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！

龙图腾网恭喜西南科技大学申请的专利一种超燃冲压发动机全流道壁面压力参数辨识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：CN116227327B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202211595997.0，技术领域涉及：G06F30/27；该发明授权一种超燃冲压发动机全流道壁面压力参数辨识方法是由杨茂桃;郭明明;易淼荣;田野;梁爽;张华;张依;乐嘉陵;陈尔达;马跃;童书鸿;宋昊宇;邓雪;杜广铭设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种超燃冲压发动机全流道壁面压力参数辨识方法在说明书摘要公布了：本发明公开了一种超燃冲压发动机全流道壁面压力参数辨识方法，包括：获取全流道壁面压力的相关数据集；利用训练集构建全流道湍流模型参数不确定传播的代理模型；根据代理模型、贝叶斯理论和粒子群算法，得到多个辨识模型和最优参数；利用数值模拟软件，得到与当前辨识模型相对应的相关压力数据；根据相关压力数据和真实试验获得的压力数据，得到误差；判断误差是否超过预设阈值，并判断当前辨识模型是否为最后一个辨识模型，对所有辨识模型进行嵌套和融合处理；利用一体化参数辨识模型对验证集进行参数辨识；对辨识结果进行分析；对一体化参数辨识模型进行优化；利用优化后的一体化参数辨识模型对全流道壁面压力参数进行辨识。

本发明授权一种超燃冲压发动机全流道壁面压力参数辨识方法在权利要求书中公布了：1.一种超燃冲压发动机全流道壁面压力参数辨识方法，其特征在于，所述超燃冲压发动机全流道壁面压力参数辨识方法包括：S101：获取超燃冲压发动机全流道壁面压力的相关数据集；S102：将所述相关数据集划分为训练集和验证集；S103：利用所述训练集构建全流道湍流模型参数不确定传播的代理模型；S104：根据所述代理模型、贝叶斯理论和粒子群算法，得到多个辨识模型和各所述辨识模型的最优参数，具体包括：根据所述代理模型和贝叶斯理论，构建似然函数；其中，不同的似然函数构建了不同的误差，假设：M1： M2： 其中，表示取对数形式的似然函数，L表示真实试验值的样本个数，i表示序号，表示第i个位置点所对应的真实试验值的位置，表示第i个位置点所对应的真实试验值，表示第i个样本点的参数的均值，第i个样本点的参数的方差，表示测量误差，表示代理模型的近似输出；将所述似然函数作为所述粒子群算法的适应度函数，得到目标粒子群算法；利用所述目标粒子群算法进行迭代并保存更新的所有参数；利用核密度估计方法对每个参数的后验概率进行估计，确定每个参数在区间范围内出现的概率密度分布；根据所述概率密度分布，确定大后验概率参数为最优参数；将所述代理模型、所述贝叶斯理论、所述似然函数以及目标粒子群优化算法融合，得到全流道各结构对应的辨识模型；S105：根据当前辨识模型的最优参数，利用数值模拟软件，得到与当前辨识模型相对应的相关压力数据；S106：根据所述相关压力数据和真实试验获得的压力数据，得到误差；S107：判断所述误差是否超过预设阈值，若是，利用误差分析方法对所述当前辨识模型进行优化并返回步骤S104，否则，进入步骤S108；其中，所述误差分析方法包括：采用平均相对误差和均方根误差，评判湍流模型参数辨识前后的精度变化情况；所述平均相对误差为： 其中，表示平均相对误差，表示辨识后第i个位置点所对应的辨识后地壁面压力值；所述均方根误差RMSE为： ；S108：判断当前辨识模型是否为最后一个辨识模型，若是，进入步骤S109，否则，将下一个辨识模型作为当前辨识模型并返回步骤S105；S109：对所有所述辨识模型进行嵌套和融合处理，得到具有自适应湍流模型参数辨识特性的一体化参数辨识模型；S110：利用所述一体化参数辨识模型对验证集进行参数辨识，得到辨识结果；S111：利用所述误差分析方法对所述辨识结果进行分析，得到分析结果；S112：利用所述分析结果对所述一体化参数辨识模型进行优化，得到优化后的一体化参数辨识模型；S113：利用所述优化后的一体化参数辨识模型对超燃冲压发动机全流道壁面压力参数进行辨识。

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，其通讯地址为：621000 四川省绵阳市涪城区青龙大道中段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”。