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！

龙图腾网获悉南京航空航天大学申请的专利一种复合材料疲劳分层预测方法、装置、介质及产品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：CN118228557B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202410486912.8，技术领域涉及：G06F30/23；该发明授权一种复合材料疲劳分层预测方法、装置、介质及产品是由陶翀骢;李倩;季宏丽;张超;裘进浩设计研发完成，并于2024-04-22向国家知识产权局提交的专利申请。

本一种复合材料疲劳分层预测方法、装置、介质及产品在说明书摘要公布了：本发明公开一种复合材料疲劳分层预测方法、装置、介质及产品，涉及复合材料疲劳分层预测技术领域，该预测方法首先使用无损检测技术直接获取分层损伤基本信息，并通过有限元模型获取早期分层损伤扩展累积阶段的仿真数据，并利用分层损伤基本信息对仿真数据进行修正，获得早期分层损伤扩展累积阶段的原位样本进而用于神经网络模型训练，然后利用内聚力单元中训练好的神经网络疲劳内聚力模型预测同一复合材料结构的分层损伤后续扩展，为复合材料疲劳分层预测提供了一个更准确高效的方案，解决了疲劳损伤计算困难、疲劳分层预测计算效率低、准确性不高的问题。

本发明授权一种复合材料疲劳分层预测方法、装置、介质及产品在权利要求书中公布了：1.一种复合材料疲劳分层预测方法，其特征在于，所述方法包括： 对服役复合材料结构进行无损检测，获取分层损伤信息，其中，所述分层损伤信息包括所述服役复合材料结构的实际服役时长以及对应的分层前缘位置信息； 建立所述服役复合材料结构的有限元模型，并根据所述有限元模型模拟所述服役复合材料结构在循环载荷下的分层损伤扩展； 根据所述分层前缘位置信息，在对应位置处失效的神经网络内聚力单元中获取早期分层损伤扩展累积阶段的能量释放率、损伤模式混合比、总损伤量和第一疲劳损伤变量累积率，其中，所述神经网络内聚力单元布置在所述有限元模型的分层发生区域，所述失效的神经网络内聚力单元用于将所述能量释放率、所述损伤模式混合比和所述总损伤量作为输入，利用神经网络模型输出第二疲劳损伤变量累积率，并根据所述第二疲劳损伤变量累积率和所述实际服役时长，计算得到所述第一疲劳损伤变量累积率；具体包括： 初始化疲劳损伤变量累积率； 根据初始化的疲劳损伤变量累积率，计算当前时间下的所述总损伤量； 将当前时间下获得的所述能量释放率、所述损伤模式混合比和所述总损伤量作为输入，利用神经网络模型输出所述第二疲劳损伤变量累积率； 根据所述第二疲劳损伤变量累积率计算当前时间下的虚拟服役时长； 根据所述虚拟服役时长和所述实际服役时长修正所述第二疲劳损伤变量，得到当前时间下的所述第一疲劳损伤变量累积率； 对于下一时间，将上一时间下的所述第一疲劳损伤变量累积率作为新的初始化的疲劳损伤变量累积率，返回步骤“根据初始化的疲劳损伤变量累积率，计算当前时间下的所述总损伤量”； 所述第二疲劳损伤变量累积率的表达式为： 其中，dDfdN为第二疲劳损伤变量累积率；Df为疲劳损伤变量；N为有限元模型模拟的虚拟服役时长；f为ΔGGC、Dtot对dDfdN的映射函数；ΔG为能量释放率的变化量；GC为临界能量释放率；为损伤模式混合比；Dtot为所述总损伤量； 将所有所述能量释放率、所述损伤模式混合比、所述总损伤量和所述第一疲劳损伤变量累积率作为原位样本，训练所述神经网络模型； 根据失效的神经网络内聚力单元中训练好的神经网络模型预测后续分层损伤扩展； 根据所述实际服役时长与所述虚拟服役时长对初始的伪疲劳损伤变量累积率进行修正，获得正确的疲劳损伤变量累积率 修正因子的具体公式为其中，Npesudo为虚拟服役时长，Nreal为实际服役时长；

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。