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计算空气动力研究所申请的专利一种翼型生成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：CN120850831B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511361413.7，技术领域涉及：G06F30/27；该发明授权一种翼型生成设计方法是由王雨桐;余永刚;宋超;刘红阳;郭文娟;吕广亮;王浩;罗骁;赵莹;刘悦设计研发完成，并于2025-09-23向国家知识产权局提交的专利申请。

本一种翼型生成设计方法在说明书摘要公布了：本发明提供了一种翼型生成设计方法。采用VAE‑GAN生成模型进行翼型设计，设计空间更加紧凑，结合无参数函数的翼型生成设计方法，对生成模型的网络架构进行修改，能够避免预先定义参数函数对生成模型的限制，使设计空间更广，设计结果更多样化，实现翼型光滑连续。采用几何特征驱动的生成模型训练，从翼型几何特征的角度出发，提炼相关物理正则项驱动训练，对生成模型的损失函数进行修改，以提高基于生成模型的无参数函数翼型设计方法获得几何光滑连续翼型的概率，进而提高生成设计结果的物理可行性。

本发明授权一种翼型生成设计方法在权利要求书中公布了：1.一种翼型生成设计方法，其特征在于，包括以下步骤： 步骤1：采用VAE-GAN生成模型进行生成设计，结合无参数函数的翼型生成设计方法，对生成模型的网络架构进行修改； 步骤1.1：在采用无参数函数的VAE-GAN生成模型中，模型在给定真实样本x的情况下使用编码器学习样本的潜在特征z，再利用解码器生成重建样本，假设服从各向同性高斯分布，因此VAE部分最小化的损失函数为： ； 式中：是相对熵，是重构损失，表示不同的权重系数； 步骤1.2：鉴别器将判断重建样本为假样本，并识别x为真实样本，因此，GAN部分的损失函数为： ； 式中：鉴别器，为编码器，为解码器； 步骤1.3：在训练编码器和解码器时引入层一致性损失，用于测量鉴别器中待测的目标层中神经元在假样本时的值与真实样本时的值之间的距离； ； 式中：表示鉴别器中指定的第层；表示编码器输出的潜在变量； 编码器、解码器和鉴别器三个组件联合训练，在训练每个组件时，损失函数的每一项被分配不同的权重系数，分别表示不同的权重系数，则VAE-GAN生成模型的完整损失函数为： ； 步骤2：根据无参数函数生成模型所获得的翼型特点，提取翼型几何特征正则项；所述翼型几何特征正则项包括防翼型交叉的正则项、粗糙度、前缘曲率正则项；其中： ； 式中：N是批样本数量，是下表面第i个点的y坐标，是上表面第i个点的y坐标； ； ； 式中：分别表示第k个点x和y的坐标，分别表示第k+1个点x和y的坐标，vk表示从第k个点指向第k+1个点的向量，vi,k表示训练过程中第i个翼型的vk向量，vi,k+1表示训练过程中第i个翼型的vk+1向量，表示相邻坐标点连线之间的夹角，表示整体的几何特征，表示第i个局部位置的几何特征，表示反余弦函数； ； 式中：表示训练过程中第i个翼型的前缘曲率，表示训练过程中第i个翼型的前缘向量，表示第i个翼型在前缘相邻的下一个采样点处的向量； 步骤3：在训练生成模型的过程中，通过将提取到的翼型几何特征正则项引入到损失函数中，对生成模型的损失函数进行修改，提高基于生成模型的无参数函数翼型设计方法获得几何光滑连续翼型的概率，从而提高生成设计结果的物理可行性。

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计算空气动力研究所，其通讯地址为：621010 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。