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！

龙图腾网获悉北京交通大学申请的专利基于改进粒子群优化的BWBN模型的滞回参数识别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：CN120336681B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510485646.1，技术领域涉及：G06F17/13；该发明授权基于改进粒子群优化的BWBN模型的滞回参数识别方法是由文永奎;黄志翔;贺倩倩;左晓斐设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本基于改进粒子群优化的BWBN模型的滞回参数识别方法在说明书摘要公布了：本发明公开了一种基于改进粒子群优化的BWBN模型的滞回参数识别方法，属于滞回参数识别领域，该方法包括根据实测滞回曲线的骨架曲线确定拟静力往复加载下RC桥墩的等效屈服点；给定待识别滞回参数的边界约束；利用改进粒子群算法获取待识别的滞回参数的最优值；在改进粒子群算法的每步迭代中利用莱维飞行策略和模式搜索算法对全局历史最优位置进行优化，将最后一步输出的全局历史最优位置作为各待识别的滞回参数的值，完成BWBN模型滞回参数识别。本发明解决了现有方法在处理复杂的高维空间优化问题时，存在后期易陷入局部最优解、早熟收敛、收敛速度和拟合精度依赖于参数的选择以及进化缺乏足够的探索能力难以保证粒子种群多样性的问题。

本发明授权基于改进粒子群优化的BWBN模型的滞回参数识别方法在权利要求书中公布了：1.一种基于改进粒子群优化的BWBN模型的滞回参数识别方法，其特征在于，包括： 获取不同破坏模式下RC桥墩的拟静力往复加载实测滞回曲线，并基于实测滞回曲线的骨架曲线确定最终等效屈服点的屈服荷载和屈服位移； 构建具有强度退化、刚度退化和捏拢效应的BWBN模型，根据最终等效屈服点的屈服荷载和屈服位移，分别对BWBN模型和实测滞回曲线进行归一化无量纲处理，并根据BWBN模型的归一化无量纲处理结果，构建BWBN模型的一阶显式微分方程组； 确定待识别的滞回参数，并给定待识别滞回参数的边界约束条件； 利用改进粒子群算法获取待识别的滞回参数的最优值，在改进粒子群算法的每一步迭代中利用莱维飞行策略和模式搜索算法对全局历史最优位置进行深度优化，将最后一步输出的全局历史最优位置作为各待识别的滞回参数的值，完成BWBN模型滞回参数识别；所述改进粒子群算法的适应度函数为求解BWBN模型的一阶显式微分方程组得到的恢复力预测值与实测滞回曲线的归一化无量纲处理结果中的恢复力实测值之间的误差函数，具体为： S1、根据待识别的滞回参数，构成待识别的滞回参数向量； S2、初始化粒子群优化算法参数； S3、利用Logistic-Tent复合混沌映射在搜索空间内随机初始化粒子位置和粒子速度； S4、计算各粒子的适应度值，并根据各粒子的适应度值初始化各粒子的个体历史最优位置和个体历史最优值以及全局历史最优位置和全局历史最优值； S5、基于自适应策略，动态更新惯性权重、认知参数和社会参数，并根据更新后的惯性权重、认知参数和社会参数，基于边界约束更新粒子速度和粒子位置； S6、更新各粒子的个体历史最优位置和个体历史最优值以及全局历史最优位置和全局历史最优值； S7、引入莱维飞行策略更新各粒子的位置，并基于贪婪算法的更新评价策略，更新粒子种群的全局历史最优位置和全局历史最优值； S8、判断是否满足嵌入模式搜索算法的前提条件，若是，进入步骤S9，否则，返回步骤S5；所述嵌入模式搜索算法的前提条件为当前迭代步，且粒子种群的全局历史最优值连续5次迭代未发生变化； S9、将粒子种群的全局历史最优位置作为迭代初始值，通过模式搜索算法更新粒子种群的全局历史最优位置和全局历史最优值； S10、判断是否满足预设的最大迭代步数，若是，输出迭代至步时整个粒子种群的全局历史最优的最终位置和最终值，否则，返回S5继续迭代。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。