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！

龙图腾网获悉北京航空航天大学申请的专利一种基于神经网络的复合材料典型结构固化变形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：CN118824428B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202410797504.4，技术领域涉及：G16C60/00；该发明授权一种基于神经网络的复合材料典型结构固化变形预测方法是由王晓东;刘晴川;杨凌霄;关志东设计研发完成，并于2024-06-19向国家知识产权局提交的专利申请。

本一种基于神经网络的复合材料典型结构固化变形预测方法在说明书摘要公布了：本发明提出了一种基于神经网络的复合材料典型结构固化变形预测方法，属于复合材料结构领域；具体为：针对典型结构件，归纳影响固化质量的参数类型和取值范围；基于蒙特卡洛方法，随机生成若干组输入参数导入有限元分析法，进行固化变形计算，生成初步数据集；然后，使用特征选择算法对初步数据进行分类，生成仅含有重要特征的新数据集；接着，建立ANN神经网络架构，划分次重要特征中对固化变形影响较大的参数；使用重要特征叠加不同次重要特征作为共同输入，对网络架构进行训练；最后，对于新的典型结构件得到仅含有重要特征的新数据集后，输入训练好的ANN神经网络，得到预测结果。本发明在确保预测准确率和精度的同时，提高了计算效率。

本发明授权一种基于神经网络的复合材料典型结构固化变形预测方法在权利要求书中公布了：1.一种基于神经网络的复合材料典型结构固化变形预测方法，其特征在于，包括如下步骤： 步骤一、针对复合材料典型结构件，确定影响该结构件固化质量的参数类型以及各参数的取值范围； 步骤二、基于蒙特卡洛方法，基于各参数的取值范围，随机生成若干组参数数据集； 参数数据集包括模具热膨胀系数、模具与构件界面摩擦系数、固化压力、峰值温度、单层厚度，铺层数量、4个铺层比例参数、9个层合板参数、拐角角度、单层化学收缩率、单层力学参数、单层热膨胀系数； 其中层合板的应力应变通过层合板刚度矩阵联系： 其中A为联系面内力与中面应变的面内刚度矩阵，B为联系面内应变与弯扭内力，或弯扭变形与面内力的耦合刚度矩阵，D为联系弯曲率、扭曲率和弯扭内力的弯曲刚度矩阵，ε为中面应变，k为中面曲率； 材料刚度不变量U和刚度属性Q由下式计算： 其中E11是单层板轴向模量，E22是单层板横向模量，G12是单层板剪切模量，ν12是单层板主泊松比； 层合板参数由下式计算： 其中θ表示在厚度Z位置的铺层方向，Z方向坐标原点在中面；h为层合板厚度，Zk为第k层位置； 步骤三、调用ABAQUS有限元分析法，自动化输入参数数据集，计算不同参数对应的固化变形量，并进行归一化处理，生成神经网络的初步数据集； 步骤四、使用特征选择算法对初步数据进行分类，量化各因素的影响程度将数据分为重要特征、次重要特征以及不重要特征，使用有限元方法生成仅含有重要特征的新数据集； 步骤五、建立ANN神经网络架构，使用控制变量法确定神经元数量和层数、激活函数选择、优化器选择，以及损失函数设置； 步骤六、使用构建好的ANN神经网络架构，划分次重要特征中对固化变形影响较大的参数，完成最终特征分类；使用重要特征叠加不同次重要特征作为共同输入，对ANN神经网络架构进行训练； 将次重要特征划分入到重要特征中，利用重要特征叠加不同次重要特征作为共同输入，对ANN神经网络架构进行训练，并将新数据集输入到ANN神经网络架构中，得到的预测结果作为基准；得到ANN神经网络架构的最优参数； 步骤七、对于新的典型结构件重复步骤二到四，仅将该结构件的重要特征参数直接输入经过训练的ANN神经网络，得到该结构固化变形的预测结果； 训练好的ANN神经网络架构直接输入其他含有拐角特征的零件的参数得到变形。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。