的叶片测点位置的物理量，对于第j个测点的物理量，归一化公式如下： 3 式中，表示实验过程中前50%弦长对应的叶片测点的数目，、分别为样本流场中对于第j个测点的物理量的最小值和最大值； 步骤2-3：构建深度神经网络DNN，所述的深度神经网络DNN包括一个输入层、若干个隐藏层和一个输出层，数学表述如下： 4 步骤3：以实验测量的工况参数作为初值；使用梯度优化方法，修正来流参数，更新流场输入参数；具体如下： 步骤3-1：选取实验工况参数作为初值； 步骤3-2：对于第k步，为最大迭代次数，进行神经网络预测，将输入参数和进行归一化，获得DNN输出结果根据式3进行反变换，获得测点对应位置物理量，并计算对应测点实验测量数据的均方差，即为损失函数，简记为 5 其中，表示实验测量结果中第j个测点的实测物理量，若或k等于，跳入步骤4，其中ε为指定的阈值； 步骤3-3：使用自动微分方法，对损失函数进行梯度反向传播，获得损失函数对来流参数的梯度： 6 步骤3-4：使用梯度优化方法，修正来流参数，更新流场输入参数： 7 Opt为选用的梯度优化算法，更新后的流场输入参数带入步骤3-2，进行迭代； 步骤4：将当前计算获得流场输入参数作为改型叶栅该实验工况修正后的工况参数，使用修正后的来流马赫数和来流攻角进行流场数值计算，若数值流场中测点的流动参数与前50%弦长区域的实验测量数据的均方差小于指定阈值，则修正后的来流马赫数和来流攻角作为最终修正结果，若该均方差大于指定阈值，则将本次流场数值计算数据作为加入深度神经网络的训练集，重复步骤1至步骤4。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。

以上内容由龙图腾AI智能生成。