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！

龙图腾网获悉西南科技大学;上海电机学院申请的专利多区域物理驱动神经网络的飞行器流场预测方法及系统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：CN120930272B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511456876.1，技术领域涉及：G06F30/15；该发明授权多区域物理驱动神经网络的飞行器流场预测方法及系统是由卢泽凯;郭明明;钱炳锋;杨雨欣;李泽斌;张华;张成伍;周燎设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本多区域物理驱动神经网络的飞行器流场预测方法及系统在说明书摘要公布了：本发明公开了多区域物理驱动神经网络的飞行器流场预测方法及系统，方法包括：构建连续区域掩码与高维物理参数采样体系，采用拉丁超立方采样方法对高维物理参数进行全局采样，并结合KMeans聚类算法进行空间划分；将空间坐标、连续区域掩码、壁面距离和物理条件参数输入AMPD模型，生成边界层掩码、涡流掩码和物理残差；将边界层掩码和涡流掩码输入物理约束驱动的损失函数体系，建立多目标残差最小化损失函数，用于训练AMPD模型；基于多目标残差最小化损失函数和物理残差，采用课程学习训练策略训练AMPD模型；通过训练好的AMPD模型进行机翼表面流场重构，完成飞行器流场预测，实现了机翼绕流的高精度、高效率智能预测。

本发明授权多区域物理驱动神经网络的飞行器流场预测方法及系统在权利要求书中公布了：1.多区域物理驱动神经网络的飞行器流场预测方法，其特征在于，包括以下步骤： S1、获取机翼几何参数，通过翼型参数化方程生成翼型轮廓，根据连续区域掩码划分多物理区域； S2、采用拉丁超立方采样方法对高维物理参数进行全局采样，并结合KMeans聚类算法将参数空间划分为六个代表性子区域，得到物理条件参数； S3、将空间坐标、连续区域掩码、壁面距离和物理条件参数输入AMPD模型，通过扩张卷积和线性变换映射到高维特征空间，生成边界层掩码、涡流掩码和物理残差； S4、将边界层掩码和涡流掩码输入物理约束驱动的损失函数体系，建立基于连续性方程、动量守恒方程、能量方程和理想气体状态方程的多目标残差最小化损失函数，用于训练AMPD模型； S5、基于多目标残差最小化损失函数和物理残差，采用课程学习训练策略训练AMPD模型； S6、将翼型类型、马赫数、雷诺数、温度和攻角输入训练好的AMPD模型，通过训练好的AMPD模型进行机翼表面流场重构，完成飞行器流场预测； S1中，根据连续区域掩码划分多物理区域的方法具体为： 根据空间距离和拓扑判别进行多物理区域，翼型内部区域掩码值为1，翼型壁面区域掩码值为2，近壁面流体区域掩码值为3.0至4.0，外部流体区域掩码值为4，入口区域掩码值为5，出口区域掩码值为6，自由边界区域掩码值为7； 其中，近壁面流体区域掩码Sx采用sigmoid函数描述3.0至4.0的平滑过渡； 式中，为壁面距离，其值为点x至翼型壁面的最近距离，为自适应近壁区尺度，为平滑过渡带参数，为sigmoid函数； S3中，计算边界层掩码的表达式具体为： 式中，为速度梯度，为梯度阈值，为特征衰减长度，d为到固体边界的距离，k为梯度敏感性参数； 计算涡流掩码的表达式具体为： 式中，为预设阈值，为聚类标记，有效簇为1，否则为0； AMPD模型包括边界条件强制单元，通过自适应有限差分方法动态计算梯度的过程中，采用下式： 式中，和为网格间距，和为网格节点索引，f为待求导的物理场函数，为网格点处的函数值，为网格点处的函数值，为网格点处的函数值，为网格点处的函数值； 拉普拉斯算子采用五点格式近似计算二阶导数： 边界条件强制单元在不同边界区域强制执行相应的物理约束条件的表达式具体为： 式中，为固体区域内的速度场，为壁面边界处的速度场，确保固体表面与壁面之间的无滑移条件。

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西南科技大学;上海电机学院，其通讯地址为：621000 四川省绵阳市涪城区青龙大道59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。