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！

龙图腾网获悉北京理工大学申请的专利一种基于物理信息约束神经网络的烟雾场多参数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：CN116958188B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310735710.8，技术领域涉及：G06T7/20；该发明授权一种基于物理信息约束神经网络的烟雾场多参数预测方法是由娄文忠;丁男希;张子豪;马文龙;赵飞设计研发完成，并于2023-06-20向国家知识产权局提交的专利申请。

本一种基于物理信息约束神经网络的烟雾场多参数预测方法在说明书摘要公布了：本发明公开了一种基于物理信息约束神经网络的烟雾场多参数预测方法。本发明采用烟雾生成器产生上升烟雾，高速摄像模组记录烟雾全过程并生成记录图片，图形计算机得到烟雾场的浓度，求解获得烟雾场的参数数据作为训练样本，以流场扩散数学模型设置约束条件，训练全连接神经网络，用训练好的全连接神经网络进行烟雾场预测；本发明利用深度学习，结合烟雾场抽象出的流场扩散数学模型，对损失函数进行设计，使模型具备预测速度快、需要数据量少、收敛性能好、模型迁移能力好的特点，能够解决传统计算流体动力学方法的周期长和适应性差以及深度学习方法数据量要求大、损失函数收敛差的问题，用少量数据就能实现损失函数收敛的目标，得到烟雾场分布。

本发明授权一种基于物理信息约束神经网络的烟雾场多参数预测方法在权利要求书中公布了：1.一种基于物理信息约束神经网络的烟雾场多参数预测方法，其特征在于，所述烟雾场多参数预测方法包括以下步骤： 1设定烟雾生成器的烟雾生成速率，使用烟雾生成器产生上升烟雾，以烟雾生成器的位置作为烟雾生成位置，并将烟雾生成位置和烟雾生成速率传输至模型拟合计算机； 2通过高速摄像模组记录各个时间t和坐标x，y对应的烟雾从成形到消失的全过程， 生成记录图片，并传输至图形计算机； 3图形计算机将记录图片转化为灰度图，并根据灰度图计算各个时间t和坐标x，y对应的烟雾场的浓度cx，y，t，生成烟雾场中每个坐标、时间以及对应的时间和坐标下的烟雾场的浓度的参数文件，并传输至模型拟合计算机； 4采用多相流模型求解烟雾场： 模型拟合计算机根据烟雾生成器的烟雾生成位置和烟雾生成速率，设置多相流模型的初始条件；采用欧拉求解方法模型求解多相流模型，得到烟雾场的压力、速度、密度以及烟雾场中气相和固相的体积分数值，获得烟雾场的参数数据； 5模型拟合计算机将烟雾场的浓度的参数文件和烟雾场的参数数据转换成全连接神经网络能够识别的数据格式； 6模型拟合计算机生成全连接神经网络，其中，每层隐藏层的激活函数设置为反正切函数，参数优化器设置为亚当优化器；全连接神经网络的输出参数为烟雾场的速度、压力和密度；全连接神经网络的输入参数为坐标x，y、时间t和浓度cx，y，t； 7设置全连接神经网络的约束条件： 将烟雾场抽象为流场扩散数学模型，构建烟雾场密度参数与时间以及空间的偏微分关系： 其中，为烟雾在t时刻处于位置的密度，为密度在处的扩散系数； 烟雾场的初始状态为： 烟雾场的边界条件为： 结合连续性和动量守恒加入纳维斯托克斯方程NS方程作为控制方程： 其中，v为烟雾场的速度，f为外力，外力f设置为0；通过以公式1表示的流场扩散数学模型和纳维斯托克斯方程4生成总损失函数loss： 其中，loss1为控制方程损失函数，loss2为边界损失函数，loss3为数据损失函数；为在t时刻处于位置的密度预测，表示步骤5转化后的数据，取t时刻处于位置的参数数据，表示全连接神经网络预测的参数数据，参数数据包括烟雾场的速度v、压力p和密度 8以烟雾场的参数数据作为训练样本，以烟雾场的坐标x，y、时间t以及浓度cx，y，t作为输入，输出数据设置为烟雾场的压力、速度、密度和气相和固相的体积分数值，以总损失函数loss作为约束条件，训练全连接神经网络，直至总损失函数loss小于设置阈值完成训练，得到训练好的全连接神经网络； 9烟雾场预测： 采用高速摄像头模组对待测量的烟雾进行拍摄，得到记录图片并传输至图形计算机； 图形计算机将图片处理为灰度图后，通过灰度图计算每个时间和坐标下对应的烟雾场的浓度，并转化为全连接神经网络可识别的格式，输入到训练完成的全连接神经网络中；全连接神经网络根据坐标、时间和浓度，输出对应时间下烟雾场各个位置的压力、速度和密度，得到烟雾场分布。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。