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！

龙图腾网获悉北京航空航天大学申请的专利一种基于结果融合的数实融合测试评价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：CN119646469B 。

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：202411823733.5，技术领域涉及：G06F18/21；该发明授权一种基于结果融合的数实融合测试评价方法是由陶飞;张建康;邹孝付设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种基于结果融合的数实融合测试评价方法在说明书摘要公布了：本发明公开了一种基于结果融合的数实融合测试评价方法，包括：通过数实测试结果数据融合模块融合数字测试结果与实装测试结果为一体；步骤二、通过数实融合测试需求动态适应模块，构建装备的多目标测试需求模型；步骤三、通过数实融合测试结果评估模块执行构建适应性改进的贝叶斯神经网络模型，以实现对数实融合测试结果的深度评估，利用反向传播机制和模型的迭代训练来优化贝叶斯神经网络模型的性能，确保贝叶斯神经网络模型能够动态适应构建的多目标测试需求模型。本发明通过去冗补缺的融合两者数据，再通过建立测试需求动态适应模块，构建多目标测试需求模型与指标因子模型对数实测试结果的融合程度进行调整，使其较好地具备两者的融合优势。

本发明授权一种基于结果融合的数实融合测试评价方法在权利要求书中公布了：1.一种基于结果融合的数实融合测试评价方法，其特征在于，包括： 步骤一、通过数实测试结果数据融合模块融合数字测试结果与实装测试结果为一体，同时弥补缺漏测试数据、消除冗余低效能数据； 步骤二、通过数实融合测试需求动态适应模块，基于装备理想工况下关键首要测试需求和广泛普遍工况下适用达标需求分析出主站功能指标和辅站运行指标，根据主站功能指标和辅站运行指标构建装备的多目标测试需求模型；然后进行模型的迭代优化和验证；多目标测试需求模型的输入包括载荷量、续航距离、最大功率、快速换修能力、恶劣工况耐受水平与故障扰动水平，及各指标需求指数，定义为：，其中TRI为总输入，~为六项指标，~为各指标需求指数；输出，~分别代表动力最大功率、燃油效率、传动系统效率、燃油最大存储量、装备骨架材料、关键部件一致性水平、零部件抗荷水平、悬挂可靠性、电控系统鲁棒性、结构的防尘防水防腐耐高温耐低温密封性能力的指标测试指数； 步骤三、通过数实融合测试结果评估模块执行以下操作： a、构建适应性改进的贝叶斯神经网络模型，以实现对数实融合测试结果的深度评估，贝叶斯神经网络模型包括输入层、隐层、输出层，其中输入层接收步骤一中融合数字测试结果与实装测试结果的输出： ； 隐层采用变分推理方法优化网络参数，为权重，为偏置，是激活函数： ； 输出层负责生成最终的评价结果，为权重，为输出偏置，是输出激活函数： b、利用反向传播机制和模型的迭代训练来优化贝叶斯神经网络模型的性能，确保贝叶斯神经网络模型能够动态适应步骤二中构建的多目标测试需求模型； 步骤一包括： 在对装备进行多环节多轮次实装及数字测试时，其中环节次数为n，轮次为m，得到实装测试结果和数字测试结果 其中，是实装测试结果，是实装测试结果中的第n环节第m轮次的结果，是数字测试结果； 对部分可信度较低的冗杂数据进行去除或降低权重，可信度较低的冗杂数据指的是实装测试中已有该环节结果数据，且其数字测试中与实装测试结果相差甚远的部分，对部分实装测试中欠缺的环节结果数据，利用多次均权平均后的数字测试结果数据弥补，该过程表示为： ， ， ， 其中，表示权重系数，决定冗杂数据的削弱程度，设试验中实装测试结果不残缺，以表示，数字测试结果即存在冗余，为一极小常数,表示对数字测试结果去冗余后的输出值，表示对实装测试结果补残缺的输出值； 最终构建融合数字测试结果与实装测试结果的输出为：； 步骤二包括： a、从主战功能指标、辅战运行指标上构建装备的多目标测试需求模型，其中主战功能指标包括装备的荷载量、续航距离、最大功率，辅战运行指标包括装备的零部件快速换修能力、装备运行恶劣工况耐受性、故障对系统的扰动水平，最后构建出覆盖装备主战功能指标与辅战运行指标的多目标测试需求模型； b、对多目标测试需求模型，设计训练、迭代与验证方法，包括：首先利用层次分析法对各指标进行分层分析，随后结合德尔菲法与专家经验评估方法建立初始的指标因子模型，再利用博弈论方法，逆向站位反复评估，迭代调整指标因子模型，最后利用TOPSIS方法，分析模型当前参数与负理想模型的距离来验证模型方案优劣； 步骤三包括： 反向传播机制的损失函数L表示为： ， 其中，为真实值，为预测值，M是样本数量，通过反向传播机制，计算损失函数关于网络参数的梯度后，利用梯度更新网络权重，其中为学习率： ， ， 最后结合步骤二中构建的多目标测试需求模型，定期评估和更新多目标测试需求模型的因子权重： ， 其中，F是当前因子权重，k是调整系数，是评估结果的改进程度。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。