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！

龙图腾网获悉国网电力工程研究院有限公司申请的专利一种输电杆塔结构力学状态快速预测方法、系统及介质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：CN121145687B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511695380.X，技术领域涉及：G06F30/27；该发明授权一种输电杆塔结构力学状态快速预测方法、系统及介质是由李军辉;韩兴;王森毅;金欢;李孟轩;张天陵;闫文凯;苏志钢;张宏杰;张勇涛;张悦;周海鹰;杨知;张思航设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本一种输电杆塔结构力学状态快速预测方法、系统及介质在说明书摘要公布了：本申请提供了一种输电杆塔结构力学状态快速预测方法、系统及介质，包括：获取待预测输电杆塔的实时数据；采用非线性参考值放缩法对所述实时数据进行归一化处理，得到归一化数据；将所述归一化数据代入预先训练好的力学响应预测模块，预测输电杆塔结构力学状态；其中，所述预先训练好的力学响应预测模块是基于输电杆塔仿真数据对门控残差深层图神经网络进行训练得到的。本申请引入门控残差深层图神经网络，实现了对复杂图数据多层次特征的有效建模，提高模型的泛化能力，摆脱了对有限元建模的依赖。

本发明授权一种输电杆塔结构力学状态快速预测方法、系统及介质在权利要求书中公布了：1.一种输电杆塔结构力学状态快速预测方法，其特征在于，包括： 获取待预测输电杆塔的实时数据； 采用非线性参考值放缩法对所述实时数据进行归一化处理，得到归一化数据； 将所述归一化数据代入预先训练好的力学响应预测模块，预测输电杆塔结构力学状态； 其中，所述预先训练好的力学响应预测模块是基于输电杆塔仿真数据对门控残差深层图神经网络进行训练得到的； 力学响应预测模块的训练包括： 将输电杆塔仿真数据中结构的拓扑与物理属性映射为图数据； 对图数据采用非线性参考值放缩法进行归一化处理，得到归一化数据； 基于所述输电杆塔仿真数据中的标签数据和所述归一化数据对预先构建的门控残差深层图神经网络进行训练，得到力学响应预测模块； 其中，门控残差深层图神经网络是以残差门控卷积层作为基础模块，引入多头注意力结构结合边特征整合模块构建的； 所述将输电杆塔仿真数据中结构的拓扑与物理属性映射为图数据，包括： 将输电杆塔结构中结构关键位置、物理场敏感点作为图数据的节点，并构造节点特征； 将输电杆塔结构中构件作为图数据的边，并构造边特征； 将输电杆塔结构切分多个子模块，建立子图结构，构造子图特征； 所述对图数据采用非线性参考值放缩法进行归一化处理，得到归一化数据，包括： 对图数据中节点特征采用tanh函数进行归一化处理； 对图数据中边特征采用sigmoid进行归一化处理； 所述基于所述输电杆塔仿真数据中的标签数据和所述归一化数据对预先构建的门控残差深层图神经网络进行训练，得到力学响应预测模块，包括： 采用残差门控卷积层从归一化数据中提取节点、边和子图的通用特征； 将节点的通用特征和节点位移、边的通用特征和轴力，子图的通用特征和子图受力分别输入节点、边和子图对应的全连接层中进行训练，结合多任务损失函数和Adam优化器对节点、边和子图预测任务进行协同优化，得到节点预测分支、边预测分支和子图预测分支； 由训练好的所述节点预测分支、边预测分支和子图预测分支构建力学响应预测模块； 节点预测分支提取并转换节点特征；边预测分支处理边特征及其关联的节点对信息；子图预测分支通过图池化操作聚合子图区域特征；每个分支首先通过多层非线性变换提取高层次特征表示，最后经由独立的线性投影层将特征映射到对应的力学响应空间；在子图预测任务中，网络引入了可学习的图注意力池化机制，能够自适应地加权聚合子图区域内关键节点的特征信息。

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国网电力工程研究院有限公司，其通讯地址为：100100 北京市丰台区开阳路8号5层501内D501室；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。