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超高速空气动力研究所申请的专利一种基于算子推理稀疏辨识的自适应降阶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：CN120724921B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511242668.1，技术领域涉及：G06F30/28；该发明授权一种基于算子推理稀疏辨识的自适应降阶建模方法是由汤洪伟;刘枫;黎建辉;李宇玻;吴岸平;谢飞;蒋万秋设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本一种基于算子推理稀疏辨识的自适应降阶建模方法在说明书摘要公布了：本发明公开了一种基于算子推理稀疏辨识的自适应降阶建模方法，涉及风洞试验中的计算流体力学领域，包括：S1、对CFD模拟实验得到的高维高保真数据进行筛选和预处理，以得到快照数据样本；S2、对S1得到的快照数据样本进行降维处理，以得到对应的降阶状态向量；S3、采用深度强化学习对降阶状态向量中流动特征的不变量进行学习，以在低维子空间中构建基于流场特征感知和自适应机制的降阶模型；S4、采用风洞试验数据对降阶模型进行验证。本发明提出算子推理稀疏辨识与自适应降阶建模方法，实现算子推理模型的自适应动态更新，量化非平衡流动降阶模型的不确定性，进而准确预测强非线性和多尺度耦合流动。

本发明授权一种基于算子推理稀疏辨识的自适应降阶建模方法在权利要求书中公布了：1.一种基于算子推理稀疏辨识的自适应降阶建模方法，其特征在于，包括： S1、对CFD模拟实验得到的高维高保真数据进行筛选和预处理，以得到快照数据样本； S2、对S1得到的快照数据样本进行降维处理，以得到对应的降阶状态向量； S3、采用深度强化学习对降阶状态向量中流动特征的不变量进行学习，以在低维子空间中构建基于流场特征感知和自适应机制的降阶模型； S4、采用风洞试验数据对降阶模型进行验证； 在S3中，所述降阶模型是通过参数化算子学习捕捉物理场的协同变化规律，其构建方法为： S30、采用算子推理方法定义一个带多项式结构的流动控制方程； S31、在稀疏辨识的基础上，采用Taylor方式对流动控制方程中的反应源项进行展开，以得到降阶模型Ⅰ； S32、采用变量变换的方式，将描述高超声速非平衡流动的含高阶非线性项的控制方程转化为二阶偏微分方程组形式，经稀疏辨识后，得到相应的降阶模型Ⅱ； S33、在降阶模型Ⅱ中通过最小二乘法优化直接学习流动控制方程中的降阶矩阵算子； S34、采用Tikhonov正则化技术对降阶矩阵算子的求解过程进行优化，完成降阶模型的构建。

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超高速空气动力研究所，其通讯地址为：621000 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。