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！

龙图腾网获悉大连理工大学申请的专利基于大语言模型的软体致动器粘弹性行为智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：CN120877999B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202511374691.6，技术领域涉及：G16C60/00；该发明授权基于大语言模型的软体致动器粘弹性行为智能预测方法是由卢奕丞;唐山;于泽峰;刘利杰设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本基于大语言模型的软体致动器粘弹性行为智能预测方法在说明书摘要公布了：本发明公开了一种基于大语言模型的软体致动器粘弹性行为智能预测方法，属于软体机器人控制技术领域。方法包括：预训练阶段，首先说明了预训练数据集的获取方法，接着展示了自主搭建的记忆衰减网络架构和相关的力学约束，最后阐述了把由含力学约束的记忆衰减网络表示的粘弹性本构模型嵌入到有限元计算框架的方法；微调阶段，首先说明了微调数据集的获取方法，接着对比了预训练模型在微调数据集上的表现，并采用智能算法微调预训练模型参数；推理阶段，展示了微调模型预测软体致动器在不同复杂工况下的粘弹性力学行为的能力及其泛化能力。本发明能够准确预测软体致动器在短时和长时作用下的复杂粘弹性行为，并能保证考虑重力影响时的预测准确性。

本发明授权基于大语言模型的软体致动器粘弹性行为智能预测方法在权利要求书中公布了：1.一种基于大语言模型的软体致动器粘弹性行为智能预测方法，其特征在于，具体如下： S1.1：通过材料级别实验所得结果，初步评估出用于制备目标软体致动器的硅橡胶材料的粘弹性材料参数； S1.2：根据S1.1初步获得的硅橡胶材料的粘弹性材料参数，建立代表性体积单元，施加至少14条不同加载路径和若干种加载方式的位移载荷，获取对应的扩充数值数据集； S1.3：搭建用于准确描述目标软体致动器粘弹性力学行为的含有力学约束的记忆衰减网络，并利用S1.2所得扩充数值数据集对所述记忆衰减网络进行预训练； S1.4：将由S1.3所得记忆衰减网络表示的粘弹性本构模型在有限元软件中进行数值实现； S2.1：通过实验测试获取目标软体致动器在短时和长时作用下的复杂力学响应数据，利用S1.4中建立的有限元计算方法，验证S1.3中经预训练后所得记忆衰减网络在描述目标软体致动器复杂力学行为时的准确性； S2.2：利用智能算法，结合S2.1所得力学响应数据，微调S1.3中经预训练后所得记忆衰减网络； S3：利用S2.2所得最终训练后的记忆衰减网络，对目标软体致动器的粘弹性力学行为进行预测，并验证其泛化能力； 所述S1.3中的记忆衰减网络包括第一部分和第二部分；所述第一部分是用以学习时间无关的瞬时超弹性应力的全连接神经网络，包括具有三个输入的一层输入层、每层均有六个神经元的三层隐藏层和具有三个输出的一层输出层；所述第二部分包括第一卷积神经网络和第二卷积神经网络，第一卷积神经网络用以学习时间相关粘性应力的偏斜部分，第二卷积神经网络用以学习时间相关粘性应力的体积部分；其中，带有上标的变量均代表由第条加载路径下的第个加载步所得的变量值； 由记忆衰减网络预测的总应力为待训练的全连接神经网络方程、待训练的第一卷积神经网络方程和待训练的第二卷积神经网络方程之和，且网络参数训练过程中严格满足粘弹性记忆衰减特性和热力学一致性这两个力学约束； 所述第二部分中，第一卷积神经网络从输入到输出的表达式为： ； 其中，是第一卷积神经网络预测的粘性应力偏斜部分，是全连接神经网络输出值的偏斜部分，代表在第条加载路径下的第个加载步所得瞬时超弹性应力的偏斜部分，代表在第条加载路径下的第个加载步所得瞬时超弹性应力的偏斜部分；是保留体积变形的变形梯度张量在第个加载步上相对第个加载步时的相对值，是保留体积变形的变形梯度张量在第个加载步上相对第个加载步时的相对值；表示第一卷积神经网络中所有待训练的卷积核参数，为的分量，和分别表示其中的第个和第个卷积核值；是卷积核的长度，是加载步时间间隔； 所述第二部分中，第二卷积神经网络从输入到输出的表达式为： ； 其中，是第二卷积神经网络预测的粘性应力体积部分，是全连接神经网络输出值的体积部分，代表在第条加载路径下的第个加载步所得瞬时超弹性应力的体积部分，代表在第条加载路径下的第个加载步所得瞬时超弹性应力的体积部分；表示第二卷积神经网络中所有待训练的卷积核参数，为的分量，和分别表示其中的第个和第个卷积核值； 待训练的卷积核参数和的初步更新方式均为通过梯度下降法以最小化目标函数。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。