摘要
本公开属于核电技术领域,具体涉及一种压气机流场模型降阶方法及装置。本公开的方法从反应堆压缩机流场高分辨率数值仿真结果或测量结果中获取数据,通过采用本征正交分解POD,提取原始数据主要的模态。最后将时变边界条件作为输入,将降阶后的变量数据作为输出,开展深度神经网络训练,生成降阶模型。以时变边界条件为输入,降阶模型输出预测的压缩机流场降阶变量,最后对降阶变量进行还原,得到压缩机全流场变量。该方法及系统可实现反应堆系统仿真中压缩机三维流场的快速预测,保证反应堆系统仿真效率的前提下大大提高流动问题的模拟精度,为反应堆系统研发、运维等提供及时可靠的数据支持。
技术关键词
压气机
深度前馈神经网络
神经网络模型
神经网络框架
模型降阶方法
降阶模型
反应堆系统
网络优化算法
变量
非易失性计算机可读存储介质
计算机程序指令
数据
深度神经网络训练
基底
高分辨率数值
重构算法
动能
协方差矩阵
系统为您推荐了相关专利信息
通风设备
监控器
策略优化方法
训练神经网络模型
三维模型
白酒固态发酵
在线监测系统
时序特征
在线监测方法
池水
层级
图像分割模型
图像分割方法
计算机执行指令
编码