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！

龙图腾网获悉北京理工大学申请的专利一种基于多源数据融合的虚拟试验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：CN118940569B 。

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：202410980707.7，技术领域涉及：G06F30/23；该发明授权一种基于多源数据融合的虚拟试验方法是由李营;黄治新;张小强;陈子豪设计研发完成，并于2024-07-22向国家知识产权局提交的专利申请。

本一种基于多源数据融合的虚拟试验方法在说明书摘要公布了：本发明公开了一种基于多源数据融合的虚拟试验方法，采取真实试验数据与仿真试验结合实现虚拟试验的方式，通过试验数据、批量仿真、机器模型训练、逆向预测和虚拟试验等步骤，构建了一种综合性的、可复现的、重复分析的、物理场再现的、多源数据融合的虚拟试验方法。本发明以有限的试验数据为基础，结合批量数值仿真计算、机器学习算法，构建虚拟试验。本发明旨在解决海上试验数据获取难、获取少问题，可实现海上试验数据“从少变多”，点数据变为场数据，最大化真实试验数据仅有少量的利用价值。

本发明授权一种基于多源数据融合的虚拟试验方法在权利要求书中公布了：1.一种基于多源数据融合的虚拟试验方法，其特征在于，包括以下步骤是： S01:通过试验或已有的试验获取测量点的有效数据，包括加速度测量数据、压力测量数据、应变测量数据、破口数据，并进行数据处理，建立简化的特征值； S02:根据靶船信息，建立有限元模型，并建立随机工况，批量计算随机工况，提取结果中对应试验获取的有效数据，即加速度测量数据、压力测量数据、应变测量数据、破口数据，并采取与试验数据相同的数据处理方式，获得简化的特征值，从而建立各种不同工况对应的测量信息，对原始数据归一化，形成用于机器学习所使用的数据； S03:采用机器学习算法，以结果数据为特征即自变量X，以工况信息为目标即因变量Y，对步骤S02生成的基础数据库进行训练，其中，破口数据采用机器学习的可分类的算法进行分类模型训练，加速度测量数据、压力测量数据、应变测量数据采用可回归的算法进行回归模型训练，从而对所有工况信息条件分别建立对应的机器学习预测模型，并进行模型的精确度评估和参数优化； 机器学习算法，具体是指，对于破口数据，首先按照有无破口，采用支持向量机算法进行分类训练，然后将有破口的具体破口数据采用支持向量机算法进行回归训练；加速度测量数据、压力测量数据、应变测量数据均按照具体数据采用支持向量机算法进行回归训练； 其中，支持向量机分类回归预测，是以某个关心的物理量为输出变量即目标集，以炸药XYZ三向空间坐标、炸药TNT当量、炸药水下爆炸水深为输入变量即特征集，通过对数据集的训练，得到某个关心的物理量与炸药XYZ三向空间坐标、炸药TNT当量、炸药水深的支持向量机分类回归模型，其形式如下所示： 8 其中，为某个关心的物理量；为炸药炸点的x方向坐标；为炸药炸点的y方向坐标；为炸药炸点的z方向坐标；为炸药TNT当量；为炸药水下爆炸水深，仅用于水下爆炸情况，对于空气爆炸一律取0；f表示支持向量机分类回归模型； S04：采用步骤S03建立的对应工况信息的预测模型，将步骤S01获得的数据作为测试集，预测试验时对应的工况条件信息，即药量、炸药爆点坐标； S05:将步骤S04获得的工况条件与试验所有已知的工况条件进行对比，即对药量、炸药爆点坐标进行对比；其中试验炸药爆点坐标通过视频、图片资料进行分析，得到一个分布范围，坐标预测值在该分布范围内即认为预测合理，药量预测值误差范围在20%内认为预测合理；对于存在明显差异的预测值，返回并执行步骤S03、S04、S05，直到预测值在误差范围内； S06:将步骤S04预测的工况信息作为输入条件，输入到步骤S02建立的有限元仿真计算模型，对试验进行仿真计算，得到试验的仿真结果；采用相应的后处理软件，处理仿真结果，形成对应的视频动画资料、物理场数据资料，使数据可视化，并对结果文件进行封装，形成最终的虚拟实验平台。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。