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！

龙图腾网获悉中国矿业大学;江苏中矿大正表面工程技术有限公司;中交第二公路勘察设计研究院有限公司;广东省公路建设有限公司深中通道管理中心申请的专利基于时序卷积-GAN的斜拉桥火致断索应力数据生成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：CN119903740B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411984849.7，技术领域涉及：G06F30/27；该发明授权基于时序卷积-GAN的斜拉桥火致断索应力数据生成方法是由王欣宇;陈伟;叶继红;许丽丽;施方长;姚志安;姜健;彭元诚;缪盛凯设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于时序卷积-GAN的斜拉桥火致断索应力数据生成方法在说明书摘要公布了：本发明公开了基于时序卷积‑GAN的斜拉桥火致断索应力数据生成方法，具体为：模拟大跨斜拉桥突发火灾事故可能导致的不同位置、不同数量的拉索断裂引起的拉索张力变化与加劲梁应力‑应变重分布，采集各拉索断裂工况沿桥长方向各拉索的张力、加劲梁应力‑应变数据，对数据进行预处理，构建训练GAN网络所需数据集；搭建融合时序卷积的GAN网络模型；输入随机向量和训练集数据训练所述融合时序卷积的GAN网络网络，获取生成网络；利用融合时序卷积的GAN网络模型生成不同位置、不同数量的拉索断裂后拉索张力或加劲梁应力数据，衡量数据生成质量，评价真实数据与生成数据的分布差异。

本发明授权基于时序卷积-GAN的斜拉桥火致断索应力数据生成方法在权利要求书中公布了：1.基于时序卷积-GAN网络的斜拉桥火致断索应力数据生成方法，其特征在于，包括以下步骤： 步骤1：利用软件模拟大跨斜拉桥突发火灾事故可能导致的不同位置、不同数量的拉索断裂引起的拉索张力变化与加劲梁应力-应变重分布，采集各拉索断裂工况沿桥长方向各拉索的张力、加劲梁应力-应变数据，对数据进行预处理，构建训练GAN网络所需数据集； 步骤2：搭建融合时序卷积的GAN网络模型，包括数据生成器与判别器； 步骤3：输入随机向量和训练集数据训练所述融合时序卷积的GAN网络网络，获取生成网络； 步骤4：利用融合时序卷积的GAN网络模型生成不同位置、不同数量的拉索断裂后拉索张力或加劲梁应力数据，采用均方根误差、平均绝对误差和R2衡量数据生成质量，采用主成分分析和t-SNE数据降维可视化技术评价真实数据与生成数据的分布差异； 步骤1中，构建训练GAN网络所需数据集，具体包括： 步骤1.1：使用有限元分析软件，建立斜拉桥1:1精细化数值模型，拉索以线单元模拟，其余主塔、钢箱梁、主梁结构采用三维壳单元构建；拉索选用桁架单元，其余实体部分选用线性四边形单元，总单元数量为46710；拉索与主塔、加劲梁使用MPC铰接连接；在荷载预定义场中使用应力施加拉索预应力；使用静力通用分析步进行分析计算； 步骤1.2：使用ODB文件输出导出关键网格应力-应变数据，保存为.csv格式； 步骤1.3：利用Numpy数据库中的read_csv函数读取数据，并将其转为字典类型，并进行归一化处理，确保数据值在0到1之间； 步骤1.4：利用torch.tensor函数将字典数据转为32位浮点运算的张量形式，便于网络训练读取； 步骤2具体包括以下步骤： 步骤2.1：所述融合时序卷积的GAN网络包括4个不同参数的时序卷积神经网络模块，所述时序卷积神经网络模块包含2~3个一维卷积神经网络、1个LeakyReLU非线性激活函数、3层不同神经元数量的全连接层、1个ReLU和1个Tanh非线性激活函数； 步骤2.1.1：利用Pytorch库中的nn.Conv1d模块单元搭建时序卷积神经网络模块； 步骤2.1.2：利用Pytorch库中的nn.Linear模块、nn.ReLU和nn.Tanh非线性激活单元，依次搭建2个全连接层和2个非线性激活层；第一个全连接层的输入、输出通道数量分别为256和512，确保与第四个时序卷积神经网络模块的输出通道数量保持一致，并衔接ReLU非线性激活函数；第二个全连接层输入、输出通道数为512和N，衔接Tanh非线性激活函数，输出生成数据； 步骤2.2：所述判别器包括3个时序卷积神经网络模块，2个全连接层以及1个ReLU非线性激活函数。

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中国矿业大学;江苏中矿大正表面工程技术有限公司;中交第二公路勘察设计研究院有限公司;广东省公路建设有限公司深中通道管理中心，其通讯地址为：221116 江苏省徐州市铜山区大学路1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。