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！

龙图腾网获悉哈尔滨工业大学申请的专利物理与数据混合驱动的主余震下悬索桥动力响应预测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：CN119808234B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202411861805.5，技术领域涉及：G06F30/13；该发明授权物理与数据混合驱动的主余震下悬索桥动力响应预测方法是由高庆飞;郑明道;梁锐鸿;孙启睿;许书源;郭斌强;徐浩;姜在阳;周正;刘洋设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本物理与数据混合驱动的主余震下悬索桥动力响应预测方法在说明书摘要公布了：物理与数据混合驱动的主余震下悬索桥动力响应预测方法，涉及悬索桥地震响应预测技术领域。确定主余震地震动的加速度时程序列；针对地锚式钢桁架悬索桥，考虑关键参数的不确定性，建立有限元模型；收集桥梁输出参数，建立数据集并划分训练集和验证集；对数据进行归一化处理；建立物理约束方程，求解物理约束下主梁跨中纵向位移波；基于ANN和LSTM利用训练集构建机器学习模型；建立机器学习模型损失函数；验证机器学习模型；利用机器学习模型预测主梁跨中纵向位移波。能够计算得到考虑关键参数不确定性以及在主余震地震动作用下的位移时程，弥补传统预测方法因无法考虑关键参数不确定性以及余震阶段而产生的不利影响。

本发明授权物理与数据混合驱动的主余震下悬索桥动力响应预测方法在权利要求书中公布了：1.物理与数据混合驱动的主余震下悬索桥动力响应预测方法，其特征在于：包括以下步骤： 步骤一：确定主余震地震动 归纳后的主余震地震动由三个阶段组成，包括主震阶段、间隙阶段和余震阶段； 1归纳后的主震阶段确定：选取n条主震地震动，其峰值加速度应符合正态分布，归纳后的主震阶段的峰值加速度记为PGAmso； 2归纳后的间隙阶段设置30s的时长； 3归纳后的余震阶段确定：计算每条主震地震动对应的余震地震动的峰值加速度，应符合正态分布，归纳后的余震阶段的峰值加速度记为PGAzoo； 根据计算出的PGAmso和PGAzoo确定主余震地震动的加速度时程，将主震阶段加速度时程记为间隙阶段记为余震阶段加速度时程记为则主余震地震动的加速度时程序列解析式为： 步骤二：建立有限元模型 针对地锚式钢桁架悬索桥，确定其设计的八个关键参数，包括主梁跨径lspan、主缆初应变ε0、主缆直径dd1、吊杆直径dd2、桥塔高度htower、混凝土强度Ec、吊杆钢材强度Esd和主梁钢材强度Esz； 考虑到实际情况中关键参数的不确定性，根据需求为每个关键参数分别加减一个误差值形成对应的关键参数允许范围，并分别将关键参数允许范围进行m等分，从每个关键参数允许范围的分区中随机抽取m个采样点，进而组合得到采样矩阵X表示如下： 在采样矩阵X中进行采样，每一行随机采样一个点，并对应选取一条主余震地震动的加速度时程序列，组成m组样本对，构建主余震地震动-地锚式钢桁架悬索桥结构的样本集Aη表示如下： 利用有限元软件建立有限元模型，样本集Aη中每一行的样本对建立一个有限元模型，共建立m个有限元模型； 步骤三：收集桥梁输出参数 在有限元软件中输出各有限元模型对应的主梁跨中纵向位移波Δδ1,...,Δδj，建立各有限元模型对应输入输出的数据集To表示如下： 将数据集To按7：3划分为训练集To1和验证集To2，表示如下： 步骤四：处理数据集 对数据集To中的数据进行归一化处理，使其在0到1的范围内，得到归一化处理后的训练集和验证集； 步骤五：建立物理约束方程 采用物理约束方程构建主余震地震动的加速度时程序列与物理约束下主梁跨中纵向位移波Δδp＝Δδp,1,...,Δδp,j之间的关系，关系表示如下： 式中，[M]表示结构的质量矩阵，[C]表示阻尼矩阵，[K]表示刚度矩阵； 在初始条件Δδp＝0,的情况下，采用梯度递推式求解训练集中各有限元模型的物理约束下主梁跨中纵向位移波Δδp，表示如下： 式中，Δδp,t表示Δδp在t时刻节点的位移，t＝1,...,j，ζ表示阻尼比，ω表示结构基频，ft表示系统质量恢复力，Δt表示时间间隔； 步骤六：构建机器学习模型 将归一化处理后的训练集中任一行输入参数记为yη，对应的输出参数Δδ1,...,Δδj记为cη＝c1,...,cj，通过ANN人工神经网络进行建模确定传递函数s，表示如下： cη＝syηWi+bi 式中，Wi和bi分别表示非线性映射的权值和偏置项； LSTM长短期记忆模型建模作为机器学习模型，由输入门、遗忘门和输出门组成，表示为： 输入门：rη＝sWtyη+Utyη-1+bt 遗忘门：hη＝sWhyη+Uhyη-1+bh fη＝tanhWfyη+Ufyη-1+bf oη＝sWoyη+Uoyη-1+bo 输出门：cη＝hη*cη-1+rη*fη hη＝oη*tanhcη 式中，Wt、Wh、Wf、Wo表示相应的权值，Ut、Uh、Uf、Uo表示相应的隐藏权重，bt、bh、bf、bo表示相应的偏置项； 步骤七：建立机器学习模型损失函数 将机器学习模型预测的主梁跨中纵向位移波记为χη＝χ1,...,χj，使用损失函数来量化预测值与真实值之间的误差，物理约束的损失函数记为Lp，数据约束的损失函数记为Ld，采用均方误差作为目标函数，约束的总函数记为L，表示如下： L＝αLp+βLd α+β＝1 式中，λp和λd分别表示物理约束和数据约束的损失函数引入的过拟合调整值，ωp和ωd分别表示物理约束和数据约束的损失函数的优化参数； 步骤八：验证机器学习模型 将归一化处理后的验证集导入机器学习模型中进行验证，通过评价指标来评价机器学习模型的预测精度，若预测值的结果满足所需的精度，则作为最终的机器学习模型，若不满足，则返回步骤六重新训练机器学习模型直至满足要求； 步骤九：利用机器学习模型进行预测 通过对最终的机器学习模型输入选取的新的主余震地震动的加速度时程序列，即可输出预测的主梁跨中纵向位移波。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。