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！

龙图腾网获悉西北工业大学申请的专利一种融入物理约束的集成深度神经网络气动力建模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：CN115345064B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210684115.1，技术领域涉及：G06F30/27；该发明授权一种融入物理约束的集成深度神经网络气动力建模方法是由张伟伟;赵旋;邓子辰设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本一种融入物理约束的集成深度神经网络气动力建模方法在说明书摘要公布了：本发明涉及一种融入物理约束的集成深度神经网络气动力建模方法，计算不同流动参数状态下翼型表面的压力系数Cp及对应的气动力CL、CM，通过本征正交分解技术对压力系数Cp进行降维，融入物理约束的集成深度神经网络需要构建两个网络，采用梯度反向传播方法，经过一定次数的迭代调整神经网络模型内部的权重和偏置项，最终使得神经网络在分布特征的约束下降低模型预测值与真值的差异程度，提升神经网络的精度。融入物理约束的集成深度神经网络模型是基于多层神经网络构建，具有更强的非线性特征学习能力，具有更强的泛化能力，以实现气动力的高精度预测。

本发明授权一种融入物理约束的集成深度神经网络气动力建模方法在权利要求书中公布了：1.一种融入物理约束的集成深度神经网络气动力建模方法，其特征在于步骤如下：步骤1、样本获取：使用数值计算方法计算不同流动参数状态下翼型表面的压力系数Cp及对应的气动力CL、CM；步骤2、分布力信息特征提取：通过本征正交分解技术对压力系数Cp数据集进行降维，得到对应的POD模态特征，获取不同输入参数对应的POD系数；步骤3、分布信息特征融入神经网络进行气动力建模：构建两个网络Net1、Net2，组成融入物理约束的集成深度神经网络，两个网络进行统一训练；第一个网络Net1构建：输入为流动参数Ma、Re、AOA，若翼型形状发生改变，则输入参数中加入翼型形状对应的CST参数，输出为分布力信息的POD系数αPOD；第二个网络Net2构建：将第一个网络的输入和输出同时作为第二个网络的输入，输出为气动力CL、CM；其中Ma为来流马赫数、Re为雷诺数、AOA为来流迎角，αPOD为特征提取得到的POD系数，CL为升力系数，CM为力矩系数；步骤4：采用梯度反向传播方法，经过多次的迭代调整神经网络模型内部的权重和偏置项，最终使得神经网络在分布特征的约束下降低模型预测值与真值的差异程度，提升神经网络的精度，完成集成深度神经网络气动力模型的构建；其中：所述的神经网络的损失函数，由三个部分的误差构成，其中对分布信息特征提取之后得到的POD系数施以缩放因子γ，即

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。