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！

龙图腾网获悉安徽工业大学申请的专利一种风力机叶片的设计方法及系统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：CN119720789B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411885789.3，技术领域涉及：G06F30/27；该发明授权一种风力机叶片的设计方法及系统是由孟瑞;宋金涛;韩晓晶;唐晓娟;谢能刚设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本一种风力机叶片的设计方法及系统在说明书摘要公布了：本申请公开了一种风力机叶片的设计方法及系统，属于风力发电领域，包括：构建风力机叶片模型；采用拉丁超立方设计方法，在风力机叶片模型的设计空间，生成设计方案的初始样本点；根据初始样本点，构建Kriging代理模型；采用改进的多目标螳螂算法对Kriging代理模型进行迭代求解，得到Pareto前沿解集；从Pareto前沿解集中，根据风力机叶片的约束条件，选择最优解作为风力机叶片的设计方案。针对现有技术中风力机叶片设计优化效率低，本申请构建风力机叶片数学优化模型，然后根据采样点构建Kriging代理模型并优化其超参数，在此基础上引入改进的多目标螳螂优化算法和多维加点策略对代理模型进行自适应更新优化求解等，提高了优化效率。

本发明授权一种风力机叶片的设计方法及系统在权利要求书中公布了：1.一种风力机叶片的设计方法，其特征在于，包括： 构建风力机叶片模型； 采用拉丁超立方设计方法，在风力机叶片模型的设计空间，生成设计方案的初始样本点；根据初始样本点，构建Kriging代理模型； 采用改进的多目标螳螂算法对Kriging代理模型进行迭代求解，得到Pareto解集； 从Pareto解集中，根据风力机叶片的约束条件，选择最优解作为风力机叶片的设计方案； 采用改进的多目标螳螂算法对Kriging代理模型进行迭代求解，包括： 建立螳螂个体的位置与风力机叶片的设计变量取值之间的映射关系，随机生成代表风力机叶片不同设计方案的初始螳螂种群； 利用Kriging代理模型预测初始螳螂种群中各个体对应的目标函数值； 对初始螳螂种群中个体的位置和预测目标函数值进行非支配排序，提取非支配解生成初始Pareto解集，并存入外部档案； 基于levy飞行策略，设置自适应步长，更新螳螂种群中个体的位置； 利用Kriging代理模型预测位置更新后的螳螂种群中各个体对应的目标函数值； 对位置更新后的螳螂种群，基于随机抽样方法选择部分螳螂个体，根据相应个体的预测目标函数值和真实目标函数值，计算Kriging代理模型预测精度的决定系数R2和均方误差MSE； 当决定系数R2小于阈值，或者均方误差大于阈值时，对Kriging代理模型进行更新； 利用更新后的Kriging代理模型预测当前螳螂种群的目标函数值； 对当前螳螂种群的位置和更新后的预测目标函数值进行非支配排序，提取非支配解并与外部档案中的Pareto解集合并，得到更新后的Pareto解集； 结合存档个体多样性维护策略，对当前外部档案中的Pareto解集进行高斯扰动； 根据高斯扰动后的Pareto解集，判断当前螳螂种群的位置数据和预测的目标函数值是否满足预设的条件，如果是，输出当前外部档案中的Pareto解集，反之，进行下一轮迭代优化； 对Kriging代理模型进行更新，包括： 对当前种群中每个个体的各维特征进行扰动处理，得到扰动个体集合； 采用随机序列生成随机个体集合； 合并扰动个体集合和随机个体集合，形成候选集； 根据候选集中各候选点的目标函数最大值和最小值，计算候选点的最大最小期望改进值EI，作为评价指标，EI值的计算公式为： ； ； 其中，Z代表候选点对模型潜在改进价值的标准化，表示在位置处的Kriging代理模型预测的均值，表示预测的标准差，表示预测的不确定性，表示关于Z的累积分布函数，表示关于Z的概率密度函数，是探索因子，调节探索和利用能力； 采用K-means聚类算法，对候选集进行自适应聚类，得到K个聚类簇； 计算聚类簇中的候选点的EI值，作为适应度值，根据适应度值通过非支配排序确定聚类簇的Pareto前沿点； 将各聚类簇的Pareto前沿点作为新增样本点，加入原有的训练集中，更新训练集； 利用更新后的训练集，训练Kriging代理模型。

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安徽工业大学，其通讯地址为：243032 安徽省马鞍山市马向路1530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。