摘要
本公开实施例提供了一种分子泵的设计变量取值确定方法、装置及分子泵,所述方法包括:根据分子泵的叶列结构设计变量确定叶列几何形状参数;将叶列几何形状参数输入神经网络模型,得到神经网络模型输出的预测传输概率参数;利用预测传输概率参数构建以叶列结构设计变量为输入、以分子泵性能参数为输出的适应度函数;利用遗传算法为叶列结构设计变量生成取值种群;根据取值种群中每个个体的适应度函数值选取符合预设需求条件的个体,以得到叶列结构设计变量的目标取值。通过直接关联设计参数与性能指标,实现设计过程直观化与智能化,减少手动调整间接参数的繁琐步骤,显著提升了设计效率。
技术关键词
分子泵
变量
输入神经网络模型
参数
遗传算法
叶片
齿根
蒙特卡洛仿真方法
样本
分段
模块
节点
速度
数据
系统为您推荐了相关专利信息
多维度传感器
优化分析方法
能耗预测模型
时序依赖关系
节能电机
大语言模型
状态机
生成系统
语法结构
非暂态计算机可读介质
深度强化学习
节点
资源分配
监测工具
更新网络参数
电网负荷预测方法
时间序列预测模型
时序
功率
正则化参数