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！

龍圖騰網恭喜青島哈爾濱工程大學創新發展中心;哈爾濱工程大學申請的專利基于殘差連接神經網絡的立柱結構響應預報方法及系統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：CN119476058B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202510058942.3，技術領域涉及：G06F30/27；該發明授權基于殘差連接神經網絡的立柱結構響應預報方法及系統是由韓鳳磊;彭瀟;周澤宇;趙望源;林琪;汪春輝;霍文華;岳文博;陳洪亮;吳禹良;余家齊;蘇亮;郭騫辰;吳佳霖;韓嘉懿;姜帆設計研發完成，并于2025-01-15向國家知識產權局提交的專利申請。

本基于殘差連接神經網絡的立柱結構響應預報方法及系統在說明書摘要公布了：本發明屬于海洋工程技術領域，公開了基于殘差連接神經網絡的立柱結構響應預報方法及系統。本發明結合了物理信息神經網絡（PINN）與Kolmogorov?Arnold（KAN）定理，通過多層非線性映射框架和殘差連接優化，顯著提升了預測模型的精度和計算效率。本發明通過引入物理方程約束損失和環境參數輸入，模型能夠更精確地模擬極端海洋環境中的動態響應特性，有效解決了傳統方法在非線性因素處理與實時計算中的局限性。實驗表明，本發明在準確性、泛化能力及計算效率方面具有顯著優勢，為海洋平臺結構設計及運行狀態監測提供了可靠、高效的技術支持，具有重要的理論價值和廣泛的應用前景。

本發明授權基于殘差連接神經網絡的立柱結構響應預報方法及系統在權利要求書中公布了：1.一種基于殘差連接神經網絡的立柱結構響應預報方法，其特征在于，該方法包括步驟：S1，針對海洋平臺立柱的環境數據進行預處理，基于預處理的環境數據，采用物理信息神經網絡PINN對環境載荷進行初始化；S2，根據科莫戈羅夫-阿諾爾德KA定理，建立用于描述從環境載荷到結構響應的多層非線性映射模型KAN；S3，基于構建的多層非線性映射模型KAN，引入復合損失函數，使多層非線性映射模型KAN在遵循物理規律的同時，適應實際觀測數據；引入殘差連接，對網絡進行優化；S4，采用消融實驗優化多層非線性映射模型KAN性能，用于復雜海況下的立柱結構響應預報；在步驟S1中，采用物理信息神經網絡PINN對環境載荷進行初始化，包括步驟：步驟1.1，以時間序列為基礎，建立風速、流速、結構物受力面積與載荷的映射關系，構建全連接網絡，輸入為時間、風或波浪的流速、有效受力面積或體積，輸出為預測的載荷值；步驟1.2，找尋物理方程的約束，風載荷計算為： 式中，ρa表示空氣密度；Cd表示風阻系數；A表示迎風面積；V表示風速；在迎風面積A上積分，計算風速隨位置和時間變化時的風載荷總和為： 式中，V2x，t表示立柱上每個位置與時間變量下的風速值；波浪載荷計算： 式中，ρw表示水密度；D表示結構物的直徑；|U|表示流速的絕對值；U表示流速；Cm表示慣性系數；Vv表示作用體積；表示加速度；針對有效作用體積，在沿波浪流速方向上進行積分，得到結構物上波浪載荷合力： 將風載荷方程與波浪載荷合力方程作為約束加入到物理神經網絡的損失函數中，損失函數Losstotal由兩部分組成：Losstotal＝Lossfunction+Lossdata式中，Lossfunction是物理方程約束的物理損失，Lossdata是網絡均方差數據損失；在步驟S2中，建立用于描述從環境載荷到結構響應的多層非線性映射模型KAN，包括：在科莫戈羅夫-阿諾爾德KA定理的基礎上，通過逐層非線性映射來逼近復雜的非線性特征；通過多層次映射逐步分解環境載荷與結構響應之間的關系，每一層的輸出逐步捕捉更深層次的非線性特征；同時在多層非線性映射模型KAN的每一層中加入殘差連接；通過殘差連接，將PINN輸出的物理信息嵌入多層非線性映射模型KAN的每一層，使環境載荷的物理影響在整個網絡結構中得到持續傳遞和保留；在步驟S3中，復合損失函數包括基于風載荷、波浪載荷物理模型構建的物理損失函數，用于確保網絡輸出符合已知的物理規律；以及包括數據損失函數，用于通過均方差損失MSE衡量模型預測與實際觀測數據之間的誤差。

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青島哈爾濱工程大學創新發展中心;哈爾濱工程大學，其通訊地址為：266000 山東省青島市黃島區三沙路1777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”。