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！

龙图腾网获悉广西大学申请的专利结合双线学习神经网络与共形映射的水轮机叶片拓扑优化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：CN119358160B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411381339.0，技术领域涉及：G06F30/17；该发明授权结合双线学习神经网络与共形映射的水轮机叶片拓扑优化方法是由丁江;李洋溢;吴飞;胡日滨;农卫航设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本结合双线学习神经网络与共形映射的水轮机叶片拓扑优化方法在说明书摘要公布了：本发明公开了一种结合双线学习神经网络与共形映射的水轮机叶片拓扑优化方法。首先，通过共形映射算法将水轮机叶片模型映射到二维平面，生成数据样本库以及相应的共形因子。采用流固耦合分析获得模型节点在特定流场条件下的外力场和位移场。本发明方法通过引入全局注意U—NET神经网络，并将共形因子、结构拓扑、外力场和位移场作为网络的输入输出，进行神经网络的训练。优化过程减少了对传统有限元分析的依赖，提高了优化效率，并通过离线学习与在线学习的结合，实现了水轮机叶片的高效拓扑优化，进而提升了水轮机的性能和可靠性。

本发明授权结合双线学习神经网络与共形映射的水轮机叶片拓扑优化方法在权利要求书中公布了：1.一种结合双线学习神经网络与共形映射的水轮机叶片拓扑优化方法，其特征在于，包括以下步骤： 1创建由水轮机叶片模型组成的数据样本库，对每一样本使用共形映射算法，将该样本映射到二维平面，获得映射后的二维网格以及网格节点对应的共形因子； 2对每一样本在不同结构拓扑情况下进行流固耦合分析，获取特定流场条件下模型节点的外力场以及位移场； 3将U—NET神经网络的平滑过渡层更换为全局注意力层，获取全局注意U—NET神经网络； 4将每一样本在步骤1所述的共形因子与结构拓扑作为网络的输入，以及在步骤2中产生的模型节点的外力场以及位移场作为网络的输出，将网络的输入与输出进行整合，构成单独的训练样本矩阵； 5将步骤4获取的每一个训练样本矩阵进行全体整合，作为离线学习数据集训练步骤3的全局注意U—NET神经网络； 6将待优化的水轮机叶片模型经共形映射算法处理，获取映射后的网格以及共形因子，并在此基础上完成水平集拓扑优化方法的初始化，并进行多次优化迭代； 7整合步骤6产生的外力场、位移场、结构拓扑以及共形因子，并参照步骤5获取在线学习数据集； 8将步骤5训练的全局注意U—NET神经网络通过在线学习数据集进行二次训练； 9将经步骤8二次训练后的全局注意U—NET神经网络取代水平集方法的流固耦合分析步骤，生成结合双线学习的水平集方法； 10将步骤9获取的结合双线学习的水平集方法用于步骤5所选模型的多次之后的优化迭代。

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广西大学，其通讯地址为：530004 广西壮族自治区南宁市西乡塘区大学东路100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。