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！

龙图腾网获悉杭州电子科技大学申请的专利基于人工神经网络预测低雷诺数微流体芯片流体场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：CN115994482B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202211570053.8，技术领域涉及：G06F30/27；该发明授权基于人工神经网络预测低雷诺数微流体芯片流体场方法是由王骏超;孙陶陶;刘军设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本基于人工神经网络预测低雷诺数微流体芯片流体场方法在说明书摘要公布了：本发明涉及基于人工神经网络预测低雷诺数微流体芯片流体场方法，在微流体芯片制造前，快速预测模拟微流体性能。提出九宫格模型，归纳出15种人工神经网络模型，在只有边界条件和几何形状的前提下，预测整个微流体混合区域流体场。从整个微流体混合域流体场的左上角开始预测，给定左边界上边界，利用15种人工神经网络模型预测整个区域流体场信息。从数学角度来看，任意一个形状都可以用九宫格无限逼近，可以推出，理论上九宫格模型可以用来预测任意形状的微流体混合器流体信息。

本发明授权基于人工神经网络预测低雷诺数微流体芯片流体场方法在权利要求书中公布了：1.基于人工神经网络预测低雷诺数微流体芯片流体场方法，其特征在于：包括以下步骤： S1、创建微流体芯片模型： S2、人工神经网络模型预测微流体芯片的流体场：从S1中随机微流体芯片模型中提取数据，划分网格，设置边界条件，归纳人工神经网络模型，最终使用定制的算法，调用预训练的人工神经网络模型，预测整个微流体芯片流体场； S3、基于低雷诺数通用微流体芯片模型提取数据：从上述模型中以.txt格式，导出控制微流体芯片随机性设计的100·100的01矩阵，一个微流体芯片模型有七万多个节点，导出每个节点的速度的水平方向分量，竖直方向分量及其在坐标系中的x,y坐标值，通过导出的数据，分别将设计域的流体速度的水平方向分量，竖直方向分量，根据x,y坐标值划分成100·100的矩阵，每种设计对应着三个100·100的矩阵，分别是01矩阵、速度水平方向分量矩阵及竖直方向分量矩阵，将水平方向速度分量矩阵记为Vx，竖直方向分量速度矩阵记为Vy； S4、生成数据集：现定义一个九宫格，一个3行3列的矩阵，从左到右，自上而下进行编号，第一行编号为：1、2、3，第二行编号为：4、5、6，第三行编号为：7、8、9，利用python的numpy库，同时对三个矩阵，从三个矩阵位置进行大小为3·3，步长为3,3的切片处理，经过一次切片可以得到3个3行3列的矩阵，分别是：是否创建网格的01矩阵，记为[[P1,P2,P3],[P4,P5,P6],[P7,P8,P9]]；水平方向速度分量矩阵，记为[[Vx,1,Vx,2,Vx,3],[Vx,4,Vx,5,Vx,6],[Vx,7,Vx,8,Vx,9]]；竖直方向速度分量矩阵，记为[[Vy,1,Vy,2,Vy,3],[Vy,4,Vy,5,Vy,6],[Vy,7,Vy,8,Vy,9]]，将切出来的数据展开并拼接成一行，得到一个1行27列的矩阵，即[P1,…,P9,Vx,1,…,Vx,9,Vy,1,…,Vy,9]，经过处理，一个微流体芯片模型可以生成33·33行数据，此前生成的10000个模型将会产生10000·33·33条数据作为数据集； S5、初始化Vx，Vy矩阵：将S3的100·100的01矩阵中，所有1对应位置的Vx，Vy初始化为0，所有0对应位置的Vx，Vy初始化为-1，01矩阵中1代表创建网格，对应的速度为0；01矩阵中值为0的位置是待测区域； S6、添加边界条件：在S3中得到一个01矩阵100·100，S5中得到两个初始化的Vx，Vy，在这三个矩阵的上方添加一个1行100列的矩阵作为