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机器学习驱动的翼型设计方法、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：CN121413115B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202512000189.5，技术领域涉及：G06F30/15；该发明授权机器学习驱动的翼型设计方法、设备、介质和程序产品是由游好;杨赞;刘晓阳;柯星;吴欣桐;李碧海;储开化;张语豪;陈子豪设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本机器学习驱动的翼型设计方法、设备、介质和程序产品在说明书摘要公布了：本发明公开机器学习驱动的翼型设计方法、设备、介质和程序产品，包括：1以重量和刚度为约束，构建翼型节点的浮动量与升阻比的数学模型；2基于空间填充拉丁超立方采样建立翼型种群；3采用均匀分布随机数调用DE变异操作及最大最小距离筛选法，以生成第一代子种群；4采用内点法优化以生成第二代子种群；5代理模型辅助的误差驱动适应性筛选策略选择翼型子代，评估翼型子代并通过可行性规则从中选出最佳个体，判断最佳个体的优化结果是否达标或当前判断次数是否达到最大判断次数，若是则输出最优变量参数，否则返回步骤3。本发明设计适配翼型约束计算差异的进化机制以减少计算代价，从而缩短翼型升阻比优化的设计周期。

本发明授权机器学习驱动的翼型设计方法、设备、介质和程序产品在权利要求书中公布了：1.一种机器学习驱动的翼型设计方法，其特征在于，包括步骤： 1以翼型各关键节点的浮动量为设计变量，以重量和刚度为约束，以升阻比为目标，根据翼型结构的几何限制，构建各设计变量的设计域，通过几何分析构建数学模型； 2在设计变量设计域内，基于空间填充拉丁超立方采样建立翼型种群； 3评估翼型种群中各设计变量的重量并保存至数据库，采用均匀分布随机数调用DE变异操作及最大最小距离筛选法，以生成第一代子种群； 4评估第一代子种群中各设计变量的刚度并保存至数据库，采用内点法优化各设计变量的刚度，以生成第二代子种群； 5评估第二代子种群中各设计变量的升阻比，对目标函数建立径向基函数模型，采用代理模型辅助的误差驱动适应性筛选策略选择翼型子代，评估翼型子代并通过可行性规则从中选出最佳个体，判断最佳个体的优化结果是否达标或当前判断次数是否达到最大判断次数，若是则输出最优变量参数，否则返回步骤3； 其中，已评估数据的各关键节点的设计变量作为训练点集合，各关键节点的设计变量的升阻比作为响应集合，则径向基函数模型的表达式如下： ， ， 上式中，是当输入为预测点时所输出的预测值，K是训练样本的数量，是第i个基函数所对应的权值，为基函数，是第i个基函数的中心点，是预测点与之间的欧氏距离，是与x有关多项式函数，是设计变量的维度，是第0个多项式系数，是第i个多项式系数是的第i个分量； 为了求解权重向量w=[w1,w2,…,wK]T和多项式系数矩阵，通过求解分块矩阵方程，从而建立设计变量与目标值的径向基函数模型，具体公式如下： ， 上式中，为与训练点集合有关的多项式矩阵，为0矩阵，是格拉姆矩阵，T表示矩阵的转置，的具体公式如下： ； 上式中，为基函数，是第1个设计变量，是第K个设计变量； 其中，代理模型辅助的误差驱动适应性筛选策略的筛选步骤包括： 从合并后的第一代和第二代子种群中，去除重复的个体； 计算去重后的每个个体的约束违反值，用于判断个体是否可行； 若无可行个体，则计算每个不可行个体到其他不可行个体的最小距离以评估多样性，使用非支配排序法，以最小化约束违反值和最大化最小距离的标准进行综合排序，按帕累托前沿等级从高到低依次选择个体，对在同一帕累托前沿等级内的个体按翼型升阻比目标值进行降序排序，选择排名靠前的个体，直到选满N个个体； 若可行个体数量不足N个，则先选择所有可行个体，再对剩余不可行个体计算最小距离，使用非支配排序法，对不可行个体以最小化约束违反值和最大化最小距离的标准进行综合排序，按帕累托前沿等级从高到低依次选择不可行个体，直到选满N个个体； 若可行个体数量正好等于N个，直接选择所有可行个体； 若可行个体数量超过N个，则仅从可行个体中选择；计算每个可行个体到其他可行个体的最小距离；使用非支配排序法，以最大化目标值和最大化最小距离为依据进行排序，按帕累托前沿等级从高到低依次选择个体，对在同一帕累托前沿等级内的个体按翼型升阻比目标值进行降序排序，选择排名靠前的个体，直到选满N个个体。

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。