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！

龙图腾网获悉天津大学申请的专利一种内波作用下浮式风力机动力响应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：CN120745493B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202510851286.2，技术领域涉及：G06F30/28；该发明授权一种内波作用下浮式风力机动力响应智能预测方法是由李焱;李昊然;杜尊峰;黎国彦;崔怡文;冯伊婷;苏鸥溟;张一健;孙嘉影设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本一种内波作用下浮式风力机动力响应智能预测方法在说明书摘要公布了：本发明属于海洋工程结构物动力响应预测技术领域，具体公开了一种内波作用下浮式风力机动力响应智能预测方法，首先实时获取智能预测模型给出的动力响应预测结果及风力机实际运行状态，计算二者误差并反馈至控制系统，依据误差和内波载荷大小自动调整叶片桨距角等控制参数，降低叶片振动；同时选用遗传算法对控制参数优化，设定综合考量发电效率、结构安全性和内波载荷的目标函数，经选择、交叉、变异等操作迭代寻找最优参数组合；建立实时监测系统，持续采集内波和风力机运行数据，设置触发条件，当条件满足时，根据当前数据重新计算并调整控制参数。本方法聚焦实时反馈与优化控制，有效提升浮式风力机在复杂海洋环境中的运行稳定性和发电效率。

本发明授权一种内波作用下浮式风力机动力响应智能预测方法在权利要求书中公布了：1.一种内波作用下浮式风力机动力响应智能预测方法，其特征在于，包括以下步骤： S10、通过多源数据融合模块，实时采集内波环境数据与风力机状态数据，并进行特征融合； S20、构建智能预测模型进行动力响应预测； S30、考虑不确定性的预测方法，量化输入数据不确定性并进行概率预测； S40、建立实时反馈与优化控制策略，进行预测结果与控制参数的动态调整； S20包括以下步骤： S21、采用卷积神经网络CNN与长短期记忆网络LSTM相结合的架构，提取数据的空间特征并处理时间序列捕捉变化规律； S22、通过划分训练集、验证集、测试集，结合正则化技术、自适应学习率和交叉验证方法对模型进行优化，防止过拟合并选择最优参数； S23、根据新的监测数据触发自适应学习机制，对模型参数自动调整，对模型进行重新训练或微调； S22中，采用均方差MSE损失函数衡量模型预测值和真实值的差异，均方差MSE损失函数表达式如下： ； 其中，N为样本数量； 使用L2正则化得到新的损失函数： ； 其中，为正则化系数，W为模型所有权重； S23中，当新的监测数据与历史数据的均值差异超过阈值Δ时，触发自适应学习机制，均值差异计算公式如下： ； 其中，表示新数据集的元素数量，表示旧数据集的元素数量，表示新数据集的第个元素，表示旧数据集的第个元素。

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天津大学，其通讯地址为：300350 天津市津南区雅观路135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。