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！

龙图腾网获悉中国人民解放军军事科学院国防科技创新研究院申请的专利基于本征正交分解和深度学习融合的流场重建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：CN116029205B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202211725574.6，技术领域涉及：G06F30/27；该发明授权基于本征正交分解和深度学习融合的流场重建方法是由龚智强;赵啸宇;周炜恩;张小亚;李昱设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本基于本征正交分解和深度学习融合的流场重建方法在说明书摘要公布了：本发明公开了一种基于本征正交分解和深度学习融合的流场重建方法，包括：S1，构造流场数据库，流场数据库中存储有离线状态的流场数据集合；S2，确定传感器放置位置并放置传感器，传感器用于在线观测流场部分点位的数据；S3，训练神经网络模型，并将传感器观测数据输入训练好的神经网络模型得到神经网络预测流场；S4，利用POD方法从流场数据中抽取POD模态；S5，基于GappyPOD方法，利用POD模态、神经网络预测流场、传感器测量数据构建最小化问题，求解获得POD模态系数；S6，基于求解的模态系数将POD模态线性组合输出流场重建结果。本方法对传感器观测数据的数量和质量更加鲁棒，求解精度更高，与神经网络直接预测相比没有显著增加重建时间，快速高效。

本发明授权基于本征正交分解和深度学习融合的流场重建方法在权利要求书中公布了：1.一种基于本征正交分解和深度学习融合的流场重建方法，其特征在于，包括： S1，构造流场数据库，所述流场数据库中存储有离线状态的流场数据集合； S2，确定传感器放置位置并放置传感器，所述传感器用于在线观测流场部分点位的数据； S3，训练神经网络模型，并将传感器观测数据输入训练好的神经网络模型得到神经网络预测流场； S4，利用POD方法从流场数据中抽取POD模态； S5，基于GappyPOD方法，利用POD模态、神经网络预测流场、传感器测量数据构建最小化问题，求解获得POD模态系数； S6，基于求解的模态系数将POD模态线性组合输出流场重建结果； 所述训练神经网络模型，包括： 从离线流场数据中抽取传感器位置处的数据作为初始网络模型的输入，对应的完整的流场数据作为初始网络模型的输出，训练得到反映传感器观测数据到完整流场之间的映射关系的神经网络模型； 初始网络模型采用卷积神经网络，卷积神经网络采用图像表示观测值和全局流场其中nx和ny分别为二维计算区域的长和宽； 计算区域离散化表示为矩阵位置i,j处的坐标分别为 观测值放置在传感器对应位置处用于保留空间位置关系，其余位置的值设置为0，生成观测输入 将观测输入o作为卷积神经网络的输入，全局流场s作为输出，采用多层的卷积层抽取特征，训练卷积神经网络； 通过下述公式求解POD系数λ： 其中，M为观测掩码，其为通过传感器位置确定的0-1矩阵，A为POD方法抽取的模态，o为传感器测量到的观测值，o′为神经网络预测流场，W为控制神经网络预测流场影响大小的权重； 通过POD模态系数和POD模态的线性组合，得到重建的物理场： s＝Aλ。

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中国人民解放军军事科学院国防科技创新研究院，其通讯地址为：100071 北京市丰台区东大街53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”。

以上内容由龙图腾AI智能生成。