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！

龙图腾网获悉东南大学申请的专利一种三维稀疏速度场加密方法、设备及存储介质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：CN118862109B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202410823937.2，技术领域涉及：G06F21/60；该发明授权一种三维稀疏速度场加密方法、设备及存储介质是由许传龙;吴旗;朱效宇;张彪;李健设计研发完成，并于2024-06-25向国家知识产权局提交的专利申请。

本一种三维稀疏速度场加密方法、设备及存储介质在说明书摘要公布了：本发明公开了一种三维稀疏速度场加密方法、设备及存储介质，方法包括：从互相关计算中提取三维稀疏速度场，并进行预处理以确定加密的位置坐标。随后，根据光场PIV原理，将三维实验速度数据切片成二维流场，输入到全连接层神经网络中训练，获得相应的神经网络权重。此外，通过计算纳维尔‑斯托克斯方程的残差，并将其纳入损失函数，对神经网络进行物理约束，以验证网络是否符合物理方程并达到预设的收敛值。最终，输出预测的速度分量和相应的加密位置。本发明适用于单相机光场PIV技术后处理加密预测，能够有效避免由于坏值、噪声、拉伸效应和空间滤波效应等复杂因素所带来的不利影响，有助于提高三维流场测量的空间分辨率。

本发明授权一种三维稀疏速度场加密方法、设备及存储介质在权利要求书中公布了：1.一种三维稀疏速度场加密方法，其特征在于，包括： 构建并训练加密模型，加密模型的输入为根据互相关计算获得的三维稀疏速度场，预测模型的输出为三维加密速度场；加密模型的激活函数和损失函数分别为： 激活函数采用自适应swish函数，表示为： 式中，β是可训练参数，n是比例因子； 总损失函数L，表示为： 其中， Ldata为数据预测的损失函数； Leqns为物理方程约束的损失函数，α为权重系数； 式中， Nu表示主流方向速度分量u的数目，下标u代表主流方向速度分量；Nv表示垂直主流方向速度分量v的数目，下标v代表垂直主流方向速度分量；Neqns表示用于NS方程计算的观测位置点数目，下标eqns代表NS方程；udataXi，ti 为位置Xi和时间ti下对应的已知主流方向速度分量，Xi=xi，yi代表从1到Nu遍历的第i个位置中的主流方向位置分量x和垂直主流方向位置分量y，ti代表从1到Nu遍历的第i个时间；vdataXj，tj 为位置Xj和时间tj下对应的已知垂直主流方向速度分量，Xj=xj，yj代表从1到Nv遍历的第j个位置中的主流方向位置分量x和垂直主流方向位置分量y，ti代表从1到Nu遍历的第i个时间；upredXi，ti 为位置Xi和时间ti下对应的神经网络预测的主流方向速度分量，Xi=xi，yi代表从1到Nu遍历的第i个位置中的主流方向位置分量x和垂直主流方向位置分量y，ti代表从1到Nu遍历的第i个时间；vpredXj，tj 为位置Xj和时间tj下对应的神经网络预测的垂直主流方向速度分量，Xj=xj，yj代表从1到Nv遍历的第j个位置中的主流方向位置分量x和垂直主流方向位置分量y，ti代表从1到Nu遍历的第i个时间；ekXm，tm 为位置Xm和时间tm下计算第k个物理方程残差，k从1到3，代表三个物理方程残差，Xm =xm，ym代表从1到Neqns遍历的第m个位置中的主流方向位置分量x和垂直主流方向位置分量y，tm代表从1到Neqns遍历的第i个时间； 确定三维稀疏速度场需要加密的位置坐标；将需要加密的位置坐标输入加密模型，根据权重预测对应的加密位置的速度分量； 加密模型的训练方法，包括： 流场数据预处理：提取互相关计算得到的三维稀疏速度场t, x, y, u, v，并分成加密模型的训练数据和测试数据，t, x, y, u, v分别为时间、主流方向位置分量、垂直主流方向位置分量、主流方向速度分量及垂直主流方向速度分量；对应的t, x, y作为计算NS方程残差的已知数据； 将三维稀疏速度场独立划分为不同平面的二维流场信息；根据预测的速度分量与真实实验速度分量计算数据预测残差的损失函数，根据对应位置和预测速度计算纳维尔斯托克斯方程的残差，获得物理约束的损失函数；将数据预测残差的损失函数和纳维尔斯托克斯方程的残差通过权重相加得到总损失函数； 在每次训练结束后，加密模型先在训练数据上进行前向传播和后向传播来更新权重，然后在测试数据上运行前向传播，计算指定的损失和性能指标，以便于观察模型性能的变化； 加密模型的训练过程，包括： 设置加密模型的物理方程约束：每一次训练都受到物理方程残差的约束，直到损失函数符合收敛值为止；将描述二维流体运动的纳维尔‑斯托克斯方程及连续性方程作为物理先验信息，以偏微分方程的形式嵌入到残差型神经网络的损失函数中；其中，NS方程所对应的残差项表示为e1和e2，连续性方程所对应的残差项表示为e3： 式中，U表示合速度矢量，U = u, v，u表示主流方向速度分量，v表示垂直主流方向速度分量；▽表示空间坐标上的梯度算子，U•▽是一个向量微分算子，代表NS方程中的对流项，，表示偏导数符号，表示对x方向求偏导，表示对y方向求偏导，表示速度分量u关于x方向的一阶偏导数，描述了函数随x方向的变化率，表示速度分量v关于y方向的一阶偏导数，描述了函数随y方向的变化率；Re表示流动的雷诺数；ut为u分量对时间t的导数；ux为u分量对x分量的导数；vt为v分量对时间t的导数；vy为v分量对y分量的导数；pt为压力分量p对时间t的导数；px为p分量对x分量的导数；py为p分量对 y分量的导数；是拉普拉斯算子，是梯度▽的散度，表示为；乘以速度分量，代表了NS方程的粘性项；，表示速度分量u关于x方向的二阶偏导数，衡量在x方向上速度变化的变化率，表示速度分量u关于y方向的二阶偏导数，衡量在y方向上速度变化的变化率；，表示速度分量v关于x方向的二阶偏导数，衡量在x方向上速度变化的变化率，表示速度分量v关于y方向的二阶偏导数，衡量在y方向上速度变化的变化率；和对于神经网络中偏导数项及基于链式法则通过自动差分的方法来计算； 根据预设的损失函数收敛值判断是否要重新训练；若达到收敛值，则表明神经网络的权重符合该流场的预测特征。

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东南大学，其通讯地址为：210000 江苏省南京市江宁区东南大学路2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。