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！

龙图腾网获悉中航西安飞机工业集团股份有限公司申请的专利一种基于点云网络的翼型流场气动参数预测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：CN119830796B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411897671.2，技术领域涉及：G06F30/28；该发明授权一种基于点云网络的翼型流场气动参数预测方法是由宋居正;刘若璇;王哲;吴云山;刘思位设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于点云网络的翼型流场气动参数预测方法在说明书摘要公布了：本发明属于计算流体力学领域和深度学习领域，具体涉及一种基于点云网络的翼型流场气动参数预测方法。直接使用CFD计算中的翼型流场网格坐标作为输入，使用流场网格点对应的流场参数作为输出。与卷积神经网络相比，点云神经网络不需要对数据进行图像化处理，避免了引入人工误差，简化了数据预处理的步骤。同时，基于网格的CFD计算数据天然具有点云特点，可以直接用于点云网络。另外，为了避免点云网络的输入和输出维度过大，对翼型流场网格进行降采样，然后通过gappyPOD方法，基于采样网格点的流场气动参数预测值，填补流场未采样点的气动参数。

本发明授权一种基于点云网络的翼型流场气动参数预测方法在权利要求书中公布了：1.一种基于点云网络的翼型流场气动参数预测方法，其特征在于，具体步骤包括：步骤1：选取一个初始翼型，结合翼型参数化方法和随机采样方法，基于初始翼型生成N个随机翼型组成翼型库；步骤2：设定流场条件，基于CFD模拟计算，获取翼型库中各个翼型的流场气动参数；步骤3：从各个翼型的流场Nt个网格点中采样Ns个网格点；步骤4：对于翼型库中的所有翼型，以翼型流场Ns个采样网格点的坐标作为输入数据，采样网格点的流场气动参数作为输出数据，建立神经网络数据集；步骤5：建立点云网络，使用神经网络数据集对点云网络进行训练；步骤6：从测试数据集中选取一个翼型，以翼型流场采样网格点的坐标作为输入，输入训练完成的点云网络，以网络的输出值作为翼型流场采样网格点的气动参数的预测值；步骤7：创建0.8×N行、Ns×2+Nt×n列的矩阵P，矩阵P的每一行代表训练集中一个翼型样本的流场数据；矩阵P第1至Ns×2列为Ns个采样网格点的横、纵坐标，Ns×2+1列至Ns×2+n列为Ns个采样网格点对应的翼型流场气动参数；Ns×2+n+1列至最后一列为翼型流场非采样网格点对应的n个气动参数；创建行向量Pr，Pr的数据为待预测翼型流场数据，其中，第1至Ns×2列为待预测翼型流场Ns个采样网格点的横、纵坐标，Ns×2+1列至Ns×2+n列为待预测翼型流场中Ns个采样网格点的流场参数，通过步骤6预测获取，Ns×2+n+1列至最后一列为待预测翼型流场非采样网格点对应的n个气动参数，通过计算矩阵P对应列的平均值获取； 步骤8：采用本征正交分解方法，计算组合矩阵[P；Pr]的基模态矩阵Pc、基模态系数Ps和均值向量Pm；基模态矩阵Pc、基模态系数Ps和均值向量Pm满足[P；Pr]＝Ps×PcT+Pm； 步骤9：通过公式2对Pr进行更新： 其中b为主成分系数向量； 步骤10：重复步骤9对Pr进行迭代更新直至达到最大迭代次数E，Pr的Ns×2+1列至最后一列即为待预测翼型的流场网格点对应的气动参数。

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航西安飞机工业集团股份有限公司，其通讯地址为：710089 陕西省西安市西飞大道一号；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。