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！

龙图腾网获悉中国空气动力研究与发展中心高速空气动力研究所申请的专利面向紊流激励的颤振风洞试验脉冲响应生成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：CN121350594B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511928021.4，技术领域涉及：G06F18/213；该发明授权面向紊流激励的颤振风洞试验脉冲响应生成方法及系统是由李正杰;刘刚;寇西平;尹刚;曾开春;颜博文;李芷源;黄晓烽;覃源远;韩俐羽设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本面向紊流激励的颤振风洞试验脉冲响应生成方法及系统在说明书摘要公布了：本发明涉及风洞试验技术领域，公开了一种面向紊流激励的颤振风洞试验脉冲响应生成方法及系统，其中方法包括：模型构建：结合卷积采样方法和深度特征提取方法构建混合Transformer生成式模型，并通过混合Transformer生成式模型建立结构动力学系统中紊流响应信号与脉冲响应信号的数学关系；模型训练：根据模型训练效果采用不同的归一化方式对数据进行预处理；采用时域与频域均方差混合的损失函数，并通过多种训练优化方法对模型进行优化；信号生成：将测量的紊流响应信号作为输入，生成对应的脉冲响应信号。本发明可将风洞中动态采集到的紊流响应信号直接转化为脉冲响应信号。

本发明授权面向紊流激励的颤振风洞试验脉冲响应生成方法及系统在权利要求书中公布了：1.一种面向紊流激励的颤振风洞试验脉冲响应生成方法，其特征在于，包括： 模型构建：结合卷积采样方法和深度特征提取方法构建混合Transformer生成式模型，并通过混合Transformer生成式模型建立结构动力学系统中紊流响应信号与脉冲响应信号的数学关系； 模型训练：基于紊流响应和脉冲响应在时域对称性和零点分布的差异性，根据模型训练效果采用不同的归一化方式对数据进行预处理；采用时域与频域均方差混合的损失函数，并通过多种训练优化方法对混合Transformer生成式模型进行优化； 信号生成：通过训练好的混合Transformer生成式模型，将测量的紊流响应信号作为输入，生成对应的脉冲响应信号； 所述模型构建中，结合卷积采样方法和深度特征提取方法构建的混合Transformer生成式模型包括：依次执行信号处理流程的输入投影模块、卷积下采样器、位置编码器、深度特征提取模块、上采样器及输出层； 所述输入投影模块和卷积下采样器的信号处理过程包括： 在前向传播过程中，所述输入投影模块通过线性投影将输入的紊流响应信号转换至更高维度； 将投影后的紊流响应信号送入包含两层一维卷积的卷积下采样器，经第1层卷积计算将紊流响应信号的长度进行压缩，送入ReLU激活函数；再执行一次相同的卷积及ReLU激活操作，将紊流响应信号的长度进一步压缩；最后经维度转换和线性投影调整特征，完成对紊流响应信号的初始特征提取； 所述位置编码器和深度特征提取模块的信号处理过程包括： 所述位置编码器基于正余弦编码方式，生成维度与本层输入数据匹配的位置编码矩阵，将所述位置编码矩阵与本层输入数据相加，使模型具备对时间序列数据的位置感知能力，以理解序列中全部元素的顺序； 将编码后的数据送入深度特征提取模块，通过若干特征提取子模块的顺序处理并经过多次堆叠后，完成对信号特征的深度提取和融合；所述特征提取子模块包括依次连接的前馈神经网络单元、多头自注意力单元及深度可分离卷积单元，所述前馈神经网络单元被配置为对输入数据进行预处理以增强模型非线性表达能力，所述多头自注意力子单元被配置为捕获数据长程依赖关系，所述深度可分离卷积单元被配置为提取数据局部特征； 所述上采样器及输出层的信号处理过程包括： 通过上采样器将压缩后的信号序列长度扩展至原始序列长度； 输出层通过跳跃连接方式将上采样器的输出与原始序列进行拼接，经卷积核进行融合和降维后，送入激活函数生成得到最终的归一化脉冲响应信号。

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中国空气动力研究与发展中心高速空气动力研究所，其通讯地址为：621000 四川省绵阳市涪城区二环路南段6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。