Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京航空航天大学陈敏获国家专利权

北京航空航天大学陈敏获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京航空航天大学申请的专利一种知识与数据双驱动的航空发动机总体性能代理模型的构建方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119962392B

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510146308.5,技术领域涉及:G06F30/27;该发明授权一种知识与数据双驱动的航空发动机总体性能代理模型的构建方法是由陈敏;姜国河;张纪元;唐海龙设计研发完成,并于2025-02-10向国家知识产权局提交的专利申请。

一种知识与数据双驱动的航空发动机总体性能代理模型的构建方法在说明书摘要公布了:本发明公开了一种知识与数据双驱动的航空发动机总体性能代理模型的构建方法,涉及数值模拟技术领域,构建过程包括以下步骤:采用拉丁超立方抽样生成初始样本集,对初始样本集中的样本点逐一进行仿真迭代求解获取收敛样本集并训练IVTX和ETDX代理模型,串联组成知识与数据双驱动代理模型KDSM。对于未收敛样本点,通过KDSM模型预测发动机性能仿真模型的初猜值,并进行仿真迭代求解补充收敛样本集和更新训练代理模型,直到不再产生新的收敛样本点,获得最终的KDSM。本发明提到的代理模型适用于不同构型航空发动机的性能计算场景,预测精度高,泛化能力强,可辅助改善发动机性能仿真模型的计算效率和收敛性,应用灵活。

本发明授权一种知识与数据双驱动的航空发动机总体性能代理模型的构建方法在权利要求书中公布了:1.一种知识与数据双驱动的航空发动机总体性能代理模型的构建方法,其特征在于,构建方法包括以下步骤: S1、获取进口总温和发动机控制规律变量以及进口总温和发动机控制规律变量的取值范围; S2、采用拉丁超立方抽样方法,在取值范围内生成初始样本集,初始样本集中的样本点表示各个自变量的一个取值组合;S3、基于发动机性能仿真模型,对初始样本集中的样本点逐一进行仿真迭代求解得到收敛样本集A、收敛样本集B和未收敛样本集,所述收敛样本集A由收敛样本点a构成、收敛样本集B由收敛样本点b构成、未收敛样本集由未收敛样本点构成; S4、基于收敛样本集A初步训练获得初始代理模型,基于收敛样本集B初步训练获得初始代理模型,初始代理模型和初始代理模型串联组成初始知识数据双驱动代理模型; S5、采用初始知识数据双驱动代理模型预测获得未收敛样本集中未收敛样本点的猜值向量初值,并基于发动机性能仿真模型再次对每个未收敛样本点逐一进行仿真迭代求解得到新的收敛样本点a、收敛样本点b和未收敛样本点,更新收敛样本集A、收敛样本集B和未收敛样本集得到收敛样本集A、收敛样本集B和未收敛样本集; S6、基于收敛样本集A更新训练获得更新代理模型,基于收敛样本集B更新训练获得更新代理模型,更新代理模型和更新代理模型组成更新知识数据双驱动代理模型; S7、重复S5‑S6,直至S5中不再出现新的收敛样本点a、收敛样本点b,终止迭代,得到知识与数据双驱动的航空发动机总体性能代理模型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京航空航天大学,其通讯地址为:102206 北京市昌平区沙河高教园南三街9号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。