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！

龙图腾网获悉中山大学申请的专利一种数据驱动的复杂结构系统分层级解耦设计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：CN119989637B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411979852.X，技术领域涉及：G06F30/20；该发明授权一种数据驱动的复杂结构系统分层级解耦设计方法是由杜现平设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种数据驱动的复杂结构系统分层级解耦设计方法在说明书摘要公布了：本发明公开了一种数据驱动的复杂结构系统分层级解耦设计方法，包括：对复杂结构系统进行性能需求分析，确定性能指标；根据复杂结构系统的结构和性能指标进行层级解耦分析，建立系统层级模型；完成分层级复杂结构系统层级参数定义，通过设计变量、表征性能参数及过渡变量形成层级间相互关联的分层级结构设计体系；在此基础上，以“自上而下”的方式，通过数据驱动识别层级间的具体关联模式，对每一层进行顺序设计；之后开展各层级的设计合成，并进行系统性能及可靠性的评估，完成系统的设计。本发明通过每一层级数据学习，建立与子层级参数的关联性，形成不同层级设计的关联关系，以保障整体性能为目标，形成“自上而下”的整体高效设计方法。

本发明授权一种数据驱动的复杂结构系统分层级解耦设计方法在权利要求书中公布了：1.一种数据驱动的复杂结构系统分层级解耦设计方法，其特征在于，包括下述步骤： 对复杂结构系统进行性能需求分析，确定性能指标；所述性能指标包括性能评估指标和标签，所述性能评估指标用于评估系统层级性能，所述标签指通过评估标准，判断性能评估指标的评估结果，包括可行解标签和不可行解标签； 根据复杂结构系统的结构和性能指标进行层级解耦分析，建立系统层级模型，系统层级模型包括多个子层级，并定义模型中每个子层级的基本参数；所述基本参数包括设计变量、表征性能参数和过渡变量，所述设计变量用于表示本层级的基本设计元素，所述表征性能参数用于表征影响本层级性能指标的各子层级的性能，所述过渡变量用于方便本层级调控子层级的表征性能参数； 根据设计目标，给定设计变量和过渡变量对非最下位子层级的层级元素进行数字仿真，获取当前层级的性能评估指标和表征性能参数，根据给定的评估标准判断性能评估指标，对不同的设计变量与表征性能参数进行标记，获得数据集，数据集包括不同设计变量与表征性能参数及对应标签，利用数据标签熵减方法挖掘满足设计目标的关键设计变量及其取值范围和关键表征性能参数及其取值范围，关键设计变量及其取值范围即为当前层级设计集合；将关键表征性能参数及其范围传递到下一层级，并作为下一层级可行解或者不可行解的判定约束之一；对每一非最下位子层级重复以上过程，完成各个层级的设计；对最下位子层级数据挖掘，获得设计变量及其取值范围，所述设计变量及其取值范围即为当前层级设计集合； 所述利用数据标签熵减方法挖掘满足设计目标的关键设计变量及其取值范围和关键表征性能参数及其取值范围，包括以下步骤： 基于熵递减模式对仿真获取的数据集S进行子集划分，数据集S包括当前层级的所有样本的特征参数，即设计变量与表征性能参数，以及对应标签，通过选择具有最大信息增益值的特征参数A对数据集进行划分，如下式： 其中，为信息增益，即当前数据集S的熵与采用特征参数A划分数据集后的熵的差值，为数据集划分信息增量，表示以特征参数A划分数据集产生的信息量，m为标签数量，为第个标签的设计数占总数的比例，N为数据集划分后生成的数据子集的数量，Sj为切分数据集S后生成的子集，为子集Sj的信息熵，|∙|表示样本集中样本的数量； 通过遵循以上指标对集合进行递归划分，直到满足设定条件时停止划分，获取递归划分结果； 对递归划分结果进行分析，获取可行解标签最多且纯度最高的子集，并记录获得该子集所用到的所有关键设计变量及其取值区间和关键表征性能参数及其取值区间； 整合各层级获得的设计集合，获取系统设计集合，根据系统设计集合中的设计变量进行部件构建和连接，获取复杂结构系统设计仿真模型，利用性能指标对复杂结构系统仿真模型进行性能验证。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。