買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉云南師范大學申請的專利多層吸波體的參數尋優方法、模型、系統及可讀存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120373160B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510867786.5，技術領域涉及：G06F30/27；該發明授權多層吸波體的參數尋優方法、模型、系統及可讀存儲介質是由楊成福;李婧;阿琴花;蘭秋松;趙建龍;夏瑞陽;寧悅設計研發完成，并于2025-06-26向國家知識產權局提交的專利申請。

本多層吸波體的參數尋優方法、模型、系統及可讀存儲介質在說明書摘要公布了：本申請涉及吸波體智能設計技術領域，尤其涉及一種多層吸波體的參數尋優方法、模型、系統及可讀存儲介質。采用正向預測模型預測待測多層吸波體的回波損耗，其中，所述正向預測模型包括多個基模型堆疊泛化構成的特征矩陣，以及用于對所述特征矩陣輸出的特征預測結果進行二次特征學習的元模型；將所述回波損耗輸入至逆向預測模型預測所述待測多層吸波體對應的結構參數；基于遺傳算法對所述結構參數進行尋優，并輸出尋優后的結構參數作為多層吸波體的參數尋優結果。旨在解決如何對多層吸波體的設計參數進行仿真尋優的問題。

本發明授權多層吸波體的參數尋優方法、模型、系統及可讀存儲介質在權利要求書中公布了：1.一種多層吸波體的參數尋優方法，其特征在于，所述方法包括以下步驟： 采用正向預測模型預測待測多層吸波體的回波損耗，其中，所述正向預測模型包括多個基模型堆疊泛化構成的特征矩陣，以及用于對所述特征矩陣輸出的特征預測結果進行二次特征學習的元模型； 將所述回波損耗輸入至逆向預測模型預測所述待測多層吸波體對應的結構參數； 基于遺傳算法對所述結構參數進行尋優，并輸出尋優后的結構參數作為多層吸波體的參數尋優結果； 所述采用正向預測模型預測待測多層吸波體的回波損耗的步驟之前，還包括： 在1-20GHz頻段內對訓練用多層吸波體進行多次仿真，得到波反射損耗數據和吸收率數據，構成初始數據集； 依次對所述初始數據集進行數據插值擴充處理、目標變量平滑化處理、特征交互處理和標準化處理，得到所述正向預測模型的訓練用數據集，以通過所述訓練用數據集對正向預測模型進行訓練； 在采用所述訓練用數據集對所述正向預測模型進行訓練的過程中，基于粒子群優化算法優化所述正向預測模型中的超參數； 所述基于粒子群優化算法優化所述正向預測模型中的超參數的步驟，包括： 初始化搜索空間，其中，所述搜索空間中的每個粒子的初始位置作為所述超參數的候選解，每個粒子的位置看作是一個向量，每個維度對應一個超參數在搜索空間中的取值，搜索空間的大小作為超參數的取值范圍； 計算每個所述粒子的當前適應度； 基于位置更新公式更新粒子的位置，并計算每次更新后各個粒子的適應度，所述位置更新公式包括： ； ； 式中，vi t是粒子i在第t次迭代的速度，xi t為粒子i在第t次迭代的位置，pbesti是粒子i的歷史最佳位置，gbesti是全局最佳位置，c1和c2是學習因子，用于控制粒子在個人最佳位置和全局最佳位置之間權衡，r1和r2是隨機數，用于控制粒子搜索方向，表示慣性權重，用于控制粒子當前速度對下一代速度的影響程度，調節全局與局部搜索能力的平衡； 迭代更新每個所述粒子的位置，當迭代次數滿足預設迭代次數閾值或所述粒子對應的適應度值收斂時，將各個粒子關聯的當前超參數取值作為最優超參數組合輸出。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人云南師范大學，其通訊地址為：650500 云南省昆明市呈貢區聚賢街768號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。