[发明专利]基于卷积神经网络的超声速燃烧室燃烧模式检测方法在审
| 申请号： | 201910669920.5 | 申请日： | 2019-07-24 |
| 公开（公告）号： | CN110378431A | 公开（公告）日： | 2019-10-25 |
| 发明（设计）人： | 吴建军;朱晓彬;程玉强;刘洪刚;张宇;胡润生;崔星;李健;谭胜;欧阳;杜忻洳 | 申请（专利权）人： | 中国人民解放军国防科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 长沙国科天河知识产权代理有限公司 43225 | 代理人： | 邱轶 |
| 地址： | 410073 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于卷积神经网络的燃烧室燃烧模式检测方法，该检测方法包括S1采集原始数据，将原始数据划分为若干数据样本，形成数据样本集；S2将数据样本集随机划分为训练集、验证集和测试集，并对训练集、验证集和测试集中的数据进行预处理；S3搭建能够实现将数据样本中特征映射到对应燃烧模式的卷积神经网络模型；S4训练模型，并对模型进行验证和效果评估，获得燃烧模式检测模型；S5利用燃烧模式检测模型对未知燃烧模式的待检测样本进行检测。本发明提供的基于卷积神经网络的燃烧室燃烧模式检测方法无需对数据特征进行人工设计和提取，可以直接利用超声速燃烧室工作过程中采集的原始数据有效实现燃烧模式检测。 | ||
| 搜索关键词： | 燃烧模式 燃烧室 检测 卷积神经网络 数据样本 原始数据 超声速 训练集 验证集 采集原始数据 预处理 待检测样本 人工设计 数据特征 效果评估 训练模型 有效实现 测试集 映射 采集 验证 测试 | ||
【主权项】：
1.一种基于卷积神经网络的超声速燃烧室燃烧模式检测方法，其特征在于，包括以下步骤：S1：采集工作过程中超声速燃烧室内各个不同传感器的原始数据，原始数据对应的燃烧模式已知，将原始数据划分为若干数据样本，所有数据样本组成数据样本集；S2：将数据样本集随机划分为训练集、验证集和测试集，并分别对所述训练集、验证集和测试集中的数据进行预处理；S3：搭建能够实现将数据样本中潜在特征映射到对应燃烧模式的卷积神经网络模型；S4：利用训练集对卷积神经网络模型进行训练，以获得卷积神经网络模型的权值矩阵参数，利用验证集对训练后的卷积神经网络模型进行验证，以对卷积神经网络模型的超参数进行优化，获得超声速燃烧室燃烧模式检测模型，之后利用测试集对所述超声速燃烧室燃烧模式检测模型进行效果评估；S5：利用超声速燃烧室燃烧模式检测模型对未知燃烧模式的待检测数据样本进行检测，获得当下超声速燃烧室燃烧模式。
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中国人民解放军国防科技大学，未经中国人民解放军国防科技大学许可，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/201910669920.5/，转载请声明来源钻瓜专利网。
