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！

龙图腾网获悉西北工业大学申请的专利一种基于数据驱动的压气机叶片鲁棒性设计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：CN114429090B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202111605555.5，技术领域涉及：G06F30/28；该发明授权一种基于数据驱动的压气机叶片鲁棒性设计方法是由高丽敏;王浩浩;杨光设计研发完成，并于2021-12-25向国家知识产权局提交的专利申请。

本一种基于数据驱动的压气机叶片鲁棒性设计方法在说明书摘要公布了：本发明涉及一种基于数据驱动的压气机叶片的鲁棒性设计优化方法，采用中弧线叠加厚度分布的方式来构造叶片，使用NURBS曲线对叶片中弧线进行参数化。使用4点3阶的数据驱动的非嵌入式多项式混沌方法对稀疏的采样数据进行不确定性量化，并得到4个叶片配置模态。采用拉丁超立方方法对叶片设计空间进行采样，在每个叶片配置模态下利用采样集合来训练高斯过程回归模型；分别得到每个叶片配置模态处的GPR代理模型。训练结束后，采用多目标优化算法NSGAII，以叶片总压损失系数的统计均值和标准差为目标进行优化搜索；由此获得性能更优且对输入不确定性的敏感性大大降低的鲁棒性压气机叶片。

本发明授权一种基于数据驱动的压气机叶片鲁棒性设计方法在权利要求书中公布了：1.一种基于数据驱动的压气机叶片鲁棒性设计方法，其特征在于步骤如下： 步骤1：采用NURBS曲线对叶片中弧线进行参数化；将叶片厚度分布叠加到中弧线上来构造叶片； 步骤2：采用阶DNIPC方法量化带有稀疏特征的不确定性输入参数对压气机叶片气动性能的影响，得到气动参数的统计均值与标准差； 步骤2具体包括：由于加工误差的存在，真实的叶片扭转角总会偏离设计值；真实的扭转角可表示为：，式中为设计扭转角，为加工误差扰动；对个实际叶片的扭转角进行测量，得到真实的扭转角误差；是有限的，不足以准确地描述输入变量的分布形式； 计算个扭转角误差数据的统计矩，计算公式为： 式中，代表阶统计矩，代表扭转角误差采样数据； 对于随机物理模型，其输出可表示为在物理空间x，p阶正交基函数的线性组合，表达式为： 式中，为正交基函数，表征叶片扭转角误差的随机属性；DNIPC方法的核心为利用采样数据的统计矩矩阵求出正交基函数；的表达式为： 根据基函数的正交性，可得到， 式中，令基函数的最高次的系数为1，h正交基函数的系数；正交基函数的零点即为叶片扭转角加工误差的特征配置模态； 得到正交基函数之后，混沌多项式系数的表达式为： 在得到混沌多项式和正交基函数之后，叶片总压损失系数的统计均值和标准差的表达式如下： 步骤3：采用拉丁超立方方法对叶片设计空间进行采样，然后在步骤2中的每个叶片配置模态条件下进行CFD数值模拟；在每个叶片模态下，训练GPR代理模型； 步骤3具体包括：叶片中弧线控制点横坐标不变，仅改变纵坐标；设计空间为；采用拉丁超立方方法选取100个样本点，在每个叶片配置模态下进行CFD数值模拟计算；对于每个配置模态，选择其中80个叶片样本用以训练GPR代理模型，另外20个用作测试集； 平方指数核函数的表达式为： 式中，为待定的超参数； 根据贝叶斯估计，未知集合和观测点集合的先验估计可表达为： 式中，为协方差方阵，为的协方差矩阵，代表未知点与观测点之间的相似性； 平方指数核函数的最佳超参数由最小化指数似然函数确定；最小指数似然函数可表达为下式： 通过最小化指数似然函数，即可确定核函数的最佳超参数； GPR代理模型对总压损失系数的预测值的表达式为： 式中，代表要预测的叶片总压损失系数；代表观测点处的叶片总压损失系数； 采用k折交叉验证方法来校验GPR代理模型的精度；GPR模型总体精度评价指标表达式为： 式中，代表取平均值；越接近1，表明GPR预测精度越高； GPR模型的预测值与真实值的偏离程度评价指标可表达为： 式中，越接近0，表明GPR模型的预测值越接近真实值； 步骤4：将步骤3中训练后的GPR模型来替代CFD数值模拟； 步骤5：确定压气机叶片气动性能目标函数，采用NSGAII遗传算法进行多目标搜索，得到满足目标函数的一组Pareto前沿解集。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。