Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京航空航天大学赵永平获国家专利权

南京航空航天大学赵永平获国家专利权

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航空发动机加力燃烧室振荡燃烧实时预警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:CN119691639B

龙图腾网通过国家知识产权局官网在2025-12-30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:202411680325.9,技术领域涉及:G06F18/2433;该发明授权一种航空发动机加力燃烧室振荡燃烧实时预警方法是由赵永平;金会杰;周加帅设计研发完成,并于2024-11-22向国家知识产权局提交的专利申请。

一种航空发动机加力燃烧室振荡燃烧实时预警方法在说明书摘要公布了:本发明公开一种加力燃烧室振荡燃烧实时预警方法,该方法采用将傅里叶级数简化后引入Kolmogorov‑Arnold网络Kolmogorov‑ArnoldNetworks,KAN的网络结构,提出了CosineKolmogorov‑Arnold网络CosineKolmogorov‑ArnoldNetworks,CosKAN,并结合异常检测思想,提出了一种名为异常检测Kolmogorov‑Arnold网络AnomalyDetectionKolmogorov‑ArnoldNetworks,AD‑KAN的新算法。具体来说,该算法可以无监督地学习所有正常样本点的特征分布,映射到高维空间中,并通过最小包围椭球自主学习预警边界,实现对加力燃烧室振荡燃烧的提前预警。为了验证该方法的可行性,在某型涡扇航空发动机地面试车台架上进行了试验,结果表明,所提AD‑KAN方法在精度、实时性、提前预警性能和鲁棒性上均表现出优越的性能。因此,该方法具有良好的预警性能,可以有效地实现航空发动机加力燃烧室振荡燃烧的实时预警。

本发明授权一种航空发动机加力燃烧室振荡燃烧实时预警方法在权利要求书中公布了:1.一种航空发动机加力燃烧室振荡燃烧实时预警方法,其特征在于,包括如下步骤: 步骤1:进行加力燃烧室振荡燃烧实验,完成加力燃烧室中转速、气压和油压的动态信号采集; 步骤2:将动态信号转化为频域信号,根据设定的振荡燃烧预警阈值来判定频域信号构成的数据集中是否发生振荡燃烧来确定标签并按比例划分训练数据集和测试数据集,训练数据集中为正常样本,测试数据集中包含正常样本和异常样本; 步骤3:初始化KAN网络的参数,基于数据集完成KAN网络的训练,所述KAN网络的激活函数为: , 其中,是特征的维度;是可训练参数,表示系数权重;表示网格相位移;是网格大小; 步骤4:使用实时采集信号进行KAN网络执行,当加力燃烧室即将出现振荡燃烧情况时,KAN网络输出预警信号; KAN网络各层的函数矩阵为 , 其中,L是KAN网络的层数,是KAN网络的输入特征纬度,是KAN网络的输出特征纬度; KAN网络的输出表示为 , KAN网络的优化目标为训练一个包含所有正常样本点的高维空间MEE,其优化项和损失函数定义为 , 其中,是KAN网络权重衰减正则化参数,是高维空间椭球球心向量,是样本数量; 步骤3中训练KAN网络的步骤包括: 将训练数据集中与球心的距离值最大的样本点视为支持向量; ; 在高维空间MEE中,支持向量落在MEE的边界上,定义异常检测临界值为 ; 对于测试数据集中测试样本点的异常检测,根据测试样本点的异常分数判断,判据如下: ;

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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。