(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 202211520551.1 (22)申请日 2022.11.30 (71)申请人 苏州浪潮智能科技有限公司 地址 215000 江苏省苏州市吴中区吴中经 济开发区郭巷街道官浦路1号9幢 (72)发明人 李龙婷　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 莎日娜 (51)Int.Cl. G06F 30/20(2020.01) (54)发明名称 一种风扇模型的生成方法和装置 (57)摘要 本发明实施例提供了一种风扇模型的生成 方法和装置， 方法包括： 获取基于预设的优化参 数生成的多个风扇模型； 对多个风扇模型分别进 行仿真计算， 生成每个风扇模型的第一PQ曲线和 第一噪声值； 获取针对第一PQ曲线进行整体优化 的优化函数， 并基于优化函数， 分别确定多条第 一PQ曲线各自的第一PQ优化值； 其中， 优化函数 用于通过对第一PQ曲线进行整体平移以确定使 第一PQ曲线 性能最佳的平移方式； 根据所述第一 PQ优化值和所述第一噪声值， 更新所述风扇模 型。 通过本发明实施例， 实现了针对PQ曲线整体 进行优化调整， 达到整个PQ性能均可 获得提升的 优化效果。 权利要求书3页 说明书13页 附图6页 CN 115544815 A 2022.12.30 CN 115544815 A 1.一种风扇模型的生成方法， 其特 征在于， 所述方法包括： 获取基于预设的优化 参数生成的多个风扇模型； 对所述多个风扇模型分别进行仿真计算， 生成每个风扇模型的第一PQ曲线和第 一噪声 值； 获取针对第一PQ曲线进行整体优化的优化函数， 并基于所述优化函数， 分别确定多条 第一PQ曲线各自的第一PQ优化值； 其中， 所述优化函数用于通过对所述第一PQ曲线进行整 体平移以确定使所述第一PQ曲线性能最佳的平 移方式； 根据所述第一PQ优化 值和所述第一噪声值， 更新所述 风扇模型。 2.根据权利要求1所述的方法， 其特征在于， 所述获取针对第 一PQ曲线进行整体优化的 优化函数， 基于所述优化 函数， 分别确定多条第一PQ曲线各自的第一PQ优化 值， 包括： 针对每条第一PQ曲线 进行平移， 生成第一PQ曲线对应的多条候选PQ曲线； 按照预设采样规则， 对第一PQ曲线以及与其对应的候选PQ曲线进行采样， 确定所述第 一PQ曲线中的第一采样点的第一采样数据和所述候选PQ曲线的第二采样点的第二采样数 据； 所述第一采样点与所述第二采样点 一一对应； 确定所述第一采样点的权 重数据； 基于所述权重数据、 所述第一采样数据以及所述第二采样数据， 确定所述第一PQ曲线 的第一PQ优化 值。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述权重数据、 所述第一采样数 据以及所述第二采样数据， 确定所述第一PQ曲线的第一PQ优化 值， 包括： 确定所述第一采样数据和第二采样数据的目标偏差数据； 根据所述目标偏差数据和所述权 重数据， 确定每条候选PQ曲线对应的候选PQ优化 值； 在多个候选优化 值中确定所述第一PQ曲线的第一PQ优化 值。 4.根据权利要求3所述的方法， 其特征在于， 所述在多个候选优化值中确定所述第 一PQ 曲线的第一PQ优化 值， 包括： 将所述多个候选优化 值中的最大值确定为所述第一PQ曲线的第一PQ优化 值。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一PQ优化值和所述第一噪 声值， 更新所述 风扇模型， 包括： 获取基于预设的预测模型； 所述预测模型用于针对输入的任一优化参数输出预测的PQ 优化值和噪声值； 基于所述第 一PQ优化值和所述第 一噪声值对所述预测模型进行训练， 以更新所述预测 模型的模型参数； 获取针对所述 风扇模型进行优化的目标优化 参数； 将所述目标优化参数输入到更新后的预测模型中， 输出所述目标优化参数对应的第 二 PQ优化值和第二噪声值； 基于所述第二PQ优化 值和所述第二噪声值， 确定目标PQ优化 值和目标噪声值； 按照所述目标PQ优化 值和目标噪声值更新所述 风扇模型。 6.根据权利要求5所述的方法， 其特 征在于， 还 包括： 以所述第二PQ优化 值为横轴坐标， 所述第二噪声值 为纵轴坐标， 生成优化曲线； 对所述优化曲线 进行采样， 确定第三采样数据；权　利　要　求　书 1/3 页 2 CN 115544815 A 2根据所述第三采样数据对所述预测模型进行验证； 在验证失败时， 基于所述优化曲线对所述预测模型进行重新训练。 7.根据权利要求6所述的方法， 其特 征在于， 还 包括： 在验证成功时， 执行所述基于所述第二PQ优化值和所述第二噪声值， 确定目标PQ优化 值和目标噪声值。 8.根据权利要求6所述的方法， 其特征在于， 所述第 三采样数据包括预测PQ优化值和对 应的预测噪声值， 所述 根据所述第三采样数据对所述预测模型进行验证， 包括： 确定所述第三采样数据的预测PQ曲线和预测优化 参数； 基于所述预测优化 参数生成预测风扇模型； 根据所述预测风扇模型对所述预测模型进行验证。 9.根据权利要求8所述的方法， 其特征在于， 所述根据所述预测风扇模型对所述预测模 型进行验证， 包括： 对所述预测风扇模型进行仿真计算， 生成仿真PQ曲线和仿真噪声值； 判断所述仿真PQ曲线和所述仿真噪声值， 与所述预测PQ曲线和所述预测噪声值是否匹 配； 在判定所述仿真PQ曲线和所述仿真噪声值， 与所述预测PQ曲线和所述预测噪声值匹配 时， 确定验证成功； 在判定所述仿真PQ曲线和所述仿真噪声值， 与所述预测PQ曲线和所述预测噪声值不匹 配时， 确定验证失败。 10.根据权利要求1所述的方法， 其特征在于， 所述根据所述第一PQ优化值和所述第一 噪声值， 更新所述 风扇模型， 包括： 获取所述风扇模型 所处服务器的服 务器配置信息； 根据所述服务器配置信息， 所述第一PQ优化值以及所述第一噪声值， 确定目标PQ优化 值和目标噪声值。 11.根据权利要求1所述的方法， 其特征在于， 所述获取基于预设的优化参数生成的多 个风扇模型， 包括： 获取待处 理的原始风扇模型； 确定针对所述原 始风扇模型的优化 参数； 根据所述优化 参数生成采样集， 所述采样集包括多个 针对优化参数的采样结果； 基于所述采样集对所述原 始风扇模型进行 更新， 生成多个风扇模型。 12.根据权利要求1 1所述的方法， 其特 征在于， 所述原 始风扇模型通过 下述步骤生成： 响应于针对原 始风扇模型的扇叶绘制操作， 生成所述原 始风扇模型的原 始扇叶； 响应于针对所述原 始扇叶的绘制操作， 基于所述原 始扇叶生成原 始风扇模型。 13.根据权利要求12所述的方法， 其特征在于， 在生成所述原始风扇模型的原始扇叶之 后， 还包括： 提取所述原始扇叶的叶型参数及积迭参数； 根据所述叶型参数及积迭参数生成叶片拟合的第一宏命令文件。 14.根据权利要求13所述的方法， 其特征在于， 在响应于针对所述原始扇叶的绘制操 作， 基于所述原 始扇叶生成原 始风扇模型之后， 还 包括：权　利　要　求　书 2/3 页 3 CN 115544815 A 3