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！

龙图腾网获悉西华大学申请的专利基于深度学习的管桁架结构疲劳分析参数优化方法及系统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：CN121365610B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511946811.5，技术领域涉及：G06F30/27；该发明授权基于深度学习的管桁架结构疲劳分析参数优化方法及系统是由熊川楠;邵永波;贾晨;谭艺霖柯;欧佳灵;李安令设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本基于深度学习的管桁架结构疲劳分析参数优化方法及系统在说明书摘要公布了：本发明涉及结构疲劳评估技术领域，具体涉及基于深度学习的管桁架结构疲劳分析参数优化方法及系统，步骤如下：构建融合多尺度结构图编码器、工况参数编码器和损伤维度曲线解码器的深度学习代理模型；利用高保真训练数据集训练该模型；针对目标桁架结构与载荷工况，通过模型预测其损伤维度关系曲线；通过分析该曲线的收敛特性，确定雨流计数矩阵的最优维度；并通过模型预测多工况损伤值，基于损伤贡献百分比筛选出主导工况。本发明以深度学习代理模型替代传统的迭代仿真，实现了疲劳分析中关键参数的快速优化，显著提升了大型桁架结构疲劳评估的效率与准确性，并且通过融合多尺度结构图编码器捕捉关键热点的物理效应，提高了模型的泛化能力。

本发明授权基于深度学习的管桁架结构疲劳分析参数优化方法及系统在权利要求书中公布了：1.基于深度学习的管桁架结构疲劳分析参数优化方法，适用于确定雨流计数矩阵的最优维度与筛选设计载荷工况，其特征在于，包括如下步骤： 构建深度学习代理模型，所述深度学习代理模型包含多尺度结构图编码器、工况参数编码器及损伤维度曲线解码器，其中，所述多尺度结构图编码器用于将桁架结构的全局杆系拓扑信息和局部热点几何信息编码为结构特征向量，所述工况参数编码器用于将设计载荷工况参数编码为载荷特征向量，所述损伤维度曲线解码器用于融合结构特征向量与载荷特征向量，并输出损伤维度预测曲线向量； 获取高保真训练数据集，并利用所述高保真训练数据集对深度学习代理模型进行训练，得到训练完毕的代理模型； 针对待分析的目标桁架结构与目标设计载荷工况，确定所述目标桁架结构的全局杆系拓扑信息和局部热点几何信息编码，以及所述目标设计载荷工况的设计载荷工况参数； 将所述全局杆系拓扑信息、局部热点几何信息编码与设计载荷工况参数输入训练完毕的代理模型，得到损伤维度预测曲线向量； 所述雨流计数矩阵维度的确定步骤包括： 通过分析所述损伤维度预测曲线向量的收敛特性，确定雨流计数矩阵的最优维度； 所述设计载荷工况的筛选步骤包括： 通过分析各所述设计载荷工况的损伤贡献百分比，确定主导工况； 所述损伤维度曲线解码器基于Transformer解码器架构，包括一组可学习的维度查询嵌入，其数量N与预设的雨流计数维度数量相同，每个所述维度查询嵌入对应一个预设的雨流计数维度； 所述损伤维度预测曲线向量的获取，具体包括：接收由所述结构特征向量与载荷特征向量融合形成的上下文向量作为记忆，通过多头注意力机制并行处理N个维度查询嵌入，并将每个维度查询嵌入对应的输出经共享的回归头映射为累计疲劳损伤值，输出一个N维的所述损伤维度预测曲线向量。

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西华大学，其通讯地址为：610039 四川省成都市金牛区土桥金周路999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。