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！

龙图腾网获悉江西理工大学;河海大学;江苏东交智控科技集团股份有限公司申请的专利一种复杂结构精细有限元模型的响应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：CN116341320B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202310256089.7，技术领域涉及：G06F30/23；该发明授权一种复杂结构精细有限元模型的响应预测方法是由曹茂森;邓通发;李翼飞;陈立;苏玛拉.德拉戈斯拉夫;魏庆阳;王泽雨设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种复杂结构精细有限元模型的响应预测方法在说明书摘要公布了：本发明提供一种复杂结构精细有限元模型的响应预测方法，包括以下步骤：建立表征结构物理模型系统特性的精细有限元模型和网格密度不同的粗糙镜像信息模型；采用拉丁超立方抽样法进行随机抽样，分别构建尺寸分别为m和n的输入参数样本集；执行概率有限元分析，提取对应的输出响应样本集；输出响应样本集中前m组数据构建Kriging模型，并采用验证误差评估预测精度；根据Kriging模型预测粗糙镜像信息模型响应样本集中剩下的n‑m组数据对应的精细有限元模型的输出响应。本发明有效地降低了代理建模的效率对前向计算模型精细度的依赖，极大程度上缩减了复杂结构精细有限元模型获取系统响应的计算时间。

本发明授权一种复杂结构精细有限元模型的响应预测方法在权利要求书中公布了：1.一种复杂结构精细有限元模型的响应预测方法，其特征在于，包括以下步骤： 根据待预测复杂结构，建立表征结构物理模型系统特性的精细有限元模型和与精细有限元模型孪生且网格密度不同的粗糙镜像信息模型； 基于先验知识确定精细有限元模型和粗糙镜像信息模型中材料参数所服从的概率分布类型，并采用拉丁超立方抽样法进行随机抽样，分别构建尺寸分别为m和n的输入参数样本集； 根据输入参数样本集，对粗糙镜像信息模型和精细有限元模型分别执行概率有限元分析，提取对应的输出响应样本集； 基于粗糙镜像信息模型和精细有限元模型的输出响应样本集中前m组数据构建Kriging模型，并采用验证误差评估预测精度，重构Kriging模型； 根据Kriging模型预测粗糙镜像信息模型响应样本集中剩下的n-m组数据对应的精细有限元模型的输出响应； 所述Kriging模型如下式所示： 式中，是相应回归系数向量的转置，Fx＝[F1x,…,FMx]是多项式基函数，是克里格模型的趋势，Gx是一个均值为零的高斯过程； 所述Kriging模型的构建，还包括以下步骤： 构建Gx的协方差函数使之与Kriging模型中的超参数关联； 校准Kriging模型中的超参数； 所述Gx的协方差函数的构建，包括以下步骤： 定义Gx： Gx＝CovGx,Gx＝σRx,x；θ 式中，x和x是结构输出响应样本空间的一对采样点，Gx和Gx分别为观察值和新插值；σ是Gx的恒定方差；Rx,x；θ是相关函数，描述Gx和Gx与相关性系数θ＝[θ,…,θ]之间的相似性； 其中，相关函数为Matérn-52相关函数，如下式所示： 所述校准Kriging模型中的超参数，包括以下步骤： 考虑假定服从一个多变量的高斯分布，通过最大化似然函数估计Kriging模型中的未知超参数如下式所示： 式中，C＝σ2R+∑n是协方差矩阵，∑n是噪声响应，P＝[px1,...pxN]T是元素Pij＝pjxi的N×M回归矩阵； 对上式关于和σ2求偏导并令为零，对θ的求解转化为解决以下优化问题： 式中，Dθ是θ的参数空间，R是Rxi,xj；θ的简写。

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江西理工大学;河海大学;江苏东交智控科技集团股份有限公司，其通讯地址为：341000 江西省赣州市红旗大道86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。