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！

龙图腾网获悉中国空气动力研究与发展中心计算空气动力研究所申请的专利一种基于流形降维的深度学习神经网络机翼设计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：CN121278863B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511863514.4，技术领域涉及：G06F30/15；该发明授权一种基于流形降维的深度学习神经网络机翼设计方法是由罗骁;宋超;邵元培;周铸;王雨桐;刘红阳;蓝庆生;汤宇;吕广亮;唐滔;刘文君;王浩设计研发完成，并于2025-12-11向国家知识产权局提交的专利申请。

本一种基于流形降维的深度学习神经网络机翼设计方法在说明书摘要公布了：本发明涉及气动外形设计技术领域，提供了一种基于流形降维的深度学习神经网络机翼设计方法。搭建由二维翼型到机翼线框及线框各占位翼型的压力分布的深度学习网络，以及由机翼线框预测三维气动外形和表面压力分布的神经网络，通过建立机翼线框的中间过程，构建直接从二维翼型设计到三维气动外形设计迁移的桥梁，并利用流形学习中非线性降维方法，将由二维翼型组成的机翼线框和三维外形投影到同一低维流形空间，从而在低维流形空间实现二维翼型数据与三维气动外形的数据融合，实现由二维翼型直接到三维机翼的设计。本发明将三维气动外形设计转化为更加高效的二维翼型设计，极大的提升了三维气动外形的设计效率，使得三维气动外形设计更加灵活。

本发明授权一种基于流形降维的深度学习神经网络机翼设计方法在权利要求书中公布了：1.一种基于流形降维的深度学习神经网络机翼设计方法，其特征在于，包括以下步骤： 步骤1：二维翼型的抽样、参数化与压力计算； 步骤1.1：提取机翼截面的二维翼型，覆盖机翼翼根、中部、翼梢； 步骤1.2：采用拉丁超立方抽样方法对所述二维翼型抽取第一数量的二维翼型样本点，确保样本均匀覆盖翼型设计变量的参数空间； 步骤1.3：基于所述二维翼型样本点利用CST参数化方法对所述二维翼型进行参数化，得到CST参数化后的翼型； 步骤1.4：通过CFD求解器计算所述二维翼型的压力分布； 步骤1.5：基于步骤1.4中CFD求解器的计算结果，获得所述二维翼型样本点对应的压力分布信息； 步骤2：对三维机翼抽取第二数量的三维机翼气动外形样本点，所述第二数量多于所述第一数量，并基于所述三维机翼气动外形样本点对所述三维机翼进行参数化，通过求解器计算所述三维机翼的气动压力分布，获得所述三维机翼气动外形样本点的压力分布信息， 其中，指每个样本下三维气动外形的所有网格节点坐标； 步骤3：将步骤1中包含所述CST参数化后的翼型，以及所述二维翼型样本点对应的压力分布信息的所述二维翼型样本点作为网络的输入，搭建由翼型到机翼线框及线框各占位翼型的压力分布的第一深度学习神经网络，所述第一深度学习神经网络的输出是2.5维机翼线框和各占位位置的压力分布； 步骤4：按照步骤3中所述各占位位置，截取第二数量的所述三维机翼气动外形样本点在所述各占位位置处的第一翼型和第一压力分布，在所述二维翼型样本点中选取与所述各占位位置处的翼型和压力分布相互匹配的第二翼型和第二压力分布，将相同的第一翼型、第二翼型组合成第一数量的机翼翼型线框， 其中，指与三维机翼样本对应的机翼线框三维坐标； 步骤5：将所述机翼翼型线框与所述三维机翼气动外形样本点组合，构成第一数量的高维非线性数据集， 其中，指高维非线性数据集； 步骤6：采用非线性降维方法对所述高维非线性数据集进行降维，得到第一数量的低维流形样本，构成低维流形空间， 其中，指低维流形空间； 步骤7：利用步骤2中所述三维机翼气动外形样本点的压力分布信息、步骤4中的所述机翼翼型线框作为网络输入，以步骤6中的所述低维流形空间为训练数据，训练神经网络，建立输出为三维机翼气动外形及其压力分布的第二深度学习神经网络。

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中国空气动力研究与发展中心计算空气动力研究所，其通讯地址为：621010 四川省绵阳市涪城区二环路南段6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。