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！

龙图腾网获悉北京航空航天大学申请的专利结合迁移学习和物理信息神经网络的可靠性设计优化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：CN119397893B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411433821.4，技术领域涉及：G06F30/27；该发明授权结合迁移学习和物理信息神经网络的可靠性设计优化方法是由张天霄;陈历;赵心怡;谢雨欣;吕胜男设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本结合迁移学习和物理信息神经网络的可靠性设计优化方法在说明书摘要公布了：本发明属于基于可靠性的设计优化技术领域，具体为一种结合迁移学习和物理信息神经网络的可靠性设计优化方法。包括采用源域的训练数据构建物理信息神经网络模型，并对源域的可靠性进行评估。利用迁移学习中的层冻结和微调技术，对采用源域的训练数据构建物理信息神经网络模型进行了更新，以对具有不同统计属性的目标域的可靠性进行评估，以节省计算开销，利用一阶打分函数对失效概率进行了随机敏感性分析以保证设计优化的正常进行。最后向优化器提供估计的可靠度、目标函数值和相应的敏感性信息，得到相应的更新设计点。重复迭代设计过程直到实现最佳设计。本发明加快了物理信息神经网络模型的训练速度并提高了其精度。

本发明授权结合迁移学习和物理信息神经网络的可靠性设计优化方法在权利要求书中公布了：1.一种结合迁移学习和物理信息神经网络的可靠性设计优化方法，其特征在于，利用所述可靠性设计优化方法对系统结构进行优化，所述系统结构为圆柱直杆，所述圆柱直杆的杆长l＝5，左侧固定，右侧承受载荷F；其中圆柱直杆杨氏模量E、横截面积A和载荷F是随机变量，所述横截面积A是随机设计变量，杨氏模量E和载荷F为非设计变量，优化目标为最小化圆柱直杆的质量，即最小化横截面积；具体包括如下步骤： 1定义RBDO的初始设计点； 2生成源域配置点，所述源域为基于步骤1所述初始设计点的样本空间及其分布，并采用拉丁超立方抽样生成源域配置点；生成用于构建物理信息神经网络模型的配置点同时生成用于源域可靠性评估的配置点 3构建用于源域可靠性分析的物理信息神经网络模型； 4源域可靠性分析和敏感性分析：采用构建的物理信息神经网络模型预测配置点的响应，并对约束执行可靠性分析；同时，采用一阶打分函数进行随机敏感性分析； 5更新设计点：通过向优化器提供估计的失效概率、目标函数值以及相应的敏感性信息，得到更新后的设计点； 6生成目标域配置点：所述目标域为基于更新后的设计点的样本空间及其分布，采用拉丁超立方抽样生成目标域配置点；生成用于迁移学习的配置点同时生成用于目标域可靠性评估的配置点 7对用于源域可靠性分析的物理信息神经网络模型进行迁移学习；所述迁移学习包括首先采用层冻结，随后进行微调，对物理信息神经网络模型进行更新；具体包括： S701层冻结 将用于目标域可靠性分析的物理信息神经网络模型中参数的初值设置为用于源域可靠性分析的物理信息神经网络模型中的参数值，随后，在用于迁移学习的配置点上对该用于目标域可靠性分析的物理信息神经网络模型进行训练，更新物理信息神经网络模型中最后几层对应的参数，表示为： 其中，和表示层冻结过程中允许更新的权重和偏置； 违反偏微分方程、初始条件和边界条件的损失函数分别表示为： 用于目标域可靠性分析的物理信息神经网络模型的损失函数表示为： 为了计算参数包括和将式5中的损失函数最小化，表示为： 层冻结使用自定义函数实现，自定义函数首先使用model.parameters方法返回一个迭代器，用来遍历模型的所有参数，然后使用requires_grad属性来设置每个参数是否需要梯度； S702微调 微调包括解冻上面获得的整个模型或模型的一部分，然后在训练数据上以0.0001的学习率对该模型进行重新训练，表示为： 其中，和分别表示允许微调的权重和偏置，微调过程和层冻结过程的训练数据一致，微调过程中违反偏微分方程、初始条件和边界条件的损失函数以用式2、式3和式4表示，用于目标域可靠性分析的物理信息神经网络模型的损失函数表示为： 计算参数包括和将式8中的损失函数最小化，表示为： 8目标域可靠性分析和敏感性分析：采用更新的物理信息神经网络模型预测配置点的响应，并对约束执行可靠性分析；同时，采用一阶打分函数进行随机敏感性分析； 9检查收敛条件：如果达到收敛条件，则停止迭代过程，输出最优设计；否则回到步骤5重复迭代过程直到达到收敛条件。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。