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基于多视角翼型概念关联学习的飞行器气动参数预测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：CN121723878B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610206871.1，技术领域涉及：G06F30/27；该发明授权基于多视角翼型概念关联学习的飞行器气动参数预测方法是由熊振宇;张鹏;陈一;林杰;王岳青;孙国鹏设计研发完成，并于2026-02-12向国家知识产权局提交的专利申请。

本基于多视角翼型概念关联学习的飞行器气动参数预测方法在说明书摘要公布了：本发明公开了一种基于多视角翼型概念关联学习的飞行器气动参数预测方法，属于空气动力学、深度学习与计算机视觉交叉技术领域，该方法通过正交与环视结合的混合投影策略将三维模型转换为多视角图像序列；利用最优传输理论将视觉特征映射到可学习的“翼型概念”空间，实现特征的语义化与离散化；结合流场工况编码，在空气动力学物理定律的约束下回归气动参数；最终通过展示输入样本与翼型概念的匹配关系，提供基于实例的内在可解释性。

本发明授权基于多视角翼型概念关联学习的飞行器气动参数预测方法在权利要求书中公布了：1.基于多视角翼型概念关联学习的飞行器气动参数预测方法，其特征在于：包括以下步骤： 步骤1，构建混合多视角飞行器几何投影数据集：将三维空间中的飞行器模型转换为标准化的二维图像序列； 步骤2，流场工况条件的特征编码：将标量的流场工况参数映射到高维特征空间； 步骤3，视觉特征提取：利用深度神经网络提取每个视角图像的深层几何特征； 步骤4，基于最优传输的翼型概念关联学习：构建可学习的“翼型概念池”，并将视觉特征离散化为与翼型概念的关联分布； 步骤4具体包括以下步骤： 步骤4.1，初始化一个翼型概念池，其中包含个可学习的概念向量，表示第个翼型概念向量； 步骤4.2，基于得到的视觉特征集合和步骤4.1初始化的翼型概念池，计算特征向量与概念向量的点积相似度； 步骤4.3，基于步骤4.2计算的相似度，利用Sinkhorn算法求解最优传输分配矩阵，计算公式为： 其中，为第个视角对应的分配向量，为归一化缩放向量，为归一化缩放向量，为翼型概念池矩阵的转置，为第个视角的特征向量，为正则化系数； 步骤4.4，基于步骤4.3得到的分配向量，其中的元素表示第个视角的特征属于第个翼型概念的分配概率，对步骤4.1中的翼型概念池进行加权线性组合，计算第个视角的重构特征： 其中，为第个视角的重构特征向量，为第个翼型概念向量； 步骤5，特征融合与气动参数预测：融合工况信息与重构的翼型概念特征，回归预测气动参数； 步骤5具体包括以下步骤： 步骤5.1，构建一个交叉注意力模块； 步骤5.2，将得到的工况特征向量作为查询向量Query； 步骤5.3，将步骤4.4得到的重构特征集合作为键向量Key和值向量Value； 步骤5.4，将步骤5.2的Query和步骤5.3的Key、Value输入步骤5.1的交叉注意力模块，计算注意力权重并进行加权聚合，输出融合特征向量 步骤5.5，构建四个独立的多层感知机预测头，分别对应阻力系数、升力系数、俯仰力矩系数和压力中心位置； 步骤5.6，将步骤5.4得到的融合特征向量分别输入步骤5.5的四个预测头，输出气动参数预测值：预测阻力系数、预测升力系数、预测俯仰力矩系数和预测压力中心位置 步骤6，损失函数构建与模型优化：构建包含预测误差及概念聚类特性的复合损失函数； 步骤7，翼型概念的在线更新：在训练过程中动态更新翼型概念池，确保其代表性； 步骤8，内在可解释性结果生成：基于训练好的模型，输出预测结果的直观解释。

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：621052 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。