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！

龙图腾网获悉大连理工大学申请的专利多任务高斯过程的反射镜柔性支撑应力场信息重构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：CN120509310B 。

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：202510638473.2，技术领域涉及：G06F30/27；该发明授权多任务高斯过程的反射镜柔性支撑应力场信息重构方法是由庞勇;宋学官;梁朋伟;王沐晨设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本多任务高斯过程的反射镜柔性支撑应力场信息重构方法在说明书摘要公布了：本发明属于结构仿真计算领域，具体涉及一种多任务高斯过程的反射镜柔性支撑应力场信息重构方法。首先，针对特定的反射镜柔性支撑结构，确定其边界条件和载荷工况。使用有限元分析软件对结构进行网格划分，生成包含节点和单元信息的有限元模型。然后，通过拉丁超立方采样等方法，在载荷的取值范围内生成多个状态输入样本。从有限元模型的节点中均匀选取部分节点作为任务输入。有限元分析获取训练数据，构建基于图的多任务高斯过程模型。计算状态和任务的相关矩阵，确定对数似然函数。通过优化算法对模型的超参数进行调整。对于需要重构应力场信息的未知状态或未知任务，利用训练好的模型进行预测。根据预测结果，实现应力场信息的重构。

本发明授权多任务高斯过程的反射镜柔性支撑应力场信息重构方法在权利要求书中公布了：1.一种多任务高斯过程的反射镜柔性支撑应力场信息重构方法，其特征在于，步骤如下： 第一步：基于反射镜柔性支撑结构，确定结构的载荷状态变量，对反射镜柔性结构进行有限元模拟之后确定有限元节点作为多任务高斯过程的任务变量； 第二步：通过拉丁超立方采样方法对载荷状态变量和节点进行采样，构建基于图的多任务高斯过程模型为： zx,y＝fxTβ+GP0,Cx,x′,y,y′1 其中，x和x′为p维载荷状态输入，y和y′为节点任务输入，fxTβ是关于载荷状态输入的线性回归趋势项，fx表示载荷状态变量x的函数，β表示回归系数；GP0,Cx,x′,y,y′是均值为零、方差为σ2的高斯过程，其中，Cx,x′,y,y′为多输入相关系数；zx,y表示多任务高斯过程需要重构的反射镜柔性支撑结构的应力场信息； 第三步：定义载荷状态和节点的相关函数； 载荷状态相关函数为： 其中，dsx,x′是载荷状态间的距离度量，采用2范数计算；为状态相关函数的超参数； 节点相关函数为： 其中，距离dty,y′采用基于图的距离度量，通过将有限元网格表示为无向图，利用广度优先搜索等算法计算节点间的最短路径来确定；为任务相关函数的超参数； 第四步：定义载荷状态训练集X和节点训练集Y，通过载荷状态和节点的相关函数得到载荷状态和节点的相关矩阵RX,X和KY,Y；基于图的多任务高斯过程模型的相关矩阵表示为： 其中表示矩阵的克罗内克积； 第五步：通过最大似然估计来优化模型的超参数； 计算模型的对数似然函数为： 其中，N和M分别为载荷状态变量和节点变量的样本数，z为应力场信息的训练数据，F为包含所有fx的向量；将对数似然函数关于回归系数β、方差σ2以及超参数θs和θt求导并令导数为零，得到相应的估计值，从而完成模型的训练； 第六步：利用训练好的基于图的多任务高斯过程模型进行不同情况下的应力场信息重构； 对于未知状态在已知任务下的重构，通过定义相关向量计算对数似然函数并求导，得到应力场信息预测值为： 对于已知载荷状态在未知节点下的预测，定义相关向量同样计算对数似然函数并求导，得到应力场信息预测值为： 对于未知状态和未知任务的预测，定义相关向量计算对数似然函数并求导，得到应力场信息预测值为： 最后，根据这些应力场信息预测结果实现对反射镜柔性支撑应力场信息的快速重构。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。