[发明专利]一种基于压缩感知降阶模型从稀疏传感器信息预测全流场的方法有效
| 申请号： | 202110742982.1 | 申请日： | 2021-07-01 |
| 公开（公告）号： | CN113343606B | 公开（公告）日： | 2022-04-26 |
| 发明（设计）人： | 张鑫帅;季廷炜;谢芳芳;郑鸿宇;郑耀 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F30/28 | 分类号： | G06F30/28;G06F30/27;G06N3/04;G06N3/08;G06F113/08;G06F119/14 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 邱启旺 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种新型压缩感知降阶模型用于从稀疏传感器信息预测全流场的方法。该发明所提出的方法包含两个阶段，离线训练和在线学习。在离线学习阶段，首先通过LSTM模型来对传感器信号进行建模。随后利用稀疏驱动的DMD算法将复杂的完整流场进行降维得到其低维模态，并对所有低维模态进行自动挑选，使得在相同的DMD模态数量下得到更高的重构精度。然后通过DNN网络训练得到传感器信息到流场低维表示之间的非线性关系。最后，通过DNN预测的低维信息重构出全流场信息。在在线学习阶段，将训练好的模型用于实际实验中进行预测。该方法实现简单，通用性好。可以广泛应用于从稀疏点信息对复杂全流场的重构与预测，结果表明该方法的预测精度高，鲁棒性好。 | ||
| 搜索关键词： | 一种 基于 压缩 感知 模型 稀疏 传感器 信息 预测 全流场 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110742982.1/，转载请声明来源钻瓜专利网。
- 上一篇：可去时钟线高速并行总线同步逻辑设计
- 下一篇：一种骨架式混合光缆
