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！

龙图腾网获悉浙江理工大学申请的专利一种纤维增强复合材料弹性性能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：CN120496714B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510997451.5，技术领域涉及：G16C60/00；该发明授权一种纤维增强复合材料弹性性能预测方法是由应志平;张煜彬;吴震宇;彭来湖;程晓颖设计研发完成，并于2025-07-19向国家知识产权局提交的专利申请。

本一种纤维增强复合材料弹性性能预测方法在说明书摘要公布了：本发明公开了一种纤维增强复合材料弹性性能预测方法，旨在解决传统方法精度低、效率慢及难以处理多尺度关联的问题。首先，利用随机算法生成代表性体积单元，结合Sobol序列采样与SMOGN数据增强技术构建高质量训练数据集。其次，设计并训练嵌入残差块和物理约束的深度神经网络，通过贝叶斯优化自适应调参，提升模型泛化能力。最后，建立多种宏观结构模型，实现多尺度弹性性能的端到端预测。本方法在预测精度与计算效率上实现突破：单次分析耗时从数小时缩短至分秒级，平均预测误差低于5%。本技术可广泛应用于航空航天、新能源汽车和风电等领域，为高性能复合材料的设计制造提供智能化支持。

本发明授权一种纤维增强复合材料弹性性能预测方法在权利要求书中公布了：1.一种纤维增强复合材料弹性性能预测方法，其特征在于，包括如下步骤： S1、构建训练数据集：通过对覆盖了预设参数范围的多个代表性体积单元RVE进行数值分析来执行，所述参数范围至少包括纤维体积分数、纤维弹性参数和基体弹性参数；所述数值分析旨在求解每一个RVE所对应的横观各向同性弹性参数，并将所述参数范围与求解出的弹性参数作为数据对，形成训练数据集； S2、训练模型：使用步骤S1中构建的训练数据集，对一个深度神经网络进行训练，以建立所述预设参数与所述横观各向同性弹性参数之间的非线性映射关系； S3、预测性能：将包括材料与微观结构信息的参数、以及宏观结构参数一并作为输入，利用步骤S2中训练完成的深度神经网络模型，预测所述纤维增强复合材料的宏观等效弹性性能； 所述步骤S1中，生成所述代表性体积单元RVE的过程包括：采用四叉树算法对RVE区域进行递归细分，以建立用于快速查询邻近纤维的索引；并基于蒙特卡洛方法进行冲突检测，在所述RVE区域内随机生成满足预设间距条件的纤维坐标，从而获得具有纤维随机分布的RVE模型；所述步骤S1中，采用Sobol序列采样法对纤维体积分数、纤维弹性参数及基体弹性参数进行高维空间均匀采样，以生成用于构建所述多个代表性体积单元RVE的输入参数组合；所述步骤S2中，采用了一种包含物理约束的损失函数进行模型优化，所述物理约束至少包括横观各向同性条件约束，横观各向同性条件约束：强制预测的剪切模量G23满足公式G23=E222×1+V23；所述步骤S3中的宏观结构参数包括层合板的铺层顺序和或编织复合材料的纱线间距比和纱线卷曲度。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市经济技术开发区白杨街道2号大街928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”。