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变可信度神经网络的飞行器气动特性数据预测方法、装置、设备及存储介质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：CN121278862B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511861497.0，技术领域涉及：G06F30/15；该发明授权一种基于变可信度神经网络的飞行器气动特性数据预测方法、装置、设备及存储介质是由张桀睿;陈江涛;贾洪印;吕罗庚;周桂宇;李欢;赵炜;崔鹏程;肖维;张培红;余婧;陈兵设计研发完成，并于2025-12-11向国家知识产权局提交的专利申请。

本一种基于变可信度神经网络的飞行器气动特性数据预测方法、装置、设备及存储介质在说明书摘要公布了：本申请公开了一种基于变可信度神经网络的飞行器气动特性数据预测方法、装置、设备及存储介质，涉及飞行器技术领域，包括：基于气动特性分析需求获取低可信度的第一气动特性数据集和高可信度的第二气动特性数据集，以训练第一初始可信度神经网络得到第一目标可信度神经网络与预测结果；基于两个数据集的大小确定神经网络深度与每层神经元数量，以搭建包括线性、非线性和自适应权重神经网络的第二初始可信度神经网络，利用第二气动特性数据集进行训练得到第二目标可信度神经网络；基于各数据集训练第二目标可信度神经网络，对当前第二目标可信度神经网络进行反标准化处理得到气动特性数据预测模型，以提高预测气动特性数据的效率。

本发明授权一种基于变可信度神经网络的飞行器气动特性数据预测方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于变可信度神经网络的飞行器气动特性数据预测方法，其特征在于，包括： 基于与飞行器对应的气动特性分析需求确定满足预设低可信度条件的第一气动特性数据集和满足预设高可信度条件的第二气动特性数据集，并利用所述第一气动特性数据集中的第一试验状态变量训练第一初始可信度神经网络，以利用得到的第一目标可信度神经网络预测所述第一气动特性数据集，得到预测结果； 基于所述第一气动特性数据集与所述第二气动特性数据集对应的数据集大小确定神经网络深度与每层神经元数量，以基于所述神经网络深度、各所述神经元数量与所述预测结果搭建包括线性神经网络、非线性神经网络和自适应权重神经网络的第二初始可信度神经网络，然后利用所述第二气动特性数据集训练所述第二初始可信度神经网络，得到第二目标可信度神经网络；具体为：确定与所述第一气动特性数据集与所述第二气动特性数据集对应的数据集大小，并基于所述数据集大小确定初始神经网络深度以及各神经网络层对应的初始神经元数量；基于所述初始神经网络深度与各所述初始神经元数量构建包括线性神经网络、非线性神经网络和自适应权重神经网络的第二初始可信度神经网络；所述线性神经网络为满足第一预设高可信度条件的高可信度线性神经网络；所述非线性神经网络为满足第二预设高可信度条件的高可信度非线性神经网络；其中，构建所述高可信度线性神经网络的过程中不引入任何非线性激活函数；将所述第二气动特性数据集输入至所述第二初始可信度神经网络中的所述高可信度线性神经网络中，以确定第一输出结果，然后将所述第二气动特性数据集输入至所述第二初始可信度神经网络中的所述高可信度非线性神经网络中，以利用双曲正切函数确定第二输出结果；基于所述第一输出结果与所述第二输出结果构建训练数据，并将所述训练数据输入至所述自适应权重神经网络中，以利用S型函数确定自适应权重输出结果；基于所述第一输出结果、所述第二输出结果与所述自适应权重输出结果对所述初始神经网络深度与各所述初始神经元数量进行调整，得到对应的目标神经网络深度与目标神经元数量，以基于所述目标神经网络深度、所述目标神经元数量构建第二目标可信度神经网络；其中，所述高可信度线性神经网络中不包括非线性激活函数； 利用有监督学习方式、贝叶斯优化算法与损失函数，并基于所述第一气动特性数据集与所述第二气动特性数据集训练所述第二目标可信度神经网络，得到新的第二目标可信度神经网络； 利用预设反标准化中心对当前所述第二目标可信度神经网络进行反标准化处理，得到气动特性数据预测模型，以利用所述气动特性数据预测模型对飞行器进行气动特性数据预测。

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：621000 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。