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！

龙图腾网获悉南京航空航天大学申请的专利一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量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：CN114997004B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202210584757.4，技术领域涉及：G06F30/23；该发明授权一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量预测方法是由舒磊;孙硕;张丹;葛旺;周潜;毕博;罗煦飞;马仁智;罗宇;王淼;赵欣;杨闻韬;李潇涵;赵天予;徐锋设计研发完成，并于2022-05-26向国家知识产权局提交的专利申请。

本一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量预测方法在说明书摘要公布了：一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量预测方法，其特征在于包括以下步骤：步骤1：构建贮箱筒段和内撑夹具的三维模型，并对其装调过程进行有限元分析；步骤2：构建装调质量参数数据集；对数据进行初筛和归一化；步骤3：使用训练集构建机器学习预测模型；步骤4：采用测试集测试验证机器学习预测模型的精度并以评价指标进行评价。本发明可以减少工人劳动量，显著缩减生产周期，提高生产效率。

本发明授权一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量预测方法在权利要求书中公布了：1.一种基于有限元仿真和RNN神经网络的贮箱内撑夹具装调质量预测方法，其特征在于包括以下步骤： 步骤1：构建贮箱筒段和内撑夹具的三维模型，并对其装调过程进行有限元分析，得到内撑夹具不同伸缩量条件下仿真后的筒段工件形状，提取特征后计算其装调质量参数:圆度，贴胎度，错边量； 步骤2：构建装调质量参数数据集；对数据进行初筛和归一化，将数据集内数据按比例8：1：1划分为训练集，交叉验证集和测试集； 步骤3：使用训练集构建机器学习预测模型，未焊接筒段的初始形状参数以及内撑夹具的16个伸缩量作为输入参数，通过RNN神经网络预测模型计算装调后的环缝圆度，贴胎度，错边量以及各质量指标最大值对应的位置，以评价指标评价RNN神经网络预测模型的精度，采用交叉验证评估RNN神经网络预测模型的泛化能力； 步骤4：.采用测试集测试验证机器学习预测模型的精度并以评价指标进行评价，当精度达标时则输出RNN神经网络预测模型，当精度不达标时则重复步骤3直至精度达标；精度达标后输出RNN神经网络预测模型，即为贮箱内撑夹具装调质量预测模型； 所述的贮箱内撑夹具的有限元分析方法包括以下步骤： 步骤1，前处理关键部分：使用模型的简化方法，由于贮箱筒段属于薄壁圆件，焊接过程中厚度基本不变，所以能用一群延径向距离不等的离散点依次连接，形成多边形，代替圆形筒段，将三维仿真简化为二维仿真； 步骤2，有限元分析，边界条件设定时，将向外凸起点设置为固定约束；设置内撑夹具刚接触筒段时伸缩量为零；对调节伸缩量压紧工件过程进行动力学隐式分析，两相邻筒段同时被压紧； 步骤3，后处理阶段，输出量均与位移相关，设置输出位移场即可，从输出位移场中计算圆度，错边量，贴胎度以及最大值对应位置；提取相邻两筒段截面位移变化情况，取圆度为两截面形状中圆度最大的一个；提取两截面对应位置上两离散点之间的距离的最大值作为错边量；提取两截面上各离散点到内撑夹具压板距离的最大值作为贴胎度；同时获取各最大值对应离散点位置； 所述的数据集由以下参数组成：内撑夹具有16个伸缩杆，未焊接的筒段有初始状态6个参数：圆度、粗糙度、错边量以及相应最大值对应位置，共22个输入参数，通过改变16个伸缩杆的伸缩量的调节得到装调后的圆度、粗糙度、错边量以及相应最大值对应的、用于反映需要调节位置的离散点序号，共6个输出参数； 所述的使用训练集构建机器学习预测模型时机器学习方法选择RNN神经网络；16个伸缩杆的伸缩量两两之间互相影响，错边量，贴胎度越小，圆度必然越小，输入参数之间有相互影响关系，RNN符合这一特征；输入层为16+6，输出层为6，隐层设置为5；同时为了改善RNN梯度小时问题，采用GEU单元，改变RNN隐藏层，使其能够更好的捕捉深层的连接。

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”。