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！

龙图腾网获悉湖南大学申请的专利基于迁移学习的压水堆核燃料组件可靠性优化方法及系统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：CN119004951B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202410968139.9，技术领域涉及：G06F30/27；该发明授权基于迁移学习的压水堆核燃料组件可靠性优化方法及系统是由张哲;吴天淏;姜潮设计研发完成，并于2024-07-18向国家知识产权局提交的专利申请。

本基于迁移学习的压水堆核燃料组件可靠性优化方法及系统在说明书摘要公布了：本发明公开了基于迁移学习的压水堆核燃料组件可靠性优化方法及系统，包括：定义可靠性优化的数学模型，确定目标函数和概率约束函数、源域参数的分布上下限；随机采样出多个源域训练样本的输入数据，计算真实响应，将输入数据和对应响应融合形成源域训练样本；通过学习源域训练样本，构建源域前馈神经网络模型；从源域中随机采样出多个迁移样本的输入数据，调用源域前馈神经网络模型预测响应；迁移样本的输入数据和对应响应融合形成迁移样本；计算源域与目标域概率密度比，使用加权迁移样本重构目标域FNN；采用一阶分数函数法估计失效概率梯度；将可靠性分析结果、梯度信息传递给优化器，更新迭代点及目标域，判断是否收敛；若收敛则得到最优设计。

本发明授权基于迁移学习的压水堆核燃料组件可靠性优化方法及系统在权利要求书中公布了：1.基于迁移学习的压水堆核燃料组件可靠性优化方法，其特征在于，包括以下步骤： S1.根据核燃料组件热工水力可靠性优化设计的要求，定义包括确定核燃料组件的设计变量、随机参数以及概率分布在内的可靠性优化的数学模型，并确定目标函数和概率约束函数； S2.定义初始迭代点的输入数据、对应响应以及二者的概率分布信息为源域，定义后续每次更新迭代点的输入数据、对应响应以及二者的概率分布信息为目标域；设定迭代次数、初始设计点、以及正数允许误差； S3.根据核燃料组件实际运行工况以及热工水力可靠性优化设计的要求，设定源域训练样本输入参数的分布服从均匀分布，并确定其上下限； S4.构建源域内输入参数与输出响应之间的关系，根据S3中确定的输入参数上下限，通过均匀分布随机采样出多个源域训练样本的输入数据，并利用CFD方法计算真实响应；然后将源域训练样本的输入数据和对应响应融合形成源域训练样本； S5.通过学习源域训练样本，构建并训练源域前馈神经网络模型；当神经网络模型的均方误差小于0.001，则该模型训练结束并投入使用，进入下一步骤； S6.从源域中按均匀分布随机采样出多个迁移样本的输入数据，并调用源域前馈神经网络模型预测其响应；将迁移样本的输入数据和对应响应融合形成迁移样本； S7.计算源域与目标域概率密度比，将概率密度比作为源域迁移样本的权重，使用加权迁移样本重构目标域FNN； S8.采用MCS方法进行可靠性分析；根据目标域的边缘分布，生成多个个目标域MCS样本的输入数据，采用目标域FNN预测相应响应，进而得到预测响应的概率分布函数用于可靠性分析； S9.采用一阶分数函数法，根据MCS样本的失效情况直接估计失效概率梯度； S10.将S8得到的可靠性分析结果、S9得到的梯度信息传递给优化器，更新迭代点及目标域，并判断是否收敛；如果收敛则得到最优设计，执行S11；若不收敛，则迭代更新设计点，然后重复步骤S7-10； 其中，收敛条件为：当前目标函数值与上一目标函数值，以及当前迭代点与上一迭代点的值相差均小于0.001； S11.输出最优设计，结束。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；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。