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！

龙图腾网获悉中国航空工业集团公司沈阳空气动力研究所申请的专利一种机翼表面压力重构方法、电子设备及存储介质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：CN116432556B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310432279.X，技术领域涉及：G06F30/28；该发明授权一种机翼表面压力重构方法、电子设备及存储介质是由王祥云;李鸿岩;张小亮;曹晓峰;郭承鹏;刘哲;王强;崔榕峰设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本一种机翼表面压力重构方法、电子设备及存储介质在说明书摘要公布了：一种机翼表面压力重构方法、电子设备及存储介质，属于风洞试验技术领域。为解决风洞测压试验的高效和准确的问题。本发明通过三维机翼风洞测压试验和三维机翼模型数值仿真采集机翼表面原始压力数据进行预处理，生成用于机翼表面压力重构的深度神经网络数据集；构建的机翼表面压力重构深度神经网络模型，通过损失函数的修改融合风洞试验和数值仿真两种来源的数据集，采用粒子群优化算法对模型超参数进行优化得到优化后深度神经网络模型进行训练测试；将方法用于模型风洞测压试验，重构机翼表面的全息压力分布，预测机翼表面非测量点的气动载荷分布数据，并对预测的全息压力分布数据进行评估验证。本发明可用于复杂飞行器的常规测压试验。

本发明授权一种机翼表面压力重构方法、电子设备及存储介质在权利要求书中公布了：1.一种机翼表面压力重构方法，其特征在于，包括如下步骤： S1、通过三维机翼风洞测压试验和三维机翼模型数值仿真采集机翼表面原始压力数据，将得到的机翼表面原始压力数据进行预处理，构建用于机翼表面压力重构的深度神经网络数据集； S2、构建机翼表面压力重构深度神经网络模型，通过损失函数的修改实现步骤S1得到的用于机翼表面压力重构的深度神经网络数据集中试验数据和数值仿真数据两种来源数据样本的融合，并对构建的机翼表面压力重构深度神经网络模型进行训练测试； 步骤S2的具体实现方法包括如下步骤： S2.1、机翼表面压力重构深度神经网络模型，采用二维U型卷积神经网络结构，包括卷积层、池化层、反卷积层，其中卷积层卷积核尺寸为3×3；池化层负责对输入的数据空间维度进行下采样，设置2×2的感受野为最大值池化，滑动步长为2；反卷积层的卷积核尺寸为2×2进行上采样； S2.2、设置机翼表面压力重构深度神经网络模型的学习速率、迭代次数、层数、每层神经元的个数、批尺寸，激活函数，以均方根误差作为损失函数进行训练，均方根误差损失函数LossMSE的计算公式为： 其中，EW,b为损失函数，W为权重参数、b为偏置项参数，n为训练样本数，xj和yj为已知样本数据，为模型预测值，g[hW,bxj]为模型预测函数，hW,bxj为输入值xj经过前向传播的函数公式； 训练采用反向传播算法，利用链式求导法则计算已知样本数据与模型预测值之间的损失函数对每个权重参数或偏置项的偏导数，然后逐层反向地更新权重参数或偏置项参数，用于构建机翼表面压力重构深度神经网络模型； S2.3、对步骤S2.2得到的机翼表面压力重构深度神经网络模型进行校准：对均方根误差损失函数进行修正：通过使用惩罚系数ρ进行修正，得到平均平方误差损失函数LossMSE1的计算公式为： 其中，p为数值模拟样本数据的数量；q为风洞试验样本数据的数量；ρ为惩罚系数； S3、对步骤S2构建的机翼表面压力重构深度神经网络模型的超参数采用粒子群优化算法进行优化，得到优化后的机翼表面压力重构深度神经网络模型； S4、利用步骤S3得到的优化后的机翼表面压力重构深度神经网络模型，应用于新飞机模型风洞测压试验，重构模型机翼表面的全息压力分布，预测模型机翼表面非测量点的气动载荷分布数据，并对预测的全息压力分布数据进行评估验证。

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航空工业集团公司沈阳空气动力研究所，其通讯地址为：110000 辽宁省沈阳市皇姑区阳山路1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”。