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！

龙图腾网恭喜南京航空航天大学申请的专利基于混合变异非支配排序遗传算法的超声速进气道流态识别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：CN113222008B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202110503364.1，技术领域涉及：G06F18/2411；该发明授权基于混合变异非支配排序遗传算法的超声速进气道流态识别方法是由赵永平;杨天林;吴奂;谭慧俊设计研发完成，并于2021-05-10向国家知识产权局提交的专利申请。

本基于混合变异非支配排序遗传算法的超声速进气道流态识别方法在说明书摘要公布了：本发明提供一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法。本发明根据超声速进气道中传感器测到的压力数据的特点，对其进行时均值处理并从时域和频域两个方面提取特征。针对得到的特征集，本发明提供一种混合变异的非支配排序遗传算法，在进行特征选择的同时，对作为分类器的支持向量机的超参数进行优化。为解决混合变异算法中，单目标进化算法用于多目标进化算法的种群局限性，本发明提供了一种新的种群越界处理方法，相比于传统的多目标优化算法，单目标优化算法在种群丰富度和精度上都具有优势。

本发明授权基于混合变异非支配排序遗传算法的超声速进气道流态识别方法在权利要求书中公布了：1.一种基于混合变异非支配排序遗传算法的超声速进气道流态识别方法，其特征在于，包括如下步骤：步骤1：对超声速进气道中布置的传感器所测得的压力数据进行时均值处理，切分压力数据得到固定长度的时间序列，这些时间序列分别对应着不同时间段下超声速进气道中的流态，继而从时域和频域两个方面从每个时间序列中提取流态的特征，得到特征子集；将由特征子集构成的特征集划分为训练集、验证集和测试集；步骤2：以所述训练集训练分类器，采用混合变异非支配排序遗传算法对分类器超参数和特征子集进行寻优，最终确定的特征子集对应的流态即为超声速进气道流态；步骤1中从时域方面提取的流态特征包括： Xpeak＝max|xn|；其中xn是n＝1,2,...,N时的信号序列，N为一个时间序列中数据点个数；步骤1中从频域方面提取的流态特征包括： 其中sk是k＝1,2,...K时的频谱，K为谱线数，fk为一个时间序列中第k条谱线的频率值。

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京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。