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！

龙图腾网获悉西安交通大学申请的专利一种燃气轮机透平叶片参数预测方法及系统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：CN120337755B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510426854.4，技术领域涉及：G06F30/27；该发明授权一种燃气轮机透平叶片参数预测方法及系统是由谢永慧;周卓然;张荻设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种燃气轮机透平叶片参数预测方法及系统在说明书摘要公布了：本发明公开了一种燃气轮机透平叶片参数预测方法及系统，涉及燃气轮机强度及气动设计技术领域，包括以下步骤：获取生成器和判别器，对生成器和判别器进行迭代，得到最优生成器和最优判别器；对透平叶片模型的采样参数进行重采样，并将重采样数据输入至最优生成器，得到最优叶片参数数据；通过重采样数据与最优叶片参数数据对第三图卷积神经网络进行训练，得到物理场预测网络；通过物理场预测网络对燃气轮机透平叶片参数进行预测。本发明基于高质量的生成器和判别器生成高质量的参数训练数据，可以大量减少有限元计算数据量，大大降低有限元计算成本，提高了数据获取效率，保证预测精度的前提下加快物理场预测网络的构建。

本发明授权一种燃气轮机透平叶片参数预测方法及系统在权利要求书中公布了：1.一种燃气轮机透平叶片参数预测方法，其特征在于，包括以下步骤： 构建燃气轮机的透平叶片模型，并指定采样参数； 在不同条件下对透平叶片模型的采样参数进行一次采样，得到第一训练数据；对透平叶片模型进行叶片热流固耦合计算，得到叶片参数的真实数据；以第一训练数据为输入，以真实数据为输出，对第一图卷积神经网络进行训练，得到生成器； 对透平叶片模型的采样参数进行二次采样，得到第二训练数据，将第二训练数据输入至生成器中，得到伪造数据；通过第一训练数据与真实数据以及第二训练数据与伪造数据对第二图卷积神经网络进行训练，得到判别器； 对透平叶片模型的采样参数进行三次采样，得到第三训练数据，将第三训练数据输入至生成器中，得到生成数据；将第三训练数据以及生成数据输入至判别器中，得到概率值； 基于概率值确定判别器的损失函数值，通过损失函数值对生成器和判别器进行迭代，得到最优生成器和最优判别器； 对透平叶片模型的采样参数进行重采样，并将重采样数据输入至最优生成器，得到最优叶片参数数据；以重采样数据为输入，以最优叶片参数数据为输出，对第三图卷积神经网络进行训练，得到物理场预测网络；通过物理场预测网络对燃气轮机透平叶片参数进行预测； 所述以第一训练数据为输入，以真实数据为输出，对第一图卷积神经网络进行训练，得到生成器，包括以下步骤： 对透平叶片模型进行网格划分； 通过网格划分后的透平叶片模型建立邻接矩阵； 通过邻接矩阵获取第一图卷积神经网络中每个节点的邻域节点集合； 对于每个节点，从其邻域节点中聚合邻域特征，得到当前节点的聚合特征向量；所述邻域特征包括第一训练数据以及真实数据； 将当前节点的聚合特征向量与该节点的自身特征进行结合，得到更新后的特征； 将节点特征更新后的第一图卷积神经网络作为生成器； 生成器的输出如下所示： Yrecon＝GX,Z＝0；θ1； 式中，Y是生成器G的输出，recon是重构，θ1为是生成器的可学习参数，X是第一训练数据，Z是噪声； 生成器的重构损失如下所示： 式中，Lrecon是重构损失，N是样本点的个数，是二范数的平方，Yreal，i是第i个真实数据，是第i个生成数据； 通过梯度下降对生成器参数进行更新。

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西安交通大学，其通讯地址为：710115 陕西省西安市西咸新区沣西新城西安交通大学中国西部科技创新港校区；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。