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海军工程大学申请的专利基于数字孪生技术预测燃气轮机性能的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：CN119761180B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411815241.1，技术领域涉及：G06F30/27；该发明授权基于数字孪生技术预测燃气轮机性能的方法是由祝燕;余又红;贺星;夏舸;杨睿;江盟;丁泽民设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本基于数字孪生技术预测燃气轮机性能的方法在说明书摘要公布了：本发明涉及燃气轮机性能预测领域，特涉及基于数字孪生技术预测燃气轮机性能的方法。本发明包括步骤一、燃气轮机物理系统和历史数据建立考虑测量噪声的燃气轮机机理模型，步骤二、通过机理模型预测得到燃气轮机气路性能参数；步骤三、根据燃气轮机实际测量结果和机理模型测量结果训练数据模型，基于SOA‑BP神经网络算法得到机理模型误差预测模型；步骤四、利用燃气轮机机理模型和机理模型误差预测的数据模型建立混合模型等步骤。本发明通过实测数据测量噪声特点，在机理模型中添加测量噪声，使模型结果与实际值更加吻合。

本发明授权基于数字孪生技术预测燃气轮机性能的方法在权利要求书中公布了：1.基于数字孪生技术预测燃气轮机性能的方法，其特征在于：包括以下步骤： 步骤一、燃气轮机物理系统和历史数据建立考虑测量噪声的燃气轮机机理模型，包括以下部分： 步骤11.利用模块化建模方法建立燃气轮机基础机理模型中各个模块， 步骤12.利用燃气轮机不同工况下的实测数据对压气机和涡轮的特性曲线进行修正，得到与真实压气机和涡轮性能更为接近的特性曲线； 步骤13.确定各模块进出口参数，根据燃气轮机各模块之间平衡关系，设置压气机模块输入输出参数、燃烧室模块输入输出参数、涡轮模块输入输出参数、转子模块输入输出参数、回热器模块输入输出参数，将各模块连接形成燃气轮机机理模型； 步骤14.根据燃气轮机测量数据噪声特点，在所建机理模型的基础上，在各测量参数预测值加上测量噪声，得到含测量噪声的数据； 步骤二、通过机理模型预测得到燃气轮机气路性能参数；将获得的不同功率下的N组燃气轮机实测数据中的环境温度和功率两个参数作为机理模型的输入，通过机理模型预测得到燃气轮机气路参数； 步骤三、根据燃气轮机实际测量结果和机理模型测量结果训练数据模型，基于SOA-BP神经网络算法得到机理模型误差预测模型； 步骤31.根据N组实测数据和相对应的步骤二中基于机理模型预测得到的N组含测量噪声的数据，得到N组机理模型预测误差数据； 偏差计算公式为：其中Mmeasured为气路参数测量值，MPBM为气路参数的PBM模型预测值，δ为偏差； 步骤32.选取压气机进口温度和燃气轮机负荷作为SOA-BP神经网络模型的输入向量，压气机出口温度偏差、燃烧室出口温度偏差、燃油流量偏差、涡轮出口温度偏差作为SOA-BP神经网络输出向量； 步骤33.设置N组数据中训练和验证数据比为8：2，将历史数据中另一M组重复实验实测结果作为测试数据；将训练、验证和测试数据做离差标准化处理；处理公式如下： y＝δ-δminδmax-δmin y为归一化数据，δ为燃气轮机参数机理模型预测误差，δmax为燃气轮机参数机理模型预测误差最大值，δmin为燃气轮机参数机理模型预测误差最小值； 步骤34.设置BP神经网络的输入层和输出层神经元个数，隐藏层大小，输入层到隐藏层的权值个数以及隐藏层到输出层的权值个数； 步骤35.设置BP神经网络的超参数，包括训练次数，学习速率，训练目标最小误差，动量因子，最小性能梯度等； 步骤36.通过海鸥优化算法优化BP神经网络的初始权值和初始阈值； 步骤37.将训练数据输入BP神经网络中进行迭代计算，得到利用SOA-BP神经网络建立的机理模型误差预测模型； 步骤38.利用SOA-BP神经网络建立的机理模型误差预测模型预测得到测试数据的M组燃气轮机机理模型偏差，根据预测偏差得到数据模型的预测值δ′； 步骤四、利用燃气轮机机理模型和机理模型误差预测的数据模型建立混合模型，得到气路参数测量的预测值。

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海军工程大学，其通讯地址为：430033 湖北省武汉市解放大道717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”。