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！

龙图腾网获悉西北工业大学;中国航空发动机研究院申请的专利基于深度神经网络模型的转子叶片动态场快速重构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：CN119294177B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411319255.4，技术领域涉及：G06F30/23；该发明授权基于深度神经网络模型的转子叶片动态场快速重构方法是由傅超;赵恒;刘金超;王福斌;张雅琼;路宽设计研发完成，并于2024-09-22向国家知识产权局提交的专利申请。

本基于深度神经网络模型的转子叶片动态场快速重构方法在说明书摘要公布了：本发明公开了一种基于深度神经网络模型的转子叶片动态场快速重构方法，首先采集包含叶片振动信息的BTT信号，然后设计深度神经网络模型，通过训练数据集对深度神经网络模型进行训练；接下来使用训练好的深度神经网络模型对实测的BTT信号进行处理，重构叶片振动位移信号；之后对重构的叶片振动位移信号进行频谱分析，识别出振动频率、振幅、相位参数；然后建立叶片的有限元模型，通过模态分析确定叶片的固有频率和模态形状；最终利用识别出的振动参数和模态分析结果，基于模态叠加理论快速计算叶片在振动状态下的位移场、应变场和应力场。本发明能够实时了解叶片的振动位移和应力状况，从支持实时决策，提高旋转机械的安全性、可靠性、耐久性。

本发明授权基于深度神经网络模型的转子叶片动态场快速重构方法在权利要求书中公布了：1.一种基于深度神经网络模型的转子叶片动态场快速重构方法，其特征在于，包括如下步骤： 步骤1：采集包含叶片振动信息的BTT信号，进行去噪、归一化预处理； 步骤2：设计深度神经网络模型，通过训练数据集对深度神经网络模型进行训练，学习从BTT信号到完整振动信号的映射关系； 步骤2-1：选择CNN+LSTM作为深度神经网络模型，利用CNN提取信号空间特征，利用LSTM捕捉信号中的时间动态和长时间跨度的相关性； 步骤2-2：基于模拟振动位移信号建立训练集和测试集，经过BTT测量矩阵线性映射的信号在预处理后作为深度神经网络模型的输入，完整的模拟振动位移信号作为深度神经网络模型的输出； 步骤2-3：对设计好的深度神经网络模型进行训练，通过调整模型参数学习输入与输出之间的非线性映射关系； 步骤2-4：通过交叉验证和独立测试集评估模型的重构能力和精度，调整超参数优化模型性能； 步骤3：使用训练好的深度神经网络模型对实测的BTT信号进行处理，重构叶片振动位移信号； 步骤4：对重构的叶片振动位移信号进行频谱分析，识别出振动频率、振幅、相位参数； 步骤5：建立叶片的有限元模型，通过模态分析确定叶片的固有频率和模态形状，并结合振动参数分析叶片的模态响应； 步骤6：利用识别出的振动参数和模态分析结果，基于模态叠加理论快速计算叶片在振动状态下的位移场、应变场和应力场。

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北工业大学;中国航空发动机研究院，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。