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！

龙图腾网获悉南京航空航天大学申请的专利一种基于降阶模型的双层壁叶片内部颗粒沉积特性快速预测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：CN120930563B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511470814.6，技术领域涉及：G06F30/28；该发明授权一种基于降阶模型的双层壁叶片内部颗粒沉积特性快速预测方法是由王飞龙;朱水花;杨超;王玉彬;曾嘉慰;张茜;周世亮;宣金鑫;毛军逵设计研发完成，并于2025-10-15向国家知识产权局提交的专利申请。

本一种基于降阶模型的双层壁叶片内部颗粒沉积特性快速预测方法在说明书摘要公布了：本发明公布了一种基于降阶模型的双层壁叶片内部颗粒沉积特性快速预测方法，包括建立模型，划分网格，数值仿真，建立数据集，建立POD与MLP相结合的快速预测模型。将深度学习方法与冷却结构内部通道结合，针对气膜孔直径、吹风比和温比三种参数，基于POD分解将高维数据转化为表征颗粒沉积特征的低维模态系数，运用MLP深度神经网络法拟合模态系数与相关参数，建立快速预测模型，实现对叶片内部颗粒沉积规律快速分析和评估。本发明的方法能有效预测双层壁涡轮叶片内部颗粒沉积情况，为叶片内部冷却通道的设计与及时清洗提供一定的数据支撑和指导。

本发明授权一种基于降阶模型的双层壁叶片内部颗粒沉积特性快速预测方法在权利要求书中公布了：1.一种基于降阶模型的双层壁叶片内部颗粒沉积特性快速预测方法，其特征在于，包括： 步骤1：选取双层壁涡轮叶片弦长中部区域作为研究对象，简化双层壁涡轮叶片弦长中部区域为双层壁平板模型，对平板模型进行网格划分，并建立对应的数学模型； 步骤2：选取气膜孔直径、吹风比和温比作为特征参数，采用拉丁超立方LHS在特征参数范围内进行抽样，抽取65个样本，作为特征数据集，将平板网格划分得到的网格模型导入Ansys-Fluent软件中，设置数值模拟边界条件并将特征数据集的参数输入到算例的边界条件中，采用SSTk-ω湍流模型对流场进行稳态计算； 步骤3：加载沉积UDF，运用临界速度模型与颗粒剥离模型结合的沉积模型计算沉积面颗粒沉积特性，得到冲击平板和气膜平板沉积速率云图，建立与特征数据集相对应的标签数据集；将数据集按8：1：1的比例划分为训练集、测试集和验证集；通过颜色空间均匀插值构建色阶映射，将65个样本的沉积速率分布彩色图像转换为三维数值矩阵； 步骤4：对三维数值矩阵进行基于奇异值分解SVD的本征正交分解POD，从数据集中提取正交分解模态系数，通过累计方差贡献率确定保留的模态数，实现数据压缩与特征提取；在能量占比达到95%，选取前k个正交分解基向量进行图像重构； 步骤5：将特征参数作为输入，模态系数δ作为输出，传入多层感知机网络MLP，以建立特征参数与模态系数之间的映射关系；通过隐藏层中节点间的连接关系和非线性激活函数，学习工况参数与系数之间的非线性关系，建立快速预测代理模型； 步骤6：运用快速预测代理模型进行新工况预测时，输入特征参数，获得对应的预测的模态系数，然后通过正交分解POD的逆过程，将特征系数重构为沉积速率分布云图，达到快速预测效果； 步骤7：对快速预测代理模型的准确性进行评估，从训练集中抽取算例，将快速预测模型预测结果与CFD计算结果进行对比；对不同方法的计算成本进行定量评估，对比传统CFD仿真和快速预测模型获取相同精度水平的沉积速率云图平均耗时； 步骤8：评估快速预测代理模型的泛化能力，对未包含在样本数据集中的工况用快速预测模型进行预测，通过质性和量化评价指标评估沉积速率分布不同的区域。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。