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！

龙图腾网获悉中北大学申请的专利基于神经网络的地面发动机尾焰红外辐射端到端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：CN120494000B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510704190.3，技术领域涉及：G06N3/0455；该发明授权基于神经网络的地面发动机尾焰红外辐射端到端预测方法是由高文强;牛青林;闫盼盼设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本基于神经网络的地面发动机尾焰红外辐射端到端预测方法在说明书摘要公布了：本发明涉及火箭发动机技术领域，具体是一种基于神经网络的地面发动机尾焰红外辐射端到端预测方法，其包括如下步骤：步骤一：计算出火箭发动机尾焰红外辐射数据集；步骤二：构建非对称卷积编码器和并行反卷积解码模块；步骤三：将型谱参数数据集作为输入数据集；将尾焰红外辐射强度分布云图数据进行处理后，连同尾焰红外辐射积分强度数据一起作为输出数据集；步骤四：将输入数据集和输出数据集划分为训练集和测试集；对神经网络进行训练和测试；步骤五：将型谱参数输入到神经网络，计算出待测火箭发动机的尾焰红外辐射数据。其解决了现有火箭发动机尾焰红外辐射计算方法计算环节多、计算耗时长、难以满足海量计算需求的问题，适用于火箭发动机。

本发明授权基于神经网络的地面发动机尾焰红外辐射端到端预测方法在权利要求书中公布了：1.一种基于神经网络的地面发动机尾焰红外辐射端到端预测方法，其特征在于：该方法包括如下步骤： 步骤一：构建火箭发动机型谱参数数据集；将型谱参数数据集输入到全链路精细计算模型，由此计算出火箭发动机尾焰红外辐射数据集；所述尾焰红外辐射数据包括：尾焰红外辐射强度分布云图数据、尾焰红外辐射积分强度数据； 步骤二：构建非对称卷积编码器和并行反卷积解码模块，非对称卷积编码器和并行反卷积解码模块共同组成端到端预测神经网络； 步骤三：将型谱参数数据集作为端到端预测神经网络的输入数据集；将尾焰红外辐射强度分布云图数据进行归一化与插值处理后，连同尾焰红外辐射积分强度数据一起作为端到端预测神经网络的输出数据集； 步骤四：将输入数据集和输出数据集划分为训练集和测试集；利用训练集和测试集对端到端预测神经网络进行训练和测试； 步骤五：采集待测火箭发动机的型谱参数；将型谱参数输入到训练好的端到端预测神经网络，由此计算出待测火箭发动机的尾焰红外辐射数据； 所述非对称卷积编码器的构建步骤如下： 首先，构建三个并行的卷积块；第一个卷积块包括一个卷积核大小为3×3的卷积层、一个连接在该卷积层后的ReLU函数、一个连接在该ReLU函数后的批量归一化层；第二个卷积块包括一个卷积核大小为1×3的卷积层、一个连接在该卷积层后的ReLU函数、一个连接在该ReLU函数后的批量归一化层；第三个卷积块包括一个卷积核大小为3×1的卷积层、一个连接在该卷积层后的ReLU函数、一个连接在该ReLU函数后的批量归一化层；然后，在三个卷积块后共同连接一个ReLU函数、一个批量归一化层、一个最大池化层，由此完成非对称卷积编码器的构建； 所述并行反卷积解码模块的构建步骤如下： 首先，构建两个并行的反卷积解码器；每个反卷积解码器均包括三个串联的反卷积块：第一个反卷积块用于降低特征维度，包括一个反卷积核大小为1×1的反卷积层、一个连接在该反卷积层后的ReLU函数、一个连接在该ReLU函数后的批量归一化层；第二个反卷积块用于减少通道数目，包括一个反卷积核大小为3×1的反卷积层、一个连接在该反卷积层后的ReLU函数、一个连接在该ReLU函数后的批量归一化层；第三个反卷积块用于恢复特征维度，包括一个反卷积核大小为1×1的反卷积层、一个连接在该反卷积层后的ReLU函数、一个连接在该ReLU函数后的批量归一化层；然后，在两个反卷积解码器后共同连接一个全连接层，由此完成并行反卷积解码模块的构建。

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中北大学，其通讯地址为：030051 山西省太原市尖草坪区学院路3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。