買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜杭州電子科技大學申請的專利一種基于硬約束神經網絡模型預測金屬結構材料蠕變性能的方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114707398B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210161354.9，技術領域涉及：G06F30/27；該發明授權一種基于硬約束神經網絡模型預測金屬結構材料蠕變性能的方法是由賀君敬;周彥均;秦海英設計研發完成，并于2022-02-22向國家知識產權局提交的專利申請。

本一種基于硬約束神經網絡模型預測金屬結構材料蠕變性能的方法在說明書摘要公布了：本發明公開了一種基于硬約束神經網絡模型預測金屬結構材料蠕變性能的方法。步驟包括：S1，建立蠕變強度蠕變壽命曲線的一次導數和二次導數的約束條件；S2，結合約束條件，建立硬約束神經網絡模型，包括網絡結構的建立和網絡結構的求導，約束損失函數等；S3，設定硬約束神經網絡模型的結構，輸入、輸出參數，訓練方法等，擬合實驗數據，得到擬合結果和預測結果，并與實驗數據進行對比；S4，最后分析得到的結果的準確性。本發明的方法可以用于預測大多數商用奧氏體不銹鋼、鎳基合金、高鉻鋼、及目前正處于研發階段的高溫合金等新材料的長期蠕變性能，且結果穩定可靠。

本發明授權一種基于硬約束神經網絡模型預測金屬結構材料蠕變性能的方法在權利要求書中公布了：1.一種基于硬約束神經網絡模型預測金屬結構材料蠕變性能的方法，其特征在于，包括以下步驟：S1，蠕變強度蠕變壽命曲線一次導數和二次導數的約束條件的建立；所述蠕變強度蠕變壽命曲線，是指橫坐標為蠕變斷裂壽命或蠕變斷裂時間，縱坐標為蠕變斷裂強度或蠕變斷裂應力的曲線；S2，結合步驟S1的一次導數和二次導數的約束條件，建立硬約束神經網絡模型，至少包括網絡結構的建立、網絡結構的求導、以及約束損失函數；其中所述硬約束是指：將所述約束條件編碼到所述神經網絡算法中，通過改變所述神經網絡算法的代碼，從過程和結果上同時改變所述神經網絡的算法，最后得到符合條件的結果；S3，設定所述硬約束神經網絡模型的網絡結構、輸入參數、輸出參數、以及訓練方法，擬合實驗數據，得到擬合結果和預測結果，并與實驗數據進行對比；S4，分析得到的結果的準確性；其中，步驟S1中，所述一次導數和二次導數的約束條件要求如下： 其中m為蠕變強度蠕變壽命曲線一次導數的倒數的負值，tR為蠕變斷裂時間，σ為蠕變斷裂強度，T為絕對溫度；其中，步驟S2中，所述結合步驟S1的一次導數和二次導數的約束條件建立硬約束神經網絡模型的步驟包括：S21，網絡結構的第一層；建立網絡結構的第一層的輸入參數和輸出參數： 其中p為輸入參數，a1為輸出參數，p含有ninput個輸入參數；每個輸入參數的每個神經元都有一個對應的權值W1，因此，W1矩陣的大小為nneuron×ninput，其中nneuron是第一層的神經元數目；b1則是神經元的閾值；過渡輸入函數v1輸入到過渡函數中，并得到第一層的輸出結果a1；其中的上標1都表示第一層，下標k、i表示對應的具體的變量；是一個標量函數；第一層的輸出結果將成為下一層的輸入變量；S22，網絡結構的第q層；基于步驟S21，第q層的網絡結構表示為： 其中的上標q都是表示第q層，下標k、i表示對應的具體的變量；aq-1是q-1層的輸出結果，現在是q層的輸入變量，aq為輸出參數；同樣地，每個輸入參數的每個神經元都有一個對應的權值Wq和閾值bq；過渡輸入函數vq輸入到過渡函數中，并得到第q層的輸出結果aq；S23，網絡結構的一次導數的推導，基于步驟S21和S22，將推導矢量p中的輸入變量的導數；第一層的過渡函數導數表示為： 從第q-1層到第q層的過渡輸入函數的導數表示為： 第q層的輸出結果的導數表示為： 通過合并以上公式可以直接得到某一層中的過渡輸入函數和其上一層中的過渡輸入函數的關系式，即一次導數： 其中的上標1都表示第一層，上標q表示第q層，下標k、i表示對應的具體的變量；通過以上公式，可以從前一層的相應的數據計算得到下一層的過渡輸入函數和輸出結果的導數；S24，網絡結構的二次導數的推導；第一層的過渡輸入函數的二次導數會消失： 對步驟S23中第q層的過渡輸入函數的一次導數求導，可以得到 對步驟S23中第q層的輸出結果的二次導數表示為 S25，約束損失函數：將一次導數和二次導數約束條件對誤差產生的影響Δerr添加到均方誤差中； 其中Q是網絡結構的最后一層，c1和c2是常數；是一個logsig函數；如果導數是正值，那么在網絡結構的訓練過程中，會移除這一影響；所述硬約束神經網絡模型的網絡結構設置：在預測蠕變斷裂壽命時，用到了兩層網絡結構：第一層為隱藏層，包含3-10個神經元，并使用logsig過渡函數；第二層為輸出層，只有一個輸出變量和一個神經元，并使用線性過渡函數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市錢塘區白楊街道2號大街1158號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。