上边界条件，最左边添加一个101行1列的矩阵作为左边界条件，上边界值提取自微流体芯片模型的0x500，500y505这一范围，由于这一范围为实体，所以对应01矩阵上边界，这一行所有值为0，对应Vx，Vy上边界提取自微流体芯片模型的0x500，500y505这一范围，左边界值提取自微流体混合器的-5x0，0y505这一范围，由于该范围内全部被创建网格，对应01矩阵左边界所有值为1；对应Vx，Vy左边界提取自微流体混合器的-5x0，0y505这一范围，这一列所有值为0，经过上述操作，得到了三个101·101的矩阵且第一行第一列是已知的边界条件，Vx，Vy中值为-1的区域表示待测区域，值为0的区域表示创建网格区域，没有流体经过； S7、归纳人工神经网络模型：对S7中的Vx，Vy矩阵用九宫格思想切片，从左上角开始预测，第一个九宫格的1、2、3、4、7号位置是已知的边界条件，只有5、6、8、9号位置不确定的，将第一个九宫所有可能情况进行归纳，如果5、6、8、9号位置的值为{Vx，5,Vx，6,Vx，8,Vx，9,Vy，5,Vy，6,Vy，8,Vy，9＝-1,0,0,0,-1,0,0,0}，代表只有5号位置是待测区域，其他位置都是被创建了网格，速度为0，将这一模型记为ANN_5，同理可推测出ANN_6，ANN_8，ANN_9；同理可推出{Vx，5,Vx，6,Vx，8,Vx，9,Vy，5,Vy，6,Vy，8,Vy，9＝-1,-1,0,0,-1,-1,0,0}表示5、6号位置是待测区域，8、9号位置被创建了网格，记为ANN_56，那么可推出以下模型：ANN_58，ANN_59，ANN_68，ANN_69，ANN_89；同理可推出{Vx，5,Vx，6,Vx，8,Vx，9,Vy，5,Vy，6,Vy，8,Vy，9＝-1,-1,-1,0,-1,-1,-1,0}表示5、6、8号位置是待测区域，9号位置被创建了网格，记为ANN_568，那么可推出以下模型：ANN_569，ANN_589，ANN_689，{Vx，5,Vx，6,Vx，8,Vx，9,Vy，5,Vy，6,Vy，8,Vy，9＝-1,-1,-1,-1,-1,-1,-1,-1}表示5、6、8、9号位置是待测区域，记为ANN_5689； S8、训练人工神经网络模型：人工神经网络具体参数包括人工神经网络的层数，类型，神经元节点数，激活函数类型，训练结果包括每个人工神经网络模型名称，要预测输出位置，训练集准确率，测试集准确率，训练集的损失值； S9、利用已训练的人工神经网络模型预测整个混合域流体场： 利用上述ANN模型从左上角开始预测整个微流体混合域流体场，切片得到第一个九宫格，8,9号位置值为-1，使用ANN_89模型预测出Vx,8，Vy,8,Vx,9，Vy,9的值，并将其更新到Vx，Vy矩阵中，接着将3·3切片向右移动一格得到第二个九宫格，第二个九宫格的1、2、3号位置是已知边界条件，4、5、7、8号位置的值是第一个九宫格利用上述ANN模型预测所得，只有6、9号位置值为-1，用ANN_69模型预测出Vx,6，Vy,6,Vx,9，Vy,9的值，以此类推，直至最后一列；当最后一个九宫格预测完之后，切片从705位置开始预测，1、4、7号位置是已知边界条件，2、3、5、6号位置由第一个九宫格预测得出，8号位置值为-1，9号位置值为0，故使用ANN_8预测，以此类推，这15种ANN模型就可以实现预测所有的Vx，Vy； S10、使用SSIM算法比较预测结果与实际仿真结果图的相似性：从图像的亮度，对比度，结构三个方面进行衡量，指标范围为0到1，相同的两张图片SSIM算法得分为1，得分越接近1，两张图片越相似，预测的越准确，将在计算机上仿真模拟的结果与人工神经网络预测的结果用SSIM算法进行计算，结果用直方图来展现。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道2号大街1158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。