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！

龙图腾网获悉清华大学申请的专利航空发动机多任务学习的级联建模方法和装置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：CN120162878B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510190962.6，技术领域涉及：G06F30/15；该发明授权航空发动机多任务学习的级联建模方法和装置是由王昆;何皑;刘佳帅;胡忠志;徐全勇设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本航空发动机多任务学习的级联建模方法和装置在说明书摘要公布了：本申请涉及一种航空发动机多任务学习的级联建模方法和装置。方法包括：获取航空发动机的每个部件结构的各实际测点的检测数据、各部件结构之间的任务关联关系和气路流向信息、以及航空发动机的飞行条件信息，并生成各部件结构对应的发动机任务；识别各部件结构之间的任务依赖信息，并构建低保真度网络和高保真度网络，并基于低保真度网络、高保真度网络、以及各部件结构之间的气路流向信息，构建航空发动机的发动机性能模型。采用本方法能够提升了构建航空发动机的发动机性能模型的仿真效果。

本发明授权航空发动机多任务学习的级联建模方法和装置在权利要求书中公布了：1.一种航空发动机多任务学习的级联建模方法，其特征在于，所述方法包括： 获取航空发动机的每个部件结构的各实际测点的检测数据、各所述部件结构之间的任务关联关系、各所述部件结构之间的气路流向信息、以及所述航空发动机的飞行条件信息，并基于每个部件结构的各实际测点的检测数据、以及各所述部件结构之间的气路流向信息，生成各所述部件结构对应的发动机任务； 基于各所述部件结构之间的任务关联关系、以及各所述部件结构对应的发动机任务，识别各所述部件结构之间的任务依赖信息，并基于所述飞行条件信息、以及各所述部件结构对应的发动机任务，构建低保真度网络；所述低保真度网络基于发动机基线仿真数据进行训练，用于逼近基线条件下的数据模型，所述低保真度网络的输入数据为飞行条件信息，所述低保真度网络的输出数据为预测的所述数据模型的模型参数； 基于所述低保真度网络、所述飞行条件信息、以及各所述部件结构之间的任务依赖信息，构建高保真度网络；所述高保真度网络由两个子网络构成，分别用于逼近真实数据中飞行条件与实际测点之间的线性和非线性相关性，所述高保真度网络的输入数据为飞行条件信息、以及所述数据模型的模型参数，所述高保真度网络的输出数据为预测的实际测点的预测数据； 获取所述航空发动机的各部件结构的物理学信息，并基于各所述部件结构的物理学信息，构建所述航空发动机的物理模型； 基于所述低保真度网络、以及所述高保真度网络，通过多任务级联建模策略，构建所述航空发动机的数据驱动模型； 将所述物理模型、以及所述数据驱动模型，作为所述航空发动机的发动机性能模型。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。