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！

龙图腾网获悉西安现代控制技术研究所申请的专利基于降维与聚类的飞行器低成本设计关键维度辨识方法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：CN121580516B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610092974.X，技术领域涉及：G06F30/15；该发明授权基于降维与聚类的飞行器低成本设计关键维度辨识方法是由刘钧圣;骆盛;赵力冉;叶年辉;郭风帅;许琛设计研发完成，并于2026-01-23向国家知识产权局提交的专利申请。

本基于降维与聚类的飞行器低成本设计关键维度辨识方法在说明书摘要公布了：本发明属于飞行器设计与成本工程分析技术领域，公开了一种基于降维与聚类的飞行器低成本设计关键维度辨识方法，包括：构造飞行器设计方案的设计变量矩阵以及总成本序列；对设计变量矩阵进行标准化处理，然后进行主成分分析，得到降维后的特征矩阵；利用降维后的特征矩阵构建以总成本序列为响应变量的稀疏回归模型；在稀疏回归模型的基础上构建优化问题，通过对优化问题的求解得到回归系数向量，在此基础上进行关键成本影响变量的筛选；提取所述关键成本影响变量在主成分空间中的载荷向量，并基于载荷向量对关键成本影响变量进行聚类；根据聚类后的类别进行关键维度的识别。本发明适用于工程设计阶段多方案、多参数条件下的成本关键变量分析。

本发明授权基于降维与聚类的飞行器低成本设计关键维度辨识方法在权利要求书中公布了：1.基于降维与聚类的飞行器低成本设计关键维度辨识方法，其特征在于，包括： 将飞行器设计方案中与成本相关的设计变量进行参数化处理，构造飞行器设计方案的设计变量向量；利用不同飞行器设计方案的设计变量向量，建立设计变量矩阵，并构造飞行器设计方案的总成本序列； 对所述设计变量矩阵进行标准化处理； 对标准化处理后的设计变量矩阵进行主成分分析，得到降维后的特征矩阵，包括： ； ； 其中，为标准化处理后的设计变量矩阵；为协方差矩阵；上标表示转置；为第个主成分的特征值；为第个主成分的特征向量；表示飞行器设计方案总数； 按照预设的累计方差贡献率，通过主成分的特征值从大到小顺序选择前个主成分；利用前个主成分的特征向量矩阵将标准化处理后的设计变量矩阵映射到主成分空间，得到降维后的特征矩阵； 利用降维后的特征矩阵构建以所述总成本序列为响应变量的稀疏回归模型；在稀疏回归模型的基础上引入正则项构建优化问题，通过对优化问题的求解得到回归系数向量；基于回归系数向量进行关键成本影响变量的筛选； 提取所述关键成本影响变量在主成分空间中的载荷向量，并基于载荷向量对关键成本影响变量进行聚类，包括： 载荷向量表示如下： ； 其中，表示第个关键成本影响变量在主成分空间中的载荷向量；表示第个关键成本影响变量在第个主成分上的权重，为筛选得到的主成分的数量； 将每一个关键成本影响变量视为一个聚类对象，采用K-means聚类方法，基于关键成本影响变量的载荷向量，将关键成本影响变量划分为个类别，使得每个类别内关键成本影响变量的距离最小： ； 其中：，表示第个类别的载荷向量集合，表示第个类别聚类中心处的关键成本影响变量的载荷向量，表示第个关键成本影响变量在主成分空间中的载荷向量； 根据聚类后的类别进行关键维度的识别。

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西安现代控制技术研究所，其通讯地址为：710065 陕西省西安市雁塔区丈八东路10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。