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！

龙图腾网获悉南方科技大学申请的专利一种超临界翼型样本采样方法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：CN115879374B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202211580170.2，技术领域涉及：G06F30/27；该发明授权一种超临界翼型样本采样方法及存储介质是由梁煜;王志浩;单肖文;张淼设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种超临界翼型样本采样方法及存储介质在说明书摘要公布了：本申请公开了一种超临界翼型样本采样方法及存储介质，涉及航空技术领域，包括：获取采样区域，并根据采样区域进行采样，得到包括预期样本的预期样本集；根据每一预期样本，随机生成第一曲线，并获取多个第一曲线对应的第一控制点坐标集；对每一预期样本，根据多目标遗传算法对多个第一控制点坐标集进行翼型优化，得到估计控制点坐标；将多个估计控制点坐标分别通过抖振代理模型、阻力发散代理模型进行映射取值，得到与预期样本集一一对应的估计样本集；根据估计样本集，计算得到以供机器学习的表面压力分布图。本申请能够有效保证样本数据集的准确性，进而使得以机器学习建立的设计模型能够有效建立。

本发明授权一种超临界翼型样本采样方法及存储介质在权利要求书中公布了：1.一种用于机器学习的超临界翼型样本采样方法，其特征在于，包括： 获取采样区域，并根据所述采样区域进行采样，得到预期样本集，其中，所述采样区域包括有多个能够被采样的超临界翼型初始样本，所述预期样本集包括对所述超临界翼型初始样本进行采样得到的多个预期样本； 根据每一所述预期样本，随机生成对应的多个翼型对应的初始曲线，并获取多个所述初始曲线对应的初始控制点坐标集； 对每一所述预期样本，根据多目标遗传算法对对应的多个所述初始控制点坐标集进行翼型优化，得到与所述预期样本对应的估计控制点坐标； 将多个所述估计控制点坐标分别通过抖振代理模型、阻力发散代理模型进行映射取值，得到与所述预期样本集一一对应的估计样本集；所述估计样本集包括多个估计样本，每一估计样本均包括估计抖振升力系数和估计阻力发散特性评价系数； 对所述估计抖振升力系数和所述估计阻力发散特性评价系数进行CFD计算，得到第一升力系数和第一阻力系数； 根据预设评判规则对所述第一升力系数和所述第一阻力系数进行处理，得到目标抖振升力系数和目标阻力发散特性评价系数，并根据所述目标抖振升力系数和所述目标阻力发散特性评价系数创建目标数据集; 通过符号距离函数对所述目标数据集进行描述，得到以供机器学习的表面压力分布图； 其中，所述获取采样区域，包括： 对第二曲线中的第二控制点坐标和权重系数进行扰动，以调整所述第二曲线； 将调整后的所述第二曲线作为衍生翼型样本，根据多个所述衍生翼型样本构成几何均匀数据集； 对每一所述衍生翼型样本进行CFD计算，得到第二计算结果，并对所述第二计算结果进行处理，得到所述衍生翼型样本对应的几何抖振升力系数和几何阻力发散特性评价系数； 根据多个几何抖振升力系数和多个所述几何阻力发散特性评价系数，分别构建横向采样区域和纵向采样区域，并根据所述横向采样区域和所述纵向采样区域确定采样区域； 所述抖振代理模型由以下步骤得到： 将多个所述几何抖振升力系数作为第一映射数组，将每一所述第二控制点坐标单独作为第二映射数组； 建立所述第一映射数组和所述第二映射数组的映射关系，得到所述抖振代理模型； 所述阻力发散代理模型由以下步骤得到： 将多个所述几何阻力发散特性评价系数作为第三映射数组，将每一所述第二控制点坐标单独作为第二映射数组； 建立所述第三映射数组和所述第二映射数组的映射关系，得到所述阻力发散代理模型。

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南方科技大学，其通讯地址为：518055 广东省深圳市南山区桃源街道学苑大道1088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。