摘要
本发明涉及气体混合技术,公开了一种基于深度学习的气体混合器尺寸优化方法,包括获取气体混合器的设计参数,并建立气体混合器模型;对该模型进行流场模拟分析,获取不同工艺参数下的气体混合器性能参数;对设计参数、工艺参数和性能参数建立数据库;基于数据库构建神经网络预测模型,基于反向更新算法更新该预测模型超参数,获取最优隐藏参数值,进而获取最优性能参数预测模型;将气体混合器的待优化设计参数和工艺参数输入至最优性能参数预测模型中,并基于该模型进一步求取获得气体混合器最优性能参数下的最优设计参数。本发明还公开了一种气体混合器。本发明的优化方法准确度高且优化效率高,本发明的气体混合器结构简单,混合效果好。
技术关键词
气体混合器
尺寸优化方法
空气管道
神经网络预测模型
进气管道
特征值
湍流模型
气体混合技术
网格模型
模型超参数
算法
中心对称
流速
数据
样本
矩阵
系统为您推荐了相关专利信息
回波
噪声功率谱密度
频率响应
阻抗匹配方法
神经网络预测模型
姿势控制方法
滑动窗口技术
神经网络预测模型
帕尔贴元件
姿势控制系统
神经网络预测模型
生成神经网络
模式
计算机执行指令
偏差
检测混凝土试件
喷射混凝土试件
变温养护方法
高地温隧道
神经网络预测模型