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！

龙图腾网获悉中南大学申请的专利一种动力装置冷却系统混合变量优化设计方法、系统及存储介质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：CN121525531B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610050010.9，技术领域涉及：G06F30/27；该发明授权一种动力装置冷却系统混合变量优化设计方法、系统及存储介质是由陈力铭;王青山;杨秧;吴志豪;吴岷睿设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本一种动力装置冷却系统混合变量优化设计方法、系统及存储介质在说明书摘要公布了：本发明公开了一种动力装置冷却系统混合变量优化设计方法、系统及存储介质，通过将有序类别型变量映射至一维隐空间、无序类别型变量映射至高维隐空间的差异化处理方式，完整保留了不同类别型变量的本质特征，使模型能够精准刻画数值‑类别混合变量的耦合作用机制，显著提升了模型的拟合精度与泛化能力，准确反映不同变量组合对冷却系统声学性能的综合影响，为后续优化提供了可靠的模型基础。本发明以总声压级响应作为核心优化设计目标，通过参数化声学分析、隐空间高斯过程模型训练及迭代优化的全流程，实现了包含混合变量的动力装置冷却系统高效优化设计。

本发明授权一种动力装置冷却系统混合变量优化设计方法、系统及存储介质在权利要求书中公布了：1.一种动力装置冷却系统混合变量优化设计方法，其特征在于，包括如下步骤： S1，生成包含个初始训练样本的输入矩阵，的尺寸为，为数值型设计变量的种类总数，为类别型设计变量的种类总数； S2，结合个初始样本形成的输入矩阵对应的总声压级响应，形成训练样本集； S3，将有序类别型设计变量的标记值映射至一维隐空间中的有序坐标点； S4，将无序类别型设计变量的标记值映射至高维隐空间中的无序坐标点； S5，根据训练样本集训练隐空间高斯过程模型； S6，对数值型设计变量和类别型设计变量进行迭代，获得迭代后的输入变量，并获得迭代后的输入变量对应的总声压级响应； S7，更新样本数，将合并入训练样本集，判断是否大于预设阈值N： 若是，则进入步骤S8，若否，则返回步骤S3； S8，将训练样本集中最小总声压级响应对应的数值型设计变量和类别型设计变量作为动力装置冷却系统的优化设计方案； 步骤S3，具体包括： 对于具有L个类别取值的有序类别型设计变量，将有序类别型设计变量的标记值从小到大进行排序，获得一维变量序列； 引入包含个一维隐空间坐标点的有序坐标点序列来一一对应映射一维变量序列中的有序类别型设计变量的参数化值；一维隐空间坐标点的值在区间内；且，，其余一维隐空间坐标点的值满足； 步骤S4，具体包括： 对于具有M个类别取值的无序类别型设计变量，M个无序类别型设计变量的标记值组成的序列表示为无序变量序列； 引入包含个维隐空间坐标点的多维无序坐标点序列来一一对应映射序列中的无序类别型设计变量的参数化值，其中，每个坐标点中的非零坐标分量值均在区间内； 步骤S5中，通过训练需要确定的隐空间高斯过程模型的超参数包括：回归常数项、过程方差、隐含在相关函数中的特征尺度系数、有序类别型设计变量类别对应的一维隐空间坐标点的值、无序类别型设计变量类别值对应的高维隐空间坐标点非零坐标分量值。

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南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932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。