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！

龙图腾网获悉重庆荟奇安科技有限公司申请的专利一种基于深度学习的薄片类部件性能快速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：CN120596856B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202511098062.5，技术领域涉及：G06F18/20；该发明授权一种基于深度学习的薄片类部件性能快速预测方法是由杨波;王棋;杨晨思宇;金添设计研发完成，并于2025-08-06向国家知识产权局提交的专利申请。

本一种基于深度学习的薄片类部件性能快速预测方法在说明书摘要公布了：本发明涉及人工智能技术领域，具体为一种基于深度学习的薄片类部件性能快速预测方法，采集多工况仿真数据生成训练样本，构建并编码网格拓扑结构提取多维特征，经特征融合与自注意力机制处理后，输入感知机预测应力并评估误差。本发明中，通过引入仿真信息构建结构化训练样本集，结合节点空间坐标、边界约束与连接关系形成的几何结构特征集，使得节点间的相互位置与约束条件在图结构中被完整表达，通过节点级特征提取与特征融合处理，实现节点几何布局与边界相互关系的深度嵌合，通过局部子图与上下文分析建立了空间结构中应力演化路径的可学习表达，在节点图嵌入过程中引入多层特征聚合与注意力机制，强化关键区域的特征响应表达。

本发明授权一种基于深度学习的薄片类部件性能快速预测方法在权利要求书中公布了：1.一种基于深度学习的薄片类部件性能快速预测方法，其特征在于，包括以下步骤： S1：采集硅钢片在多种载荷与热循环工况下的仿真信息，得到结构化训练样本集； S2：根据所述结构化训练样本集中硅钢片仿真信息，建立硅钢片的网格拓扑结构，对网格拓扑结构进行编码，输出编码输入要素； S3：将所述编码输入要素输入深度神经网络，从硅钢片网格拓扑结构中提取硅钢片节点几何位置与边界相互关系的输入信息，输入信息通过网络编码分别输出Trunk网络编码特征与Branch网络编码特征； S4：融合所述Trunk网络编码特征与Branch网络编码特征，通过自注意力机制增强局部特征，得到统一融合表示向量； 所述统一融合表示向量的获取步骤具体为： S411：融合所述Trunk网络编码特征与Branch网络编码特征，将Trunk网络编码特征中的节点几何位置特征与Branch网络编码特征中的边界交互特征按节点索引对应，对两类特征向量执行拼接组合，生成节点级联合编码特征序列； S412：将所述节点级联合编码特征序列输入交叉注意力机制，利用节点在拓扑结构中的位置索引作为查询项，构建联合编码特征间的相互注意权重关系，生成交叉匹配特征表示向量； S413：根据所述交叉匹配特征表示向量，利用图中相邻节点的连接关系构建局部子图，依据连接节点的权重值分析每个节点的上下文特征，生成统一融合表示向量； S5：将所述统一融合表示向量输入多层感知机中预测硅钢片应力，调用所述结构化训练样本集中的仿真信息评估预测误差，得到硅钢片性能预测结果； 所述硅钢片性能预测结果的获取步骤具体为： S511：将所述统一融合表示向量输入多层感知机，统一融合表示向量对应于每个节点在硅钢片网格拓扑结构中的图嵌入表达，按照节点索引顺序输入感知机的连续网络层，执行逐层向量映射与非线性激活，生成节点应力预测结果； S512：根据所述节点应力预测结果，调用所述结构化训练样本集中的仿真信息，按节点索引匹配对应的目标应力值，建立预测值与目标值之间的映射对照关系，计算均方根误差函数中的残差项与损失值，生成硅钢片性能预测结果。

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重庆荟奇安科技有限公司，其通讯地址为：400000 重庆市渝北区龙山街道新南路439号中国华融现代广场3幢20层9、10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”。

以上内容由龙图腾AI智能生成。