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！

龙图腾网获悉南昌大学申请的专利基于CVM的翼型多目标优化方法、设备、介质和程序产品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：CN121257338B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511812192.0，技术领域涉及：G06F30/27；该发明授权基于CVM的翼型多目标优化方法、设备、介质和程序产品是由李西安;熊君星;杨赞;吴欣桐;刘建胜;胡浩然;朱林;王森靖设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本基于CVM的翼型多目标优化方法、设备、介质和程序产品在说明书摘要公布了：本发明公开了基于CVM的翼型多目标优化方法、设备、介质和程序产品，方法包括：1分别在SU2与Ansys中构建翼型升力系数、阻力系数和刚度仿真模型；2使用拉丁超立方采样与皮尔逊积矩相关系数以建立种群与数据库；3构建全局径向基函数预测模型；4使用精英引导的协同进化操作为每个子问题产生候选子代个体，并构建子种群；5在协方差矩阵映射后的特征空间中对子种群进行进化；6基于切比雪夫适应度函数，筛选翼型节点参数向量解集，更新种群及数据库并转至步骤3，直到达到设计周期。本发明通过精英引导的协同进化与协方差矩阵映射后的特征空间高效进化提高翼型结构的综合性能。

本发明授权基于CVM的翼型多目标优化方法、设备、介质和程序产品在权利要求书中公布了：1.一种基于CVM的翼型多目标优化方法，其特征在于，所述方法包括： 1以翼型各节点坐标为设计参数，以升力系数、阻力系数、刚度为优化目标，按载荷及边界约束，在SU2中构建升力与阻力模型，在Ansys中构建刚度仿真模型； 2依几何限制设节点坐标上下界构成设计空间，用拉丁超立方采样与皮尔逊积矩相关系数生成总体种群，经SU2和Ansys评估目标值构建数据库，在目标空间用单纯形法生成权重向量，并构建切比雪夫适应度函数； 3归一化数据库数据，分别构建三个优化目标的全局径向基函数预测模型； 4对每个权重向量，通过精英引导协同进化法生成多个候选子代个体，基于非支配排序建子种群； 5基于协方差矩阵映射函数构造特征空间，用DErand1进化产生特征子代个体并更新子种群； 6用切比雪夫适应度函数筛选最佳子代个体，经SU2和Ansys评估后更新数据库与总体种群，判断是否达设计周期，是则输出所得翼型结构，否则返回步骤3，循环至满足要求； 其中，步骤2，具体包括： 第一步，确定需要采样的种群个体数目N，并根据翼型结构的几何限制构建由翼型各节点坐标取值上下界组成的设计空间； 第二步，将各节点坐标设计参数组成的设计空间划分为N个不重叠的子区间，然后对各节点坐标设计参数的N个子区间进行随机排列，在各节点坐标设计参数的N个子区间内随机选取一个采样点，并将各节点坐标设计参数的随机采样点组合起来，从而生成N个n维空间的样本点； 第三步，评估所有样本点在每个维度之间的皮尔逊积矩相关系数，获得相关性矩阵，皮尔逊积矩相关系数公式如下： ，上式中，表示第i个样本点与第j个样本点之间的线性相关性，是第i个样本点在第k个维度上的值，是第j个样本点在第k个维度上的值，是第i个样本点在所有维度的均值，是第j个样本点在所有维度的均值，n是维度总数； 第四步，改变各个维度之间的样本点的顺序，最小化相关性矩阵； 第五步，循环执行第三步与第四步，直至达到设定的迭代上限，并将获得的最小相关性矩阵所对应的N个n维空间的样本点构成N个种群个体，并构成总体种群； 第六步，在SU2中评估每个种群个体的阻力系数、升力系数，在Ansys中评估每个种群个体的刚度，并将每个种群个体及其升力系数、阻力系数和刚度的数据保存至数据库中； 第七步，在三个优化目标所构成的目标空间中基于单纯形法生成权重向量； 第八步，基于切比雪夫聚合方法，构建针对多目标优化的N个切比雪夫适应度函数，所述切比雪夫适应度函数表达形式如下所示： ，上式中，是种群个体x基于权重向量以及理想点聚合的切比雪夫适应值，是第i个权重向量对应的第j维的值，是目标函数对应的第j个目标，是当前数据库中目标函数各维度的最小值，是理想点对应的第j维的值，m为翼型多目标优化问题中目标的数量。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。