(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210603162.9
(22)申请日 2022.05.30
(71)申请人 广东华中科技大 学工业技术研究院
地址 523000 广东省东莞 市松山湖高新 技
术产业开发区科技九路1号
(72)发明人 卞涛 王旭东 江文
(74)专利代理 机构 广州粤高专利商标代理有限
公司 44102
专利代理师 杨桂洋
(51)Int.Cl.
G06F 30/17(2020.01)
G06F 30/27(2020.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
G06K 9/62(2022.01)G06Q 10/04(2012.01)
G06F 119/14(2020.01)
(54)发明名称
基于神经网络的无轴推进器性能预测方法
(57)摘要
本发明公开了一种基于神经网络的无轴推
进器性能预测方法, 其包括将无轴推进器的设计
参数及其所对应的无轴推进器的性能参数建立
为数据库; 建立神经网络预测模型; 随机初始化
神经网络 预测模型的参数, 并对神经网络预测模
型的参数进行优化; 使用数据库中的数据, 对神
经网络预测模 型进行训练; 使用训练后的神经网
络预测模型, 根据无轴推进器的设计参数来预测
无轴推进器的性能参数。 本发明主要解决如何提
供无轴推进器性能预测方法的问题; 该种基于神
经网络的无轴推进器性能预测方法, 能够快速且
准确地根据无轴推进器的设计参数来预测无轴
推进器的性能参数, 能够为无轴推进器的设计工
作带来良好的辅助, 从而推动船舶工业的发展。
权利要求书2页 说明书7页 附图2页
CN 114880809 A
2022.08.09
CN 114880809 A
1.一种基于神经网络的无轴推进器性 能预测方法, 用于根据无轴推进器的设计参数来
预测无轴推进器的性能参数, 其特 征在于, 包括下述 步骤:
S1、 将无轴推进器的设计参数及其所对应的无轴推进器的性能参数建立 为数据库;
S2、 以无轴推进器的设计参数作为输入层, 以无轴推进器的性能参数作为输出层, 建立
神经网络预测模型;
S3、 随机初始化所述神经网络预测模型的参数, 并根据所述数据库中的数据, 采用梯度
下降法对所述神经网络预测模型的参数进行优化;
S4、 使用所述数据库中的数据, 对所述神经网络预测模型进行训练, 以降低所述神经网
络预测模型的预测误差;
S5、 使用训练后的所述神经网络预测模型, 根据无轴推进器的设计参数来预测无轴推
进器的性能参数。
2.根据权利要求1所述的基于神经网络的无轴推进器性能预测方法, 其特征在于, 所述
无轴推进器的设计参数包括桨叶的盘面比、 桨叶的螺距比、 进速系数以及转速;
所述神经网络预测模型之输入层的神经元个数为4个, 分别对应所述桨叶的盘面比、 所
述桨叶的螺距比、 所述进速系数以及所述 转速。
3.根据权利要求1或2所述的基于神经网络的无轴推进器性能预测方法, 其特征在于,
所述无轴推进器的性能参数包括 最大推力和力矩;
所述神经网络预测模型之输出层的神经元个数为2个, 分别对应所述最大推力和所述
力矩。
4.根据权利要求1所述的基于神经网络的无轴推进器性能预测方法, 其特征在于, 所述
神经网络预测模型 具有1层隐含层, 所述隐含层的神经 元个数为8个。
5.根据权利要求4所述的基于神经网络的无轴推进器性能预测方法, 其特征在于, 所述
神经网络预测模型之隐含层的激活函数为Relu函数, 其表达式为:
6.根据权利要求1、 4或5所述的基于神经网络的无轴推进器性能预测方法, 其特征在
于, 所述神经网络预测模型之输出层的激活函数为 Linear函数, 其表达式为: f(x)=x。
7.根据权利要求1、 4或5所述的基于神经网络的无轴推进器性能预测方法, 其特征在
于, 所述神经网络预测模型之输出层的的损失函数为Mean Squared Error(MSE)函数, 其表
达式为:
式中, n为所述数据库中的数据数量, i 为正整数, Yi 为实际值,
为预测值。
8.根据权利要求1所述的基于神经网络的无轴推进器性能预测方法, 其特征在于, 步骤
S4具体包括:
S4.1、 将所述数据库中的数据随机排序, 并划分为训练集、 验证集以及测试集;
S4.2、 使用所述训练集中的数据, 对所述神经网络预测模型进行训练;
S4.3、 使用所述验证集中的数据, 对所述神经网络预测模型的参数进行调解;
S4.4、 使用所述测试集中的数据, 对训练后的所述神经网络预测模型之预测性能作评
价。权 利 要 求 书 1/2 页
2
CN 114880809 A
29.根据权利要求8所述的基于神经网络的无轴推进器性能预测方法, 其特征在于, 步骤
S4.1中, 所述数据库中的数据按照训练集: 验证集: 测试集 =7:2:1的比例划分。
10.根据权利要求1、 8或9所述的基于神经网络的无轴推进器性能预测方法, 其特征在
于, 所述神经网络预测模型的参数包括权值 w和偏置b。权 利 要 求 书 2/2 页
3
CN 114880809 A
3
专利 基于神经网络的无轴推进器性能预测方法
安全报告 >
其他 >
文档预览
中文文档
12 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共12页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 04:59:48上传分享