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！

龙图腾网获悉石家庄铁道大学申请的专利一种基于改进物理信息神经网络的耦合索杆索力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：CN120764221B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202511269565.4，技术领域涉及：G06F30/20；该发明授权一种基于改进物理信息神经网络的耦合索杆索力预测方法是由张卓杰;韩义泽;郭鹏;于立谦;赵健;安路明;梁建龙;甄晓霞设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本一种基于改进物理信息神经网络的耦合索杆索力预测方法在说明书摘要公布了：本发明公开了一种基于改进物理信息神经网络的耦合索杆索力预测方法，属于索力预测技术领域，包括以下步骤：推导物理信息，获取训练数据集；将物理信息融入损失函数，并通过自适应权重策略构建改进的物理信息神经网络索力预测模型；通过物理信息和数据损失双驱动优化训练神经网络模型，得到成熟的物理信息神经网络的索力预测模型并保存；在物理信息神经网络的索力预测模型中输入物理参数得到索力值。本发明将物理信息融入到深度学习网络中，实现小样本情况下实际工程中的准确识别，实现物理损失和数据损失的动态平衡，提升耦合索杆系统索力识别模型的稳定性和泛化性。本发明尤其适用于在样本数据不足的情况，精度更高，所需训练样本数量更少。

本发明授权一种基于改进物理信息神经网络的耦合索杆索力预测方法在权利要求书中公布了：1.一种基于改进物理信息神经网络的耦合索杆索力预测方法，其特征在于，包括以下步骤： 步骤1、推导物理信息，获取训练数据集： 基于耦合索杆模型，得到刚性耦合索杆系统的自振频率方程，并通过移动二分法求解其频率方程，得到训练所需的数据集及相应的物理信息； 步骤2、将步骤1中推导的物理信息融入损失函数，并通过自适应权重策略构建改进的物理信息神经网络索力预测模型；包括以下内容： 1、对于刚性耦合索杆系统来说，融入物理信息约束即是融入边界条件、连续性要求或耦合处竖向力要求的信息到神经网络的损失函数中，得到基于物理信息和数据双驱动的损失函数表达式为： ； 式中，为数据损失项权重，为物理损失项权重； w为神经元间的连接权重；b为偏置值；Ldata为数据损失；Lphy为物理损失； 2、自适应权重策略采用损失方差作为预测不确定性的有效度量，方差大则表示预测不稳定，不确定性高；方差小表示预测稳定，不确定性低； 数据损失的不确定性量化如下： ； 式中，表示数据损失方差，E表示为期望； 为提高权重分配的稳定性，将指数加权移动平均方法，引入估计损失方差中，引入时变的衰减因子，损失方差为： ； 式中，为第t轮的衰减因子；E表示为期望，Ldata,t表示为第t轮的数据损失；为上一时刻的数据损失方差； 衰减因子随训练动态调整如下： ； 式中，为初始衰减因子，为最终衰减因子，T为最大训练轮次，P为衰减节点参数； 在自适应权重优化训练中，权重分配方法如下： ； 式中及为数据损失及物理损失的标准差，为数据损失，为物理损失； 步骤3、采用步骤1中的数据集，通过物理信息和数据损失双驱动优化训练神经网络模型，得到完整成熟的物理信息神经网络的索力预测模型并保存； 步骤4、在物理信息神经网络的索力预测模型中输入索杆的物理参数，即可得到索力值。

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石家庄铁道大学，其通讯地址为：050043 河北省石家庄市北二环东路17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。