北京理工大学郝佳获国家专利权
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！
龙图腾网获悉北京理工大学申请的专利一种高超声速拦截器性能快速评估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：CN116011524B 。
龙图腾网通过国家知识产权局官网在2025-11-18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：202310003024.1，技术领域涉及：G06N3/047；该发明授权一种高超声速拦截器性能快速评估方法是由郝佳;叶文斌;龙辉;王国新;明振军设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。
本一种高超声速拦截器性能快速评估方法在说明书摘要公布了：本发明公开了一种高超声速拦截器性能快速评估方法。本发明以神经网络为代理模型框架，利用设计人员在型号设计过程中积累的工程经验，填补工况参数和目标性能之间的映射规律，将工程经验融入到神经网络中，弥补小样本数据预测精度低的问题。最终训练得到的神经网络代理模型的测试误差在0.5％以内，表明本发明所建立的神经网络代理模型能够获得较高精度的气动性能参数预测结果，并具有良好的泛化能力。
本发明授权一种高超声速拦截器性能快速评估方法在权利要求书中公布了：1.一种基于神经网络的高超声速拦截器性能快速评估方法，其特征在于，包括： 步骤1，获取训练数据集；所述训练数据集中包括真实仿真数据和工程经验数据； 其中，真实仿真数据获取方式为：使用计算试验设计方法，在初始设计空间内获取工况参数样本点，通过工程实验或数据仿真获得对应的气动性能响应值； 工程经验数据获取方式为：由设计人员根据其工程经验，利用贝赛尔曲线绘制出工况参数与气动性能的关系拟合曲线，并基于贝赛尔曲线控制点求导实现梯度化表征； 步骤2，构建神经网络并初始化网络参数；所述神经网络的输入为拦截器的工况参数，输出为拦截器的性能参数；损失函数由基于真实仿真数据的数据项损失函数和基于工程经验数据的经验项损失函数组成，其中，数据项损失函数为神经网络预测值和真实值之间的均方误差；经验项损失函数为神经网络输入、输出的梯度和对应的贝赛尔曲线梯度的均方误差； 步骤3，利用步骤1获取的训练数据集，对步骤2构建的神经网络进行训练，得到训练好的神经网络； 步骤4，利用训练好的神经网络，对高超声速拦截器的气动性能进行评估。
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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。
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。
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。
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
请提出您的宝贵建议，有机会获取IP积分或其他奖励