基本信息:
- 专利标题： 基于机器学习的高速飞行器特征泛化方法及装置
- 申请号：CN202411017743.X 申请日：2024-07-29
- 公开(公告)号：CN118551668A 公开(公告)日：2024-08-27
- 发明人： 刘枫 , 吴岸平 , 李宇玻 , 刘洲池 , 蒋万秋 , 肖天航
- 申请人： 中国空气动力研究与发展中心超高速空气动力研究所
- 申请人地址： 四川省绵阳市二环路南段6号
- 专利权人： 中国空气动力研究与发展中心超高速空气动力研究所
- 当前专利权人： 中国空气动力研究与发展中心超高速空气动力研究所
- 当前专利权人地址： 四川省绵阳市二环路南段6号
- 代理机构： 北京格允知识产权代理有限公司
- 代理人： 王文雅
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F18/213 ; G06F18/24 ; G06F30/28 ; G06F113/08 ; G06F119/14
摘要：
本发明公开了一种基于机器学习的高速飞行器特征泛化方法及装置，属于人工智能领域。方法包括：针对目标分类下的高速飞行器，获取相应气动特征参数的数据集；所述数据集中包括多个数据对，每一个数据对均包括气动特征参数及其对应的气动特性数据；将所述数据集中的气动特征参数作为输入，对应的气动特性数据作为输出，对构建好的神经网络进行训练，得到训练好的网络模型；利用所述网络模型对不同气动特征参数的敏感性进行分析，并将分析结果和所述网络模型作为对所述目标分类下高速飞行器进行的特征泛化结果。本发明能够为高速飞行器设计提供特征泛化的数据支撑。
公开/授权文献:
- CN118551668B 基于机器学习的高速飞行器特征泛化方法及装置 公开/授权日：2024-09-24
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |