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！

龙图腾网获悉电子科技大学;四川大学申请的专利缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测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：CN119885876B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202411967382.5，技术领域涉及：G06F30/27；该发明授权缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法是由朱顺鹏;王蓝仪;罗昌齐;张甜甜;王清远;张廷杰;邹皓;孟德彪设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法在说明书摘要公布了：本发明公开一种缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，应用于疲劳可靠性领域，针对现有技术对缺陷诱导失效下金属疲劳寿命预测存在的局限性，本发明通过物理引导的Wasserstein生成对抗网络实现疲劳性能的不确定性量化及具有物理一致性的低保真疲劳数据的拟合。引入迁移学习的概念，允许在训练过程中使用多保真疲劳数据训练物理信息神经网络。将制造缺陷对疲劳性能的影响作为物理约束嵌入，保证了多保真物理信息神经网络预测结果的物理一致性。

本发明授权缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法在权利要求书中公布了：1.缺陷诱导失效下的多保真物理信息神经网络疲劳寿命预测方法，其特征在于，包括： S1、获取同一牌号系列金属的试验条件、临界缺陷几何特征、静态力学性能及其对应疲劳寿命试验结果，形成原始疲劳数据库； S2、利用物理信息特征工程对疲劳数据库中的数据进行扩展与预处理，得到扩展后的疲劳数据库，将扩展后的疲劳数据库中的数据划分为训练集与测试集； S3、将断裂力学模型作为物理约束构建物理引导Wasserstein生成对抗网络，利用训练集中的数据训练物理引导Wasserstein生成对抗网络，以获得低保真疲劳数据集； S4、构建深度神经网络，根据低保真疲劳数据集对深度神经网络进行预训练； S5、引入临界缺陷几何特征对疲劳性能的影响作为深度神经网络中的物理约束，以构建物理信息神经网络； S6、利用迁移学习的概念，将训练集数据作为高保真疲劳数据微调物理信息神经网络参数，通过低保真疲劳数据预训练及高保真疲劳数据微调实现多保真物理信息神经网络的构建，利用测试集数据检验多保真物理信息神经网络的预测效果，以获得优化多保真物理信息神经网络； S7、采用优化多保真物理信息神经网络，输入某个待测金属的试验条件、临界缺陷几何特征、静态力学性能，输出其疲劳寿命预测结果。

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电子科技大学;四川大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。