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！

龙图腾网获悉西安交通大学申请的专利一种基于分层代理模型的针对涡轮轴疲劳寿命小失效概率分析方法、系统、设备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：CN119378396B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411532829.6，技术领域涉及：G06F30/27；该发明授权一种基于分层代理模型的针对涡轮轴疲劳寿命小失效概率分析方法、系统、设备及介质是由冯凯旋设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本一种基于分层代理模型的针对涡轮轴疲劳寿命小失效概率分析方法、系统、设备及介质在说明书摘要公布了：本发明涉及复杂结构可靠性分析技术领域，具体为一种基于分层代理模型的针对涡轮轴疲劳寿命小失效概率分析方法、系统、设备及介质，其方法包括以下步骤：S1，构建大容量备选样本池；S2，选择少量样本构建Kriging代理模型；使用超球分割生成若干个小规模备选样本池；S3，依次在每个小规模备选样本池中训练Kriging模型，判别每个小规模备选样本池中失效样本的数量；S4，对所有小规模备选样本池中失效样本数进行累加，得到总的失效样本数NF，然后计算涡轮叶片疲劳寿命失效概率的估计值。本发明使用超球分割大容量样本池以及Kriging代理模型依次识别失效样本并累加的方式解决了已有代理模型方法在求解小失效概率问题时收敛性差甚至无法收敛的问题。

本发明授权一种基于分层代理模型的针对涡轮轴疲劳寿命小失效概率分析方法、系统、设备及介质在权利要求书中公布了：1.一种基于分层代理模型的针对涡轮轴疲劳寿命小失效概率分析方法，其特征在于，包括以下步骤： S1，根据输入变量的分布信息，采用随机抽样的方法构建涡轮轴疲劳寿命小失效概率的大容量备选样本池； S2，从大容量备选样本池中选择少量样本构建Kriging代理模型； 使用超球对大容量备选样本池进行分割，生成若干个小规模备选样本池，其中，k=1，2，…，，表示小规模备选样本池的总数； 使用超球对大容量备选样本池进行分割，生成若干个小规模备选样本池的具体过程为：首先，将大容量备选样本池中的样本标准正态化，并计算每个样本和坐标原点之间的欧氏距离；然后，按照欧式距离从大到小的顺序对大容量备选样本池中的所有样本进行排序，选择第到之间的样本作为中的样本； 对于第1个超球，即时，选择与坐标原点欧式距离最小的前作为该超球之内的样本；对于第2个超球，即时，选择与坐标原点欧式距离最小的前至作为该超球之内的样本；以此类推，即可得到所有个超球内的样本，并以此构建相应的样本池; 其中，为样本池容量，由下式确定： 式中，为预估的涡轮轴疲劳失效概率； S3，依次在每个小规模备选样本池中训练Kriging模型，判别每个小规模备选样本池中失效样本的数量； 依次在每个小规模备选样本池中训练Kriging模型的具体过程为：首先使用Kriging代理模型作为初始模型来识别中的失效样本，使用U学习函数从备选样本池中不断挑选新的训练样本加入训练集中，直至样本池中所有样本的U学习函数值均大于等于2； 对于第，个备选样本池中失效样本的识别，使用在备选样本池训练后得到的收敛Kriging模型作为初始模型，并根据U学习函数从备选样本池中不断挑选新的训练样本加入训练集中，直至样本池中所有样本的U学习函数值均大于等于2； S4，对所有小规模备选样本池中失效样本数进行累加，得到总的失效样本数NF，然后计算涡轮叶片疲劳寿命失效概率的估计值。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。