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！

龙图腾网获悉郑州航空工业管理学院申请的专利一种大型运输设备的气动力预测方法及设备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：CN120105951B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202510170010.8，技术领域涉及：G06F30/28；该发明授权一种大型运输设备的气动力预测方法及设备是由王正鹤;刘元朋;曾光;刘顺新;张建兴设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本一种大型运输设备的气动力预测方法及设备在说明书摘要公布了：本发明公开了一种大型运输设备的气动力预测方法及设备，涉及气动力预测领域，首先获取大型运输设备的结构参数和历史飞行数据，基于云服务器构建气动力预测知识图谱，并构建自适应CFD数值仿真模型，采用自适应局部交替遗传算法进行自适应CFD数值仿真模型的自适应优化，并进行气动力预测知识图谱的迭代更新。然后，采用深度强化学习模型进行气动力预测，并结合气动力预测知识图谱进行知识推理；解决的是CFD方法在大型运输设备气动力预测中准确性受到物理模型和计算网格的限制，容易导致复杂气动力现象和流动特性下的计算失败的问题，本发明能够全面地考虑大型运输设备在高速运行时的各种物理现象和流动特性，提高预测的准确性和可靠性。

本发明授权一种大型运输设备的气动力预测方法及设备在权利要求书中公布了：1.一种大型运输设备的气动力预测方法，其特征在于，包括以下步骤： 步骤一、获取目标大型运输设备的结构参数，以及多种不同结构参数的大型运输设备在不同飞行条件参数和气象条件参数下的历史飞行数据； 步骤二、采用云服务器构建气动力预测知识图谱，所述云服务器从步骤一获取的数据中提取多种大型运输设备的结构参数、飞行条件参数、气象条件参数和历史飞行数据作为气动力预测知识图谱的节点，并整合气动力预测学科知识和气动力公式形成气动力预测知识图谱的网络结构； 步骤三、基于气动力预测知识图谱和目标大型运输设备的结构参数构建自适应CFD数值仿真模型，并采用自适应优化算法对自适应CFD数值仿真模型进行优化； 在所述步骤三中，构建自适应CFD数值仿真模型包括以下步骤： S301、接收目标大型运输设备的结构参数，并从气动力预测知识图谱中提取与目标大型运输设备匹配的结构参数、飞行条件参数和气象条件参数，基于提取的参数对CFD数值仿真模型进行初始化设置，所述初始化设置至少包括几何模型设置、网格划分和边界条件设置； S302、根据目标大型运输设备的结构参数和仿真模拟目标设定自适应优化算法，并采用自适应优化算法对CFD数值仿真模型的初始化设置进行优化，所述自适应优化算法设定气动性能仿真表现作为优化目标，并基于气动力预测学科知识和气动力公式设定约束条件； S303、根据目标大型运输设备的特性和预期飞行环境选择物理模型，以反映目标大型运输设备在高速运行时的气动性能； S304、将自适应优化算法与CFD数值仿真模型集成形成自适应CFD数值仿真模型，并根据选择的物理模型和自适应CFD数值仿真模型对目标大型运输设备在不同飞行条件和气象条件下的气动性能进行数值模拟； S305、采用历史飞行数据与数值模拟进行对比，并根据验证对比结果对自适应CFD数值仿真模型进行校准； 所述自适应优化算法基于多智能体近端策略模型和局部交替遗传模型对CFD数值仿真模型的初始化设置进行优化，所述自适应优化算法的工作方法包括以下步骤： S3021、将CFD数值仿真模型中的初始化设置变量视为智能体，智能体的运行环境为CFD数值仿真模型，采用气动力预测学科知识和气动力公式定义智能体的策略函数和价值函数，所述策略函数根据CFD数值仿真模型的当前状态和初始化设置变量的历史经验调整当前初始化设置变量的值，所述价值函数根据CFD数值仿真模型的当前状态和策略函数评估当前初始化设置变量的价值； S3022、智能体根据策略函数在运行环境中执行调整动作，并基于近端策略优化方法更新智能体的策略函数参数和价值函数参数，所述近端策略优化方法通过策略损失函数和价值损失函数约束策略和价值函数的更新步长； 策略损失函数的表达式为： 在公式1中，LPθ表示策略函数参数θ的更新损失函数，用于衡量新策略与旧策略之间的差异，Et表示在时间步t处所有状态和动作的期望值，rtθ表示策略函数参数在时间步t处在状态st下采取动作at策略的概率比值，表示在时间步t处的优势估计值，用于衡量了状态下采取动作对相对于平均动作选择的优势，∈表示超参数，用于限制概率比值rtθ的变化范围，cliprtθ,1‑∈,1+∈表示将概率比值rtθ限制在1‑∈到1+∈之间，价值损失函数的表达式为： 在公式2中，表示价值函数参数的更新损失函数，表示在状态st下智能体的价值函数，表示在时间步t处获得的回报值，Et表示在时间步t处所有状态和动作的期望值； S3023、在策略函数参数和价值函数参数更新迭代过程中，将智能体分为多个小组，并采用局部交替遗传模型进行多个智能体之间的局部协作和整体竞争； S3024、将更新迭代后的初始化设置变量值输入到CFD数值仿真模型中进行数值计算，并将计算结果反馈给智能体，作为CFD数值仿真模型的当前状态； S3025、重复步骤S3022和步骤S3023，直到达到预定的气动性能仿真表现； 步骤四、采用优化后的自适应CFD数值仿真模型模拟目标大型运输设备在不同飞行条件和气象条件下高速运行时的气动性能，并基于仿真过程数据对气动力预测知识图谱进行迭代更新； 步骤五、采用深度强化学习模型对大型运输设备的气动力性能进行预测，并采用更新后的气动力预测知识图谱对深度强化学习模型进行训练。

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郑州航空工业管理学院，其通讯地址为：450015 河南省郑州市大学中路2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。