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！

龙图腾网获悉湖南大学申请的专利基于深度学习的可调声子晶体的构型生成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：CN119397620B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411508488.9，技术领域涉及：G06F30/10；该发明授权基于深度学习的可调声子晶体的构型生成方法是由陈宁;覃泽涛;周华茂;刘坚;李蓉设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本基于深度学习的可调声子晶体的构型生成方法在说明书摘要公布了：本发明公开了一种基于深度学习的可调声子晶体的构型生成方法、计算设备、计算机程序产品及存储介质，基于深度学习的可调声子晶体的构型生成方法在计算设备中执行，该方法包括：将指示待生成声子晶体构型的色散关系的第一特征频率向量输入至构型生成模型中处理，得到至少一张候选构型图像；针对每一候选构型图像，对其进行图像预处理，得到多张相似图像；将各相似图像分别输入至色散关系预测模型中处理，得到表示各相似图像的色散关系的第二特征频率向量；分别计算第一特征频率向量和各第二特征频率向量的平均绝对百分比误差值，并选取对应平均绝对百分比误差值最小的第二特征频率向量所指示的相似图像，作为待生成声子晶体的构型图像。

本发明授权基于深度学习的可调声子晶体的构型生成方法在权利要求书中公布了：1.基于深度学习的可调声子晶体的构型生成方法，在计算设备中执行，该方法包括： 将指示待生成声子晶体构型的色散关系的第一特征频率向量输入至构型生成模型中处理，得到至少一张候选构型图像； 针对每一候选构型图像，对其进行图像预处理，得到多张相似图像； 将各相似图像分别输入至色散关系预测模型中处理，得到表示各相似图像的色散关系的第二特征频率向量，所述色散关系预测模型包括：依次耦接的基础网络组件、多层感知组件和预测输出组件，其中，基础网络组件包括多个残差模块，且各残差模块包含注意力机制模块，所述注意力机制模块包括通道注意力子模块和空间注意力子模块，多层感知组件包括耦接的全连接层、激活函数层和随机失活层； 分别计算第一特征频率向量和各第二特征频率向量的平均绝对百分比误差值，并选取对应平均绝对百分比误差值最小的第二特征频率向量所指示的相似图像，作为所述待生成声子晶体的构型图像； 其中，所述色散关系预测模型的生成方法包括，基于构建的构型图像数据库，生成第二训练样本集，所述第二训练样本集中包括多个声子晶体的构型图像及其对应的色散关系，其中色散关系通过特征频率向量表示，基于所述第二训练样本集，利用回归损失函数训练生成色散关系预测模型； 所述基于构建的构型图像数据库，生成第二训练样本集，包括： 利用MATLAB生成声子晶体构型图像，并利用生成的声子晶体构型图像构建所述构型图像数据库，其中所述声子晶体构型图像具有多种形状，且为单材料声子晶体构型，采用等双轴拉伸方式进行拉伸变形以生成带隙； 通过COMSOL with MATLAB接口，将声子晶体构型图像输入到COMSOL中建立几何模型； 根据定义的相关参数和边界条件，对几何模型进行仿真求解，得到不同声子晶体构型图像对应的色散关系图集，所述相关参数包括几何模型的超弹性材料属性和形状控制参数，边界条件包括指定位移条件和周期性条件，所述色散关系图集包括声子晶体在不同拉伸应变状态下对应的色散关系图，色散关系图由11条曲线构成，每条曲线由31个特征频率点构成，其中，不同拉伸应变状态对应的带隙特性不同，任一色散关系图均指示其在目标拉伸应变状态下波矢与频率之间的对应关系； 针对每一色散关系图，提取其对应的第四特征频率向量； 利用所述第四特征频率向量及其对应的色散关系图，构建所述第二训练样本集； 所述几何模型通过下式表示： x1＝rθcosθ,x2＝rθsinθ其中，rθ＝r0[1+c1cosn1θ+c2cosn2θ+c3cosn3θ+c4cosn4θ],x1,x2为单胞模型中散射体和基体各相交点的位置坐标，θ为散射体的填充率控制参数，c1～c4、n1～n4和r0为形状控制参数，c1～c4的范围为[‑0.35,0.35]，n1～n4的范围为[1,20]，r0范围为[0.65,2]。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；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。