摘要
本发明公开了一种基于傅里叶神经算子的涡轮通道入口温度快速预测方法,包括获得数据集;提取下游截面温度数据的散稀疏点阵数据作为输入,进口截面温度分布作为输出;设置总样本数量,读取输入输出数据划分标签,并划分训练集和测试集和验证集;基于FNO神经网络架构,将训练集中的输入集合数据传送到FNO模型中训练数据,训练集中的输出集合数据传送到损失函数当中进行训练、计算误差并更新训练参数;将验证集的输入集合数据输入训练模型中,用验证集的输出集合数据对模型进行验证,获得预测模型;将测试集的输入集合数据输入到预测模型中,获得涡轮通道进口温度分布预测结果。本发明通过涡轮通道下游截面少量的测点数据快速预测涡轮进口温度分布。
技术关键词
数据
涡轮进口温度
神经网络架构
傅里叶变换函数
数值仿真
计算误差
数值计算方法
通道
更新模型参数
随机梯度下降
入口
样本
模型误差
插值算法
表达式
非线性
矩阵
标签
系统为您推荐了相关专利信息
分类识别模型
类别识别方法
无标签数据
无监督
蒸馏
载荷估算方法
车辆动力学模型
神经网络架构
传感器
神经网络参数
语义特征
在线学习机制
注意力机制
日志监控方法
数据