買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京航空航天大學(xué)申請的專利大規(guī)模超聲速進(jìn)氣道流動狀態(tài)的識別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN111832224B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202010629275.7，技術(shù)領(lǐng)域涉及：G06F18/2411；該發(fā)明授權(quán)大規(guī)模超聲速進(jìn)氣道流動狀態(tài)的識別方法是由吳奐;趙永平;李兵;譚慧俊設(shè)計研發(fā)完成，并于2020-07-01向國家知識產(chǎn)權(quán)局提交的專利申請。

本大規(guī)模超聲速進(jìn)氣道流動狀態(tài)的識別方法在說明書摘要公布了：本發(fā)明提供一種大規(guī)模超聲速進(jìn)氣道流動狀態(tài)的識別方法，該方法是一種F?KNN和I?DAGSVM相結(jié)合的混合算法，用于解決大規(guī)模超聲速進(jìn)氣道的流動狀態(tài)識別問題。該混合算法首先利用F?KNN快速找到每個測試樣本的k個精確的近鄰樣本，然后再基于這些近鄰樣本，利用I?DAGSVM訓(xùn)練局部分類器去進(jìn)行判別，因而結(jié)合了F?KNN的高效搜尋速度和I?DAGSVM優(yōu)秀的分類性能，同時也克服了F?KNN算法在面對屬于不同類別的近鄰樣本數(shù)目相等時誤分的情況以及I?DAGSVM算法在處理大數(shù)據(jù)時其訓(xùn)練過程非常耗時的缺點(diǎn)，從而保證了能夠在合理的運(yùn)行時間內(nèi)得到優(yōu)秀的分類結(jié)果。

本發(fā)明授權(quán)大規(guī)模超聲速進(jìn)氣道流動狀態(tài)的識別方法在權(quán)利要求書中公布了：1.一種大規(guī)模超聲速進(jìn)氣道流動狀態(tài)的識別方法，其特征在于，包括如下步驟： 步驟1：采集超聲速進(jìn)氣道在額定狀態(tài)下的節(jié)流過程中進(jìn)氣道壁面各壓力測點(diǎn)的動態(tài)壓力時間歷程信號； 步驟2：以所采集信號為樣本，所采集信號對應(yīng)的進(jìn)氣道流動狀態(tài)類別為樣本標(biāo)簽，建立樣本集，將樣本集劃分成訓(xùn)練集和測試集； 步驟3：采用F-KNN算法在訓(xùn)練集中找到每個測試樣本x的k個近鄰樣本； 步驟4：對k個近鄰樣本的兩兩類別間構(gòu)建DAGSVM，并計算類別之間的可分性，按照類別之間可分性從大到小的順序，從上到下構(gòu)建將各個DAGSVM組織成樹形結(jié)構(gòu)； 步驟5：在判定測試樣本時，依次將其輸入給所述樹形結(jié)構(gòu)中的子分類器，每次判定后，剔除概率較小的類別，直至只剩下一個類別，則判定測試樣本就屬于剩下的這個類別； 步驟1中，采用ReliefF算法選出對識別當(dāng)前進(jìn)氣道所處的流動狀態(tài)最有效的傳感器位置，樣本由選出的傳感器信號組成； 步驟3的具體步驟包括： 步驟3.1：在測試樣本集中隨機(jī)確定一個基準(zhǔn)樣本R，并根據(jù)各個訓(xùn)練樣本與R的距離建立一個有序隊列和一張索引表；索引表中記錄的是有序隊列中第個訓(xùn)練樣本在有序隊列中的位置及其到R的距離； 步驟3.2：計算測試樣本x與R的距離d，利用二分法在索引表中確定與R的距離最接近d的訓(xùn)練樣本q的范圍； 步驟3.3：在所述范圍內(nèi)找到q，并以q為中心在有序隊列中取出k個訓(xùn)練樣本作為x的初始近鄰樣本；通過不斷搜索q前后滿足條件的訓(xùn)練樣本并替換掉初始近鄰樣本，最終得到x的k個精確的近鄰樣本； 步驟4中類別之間的可分性由兩類樣本的類中心間的距離表示； 類中心間的距離計算步驟如下： 假設(shè)Ni是第i類樣本的數(shù)目，是第k個樣本，則第i類的平均向量和半徑分別由1和2計算得到： 計算出第j類的平均向量和半徑；則第i類和第j類之間的距離Dij由兩個類的平均向量間的距離減去各自的半徑得到： Dij＝||mi-mj||2-ri-rj3 平均向量代表著類的中心，而半徑代表著類中樣本的分布情況，半徑越小代表著樣本分布越密集；因此，類中心間的距離越大，半徑越小，則代表著兩個類越容易區(qū)分。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南京航空航天大學(xué)，其通訊地址為：210016 江蘇省南京市秦淮區(qū)御道街29號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。