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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种基于物理信息神经网络的力学参数优化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：CN120337768B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510474259.8，技术领域涉及：G06F30/27；该发明授权一种基于物理信息神经网络的力学参数优化方法是由李东风;张子悦;张驷骐;甘磊设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本一种基于物理信息神经网络的力学参数优化方法在说明书摘要公布了：本发明公开了一种基于物理信息神经网络的力学参数优化方法，属于力学本构理论与机器学习技术领域，包括构建本构模型，设计力学实验，获取材料的相关数据并进行归一化处理，构建前馈神经网络模型；通过三次预训练逐步优化神经网络，获得材料硬化参数优化值、应力预测曲线与滑移阻力预测曲线；将本构模型作为损失函数进行第四次正式训练，获得最终应力‑应变曲线图。本发明采用上述的一种基于物理信息神经网络的力学参数优化方法，克服了传统方法在处理量级差异大、参数敏感性高以及缺乏明确标签问题上的不足，缓解因指数项引起梯度爆炸及数值不稳定问题，保证输出满足物理本构关系和边界条件，在多工况条件下实现对弹塑性本构参数的高精度反求。

本发明授权一种基于物理信息神经网络的力学参数优化方法在权利要求书中公布了：1.一种基于物理信息神经网络的力学参数优化方法，其特征在于，包括以下步骤： S1、构建本构模型，设计具有典型特征工况的力学实验，获取材料的应变数据及温度并进行归一化处理，构建前馈神经网络模型；具体包括以下步骤： S11、构建本构模型如下： ； ； ； 其中，为材料形变应变速率，为应力，为应力变化率，ET是随温度确定的杨氏模量，为参考塑性应变率，等效塑性应变率，hS为材料硬化参数，S为滑移阻力，为滑移阻力变化率，T表示不同工况下的绝对温度，S0和Ssat分别为滑移阻力S的初始值和饱和值，k为理想气体常数，是最大塑性应变率，F0表示霍尔兹曼活化自由能常数，τ0为塑性变形临界切应力，q1及p1为能量相关的金属材料常数；其中、F0、k、T、τ0、q1及p1为塑性流动规则参数，MS为常数；、F0、hS、τ0、q1及p1为未知量； S12、设计具有典型特征工况的力学实验，获取材料的应变、应变速率以及绝对温度T并进行归一化处理，归一化处理公式为： ； 其中，X表示变量，Xmin表示变量中的最小值，Xmax表示变量中的最大值，表示归一化范围的最大值，表示归一化范围的最小值； S13、构建前馈神经网络模型，进行第一次预训练，输入层包括应变、应变速率、温度T，输出层包括应力σ与滑移阻力S，激活函数为relu激活函数； S2、通过控制第一次预训练应力输出值的损失函数结果，使前馈神经网络模型首先拟合应力的结果，第一次优化前馈神经网络模型参数； S3、对前馈神经网络模型进行第二次预训练，获取滑移阻力的初步曲线值，同时第二次优化前馈神经网络模型参数； S4、求解材料硬化参数，将材料硬化参数、S3输出的应力结果和滑移阻力结果代入第二次预训练结束后的前馈神经网络模型进行第三次预训练，获取材料硬化参数优化值、应力预测曲线与滑移阻力预测曲线，同时第三次优化前馈神经网络模型参数； S5、将S4输出结果作为初始值代入第三次优化后的前馈神经网络模型，将本构模型作为损失函数对第三次优化后的前馈神经网络模型进行第四次正式训练，获得最终应力-应变曲线图及未知参数预测值。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区西丽大学城平山一路6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。