龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西北工业大学
申请日：2023-12-13
公开（公告）日：2024-06-14
公开（公告）号：CN118194427A
主分类号：G06F30/15
分类号：G06F30/15;G06F30/27;G06F119/14
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明属于飞行器设计领域，具体为基于空间减缩的翼型气动电磁耦合智能设计方法，包括如下步骤：步骤1：确定气动、隐身的设计目标和约束；步骤2：对翼型进行参数化，确定设计变量和设计空间，并抽样获得样本点；步骤3：对样本点进行气动隐身计算，获得样本气动隐身数据集；步骤4：采用随机森林算法对样本气动隐身数据集进行数据挖掘，获得减缩的设计空间；步骤5：建立多目标DNN代理模型；步骤6：在减缩后的设计空间内采用基于DNN代理模型的优化框架进行寻优，获得优化翼型。本发明能够通过随机森林算法对样本数据进行挖掘，实现设计空间减缩，然后减缩的设计空间内进行优化，能有效提高翼型气动隐身多目标问题的优化效率。
主权项：1.基于空间减缩的翼型气动电磁耦合智能设计方法，其特征在于，包括如下步骤：步骤S1：根据翼型气动隐身优化具体问题，确定设计目标和约束；步骤S2：选择基准翼型，对翼型进行参数化，确定设计变量、设计空间，并在设计空间中抽样，获得样本；步骤S3：对步骤S2中获得的翼型样本，开展气动隐身性能计算，获得样本的气动隐身数据集；步骤S4：采用决策树算法对步骤S3中获得的样本气动隐身数据集进行数据挖掘，获得减缩后的设计空间；步骤S5：采用深层神经网络DNN对步骤S3中获得的样本气动隐身数据集进行分布式训练，获得气动隐身DNN模型；步骤S6：采用智能优化算法基于气动隐身DNN代理模型在减缩后的设计空间中进行寻优，获得优化后的翼型。
全文数据：
权利要求：
百度查询： 西北工业大学 基于空间减缩的翼型气动电磁耦合智能设计方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号