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！

龙图腾网获悉河北工业大学申请的专利一种用于钢筋构件的设计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：CN119598642B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411715262.6，技术领域涉及：G06F30/17；该发明授权一种用于钢筋构件的设计方法是由郭鑫飞;薛桂香;曾俊旺;刘梦悦设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种用于钢筋构件的设计方法在说明书摘要公布了：本发明公开了一种用于钢筋构件的设计方法。本发明中，通过机器学习模型能够快速处理和分析大量的历史设计数据，自动识别出影响轴力配筋计算的关键因素，从而提高计算效率。机器学习模型通过算法自动完成计算，减少了计算过程中的错误。经过充分训练的机器学习模型能够基于输入的参数精确预测钢筋面积，提高设计的准确性。机器学习模型通过分析历史数据，能够发现数据之间的隐藏关系，这对于轴力引起的配筋计算尤为重要，因为轴力与多种因素相关，如结构尺寸、材料特性等。适应性和泛化能力：将机器学习应用到轴力引起的配筋计算过程中，可以显著提升设计的智能化水平，提高设计效率和质量，同时为实现成本优化提供强有力的技术支持。

本发明授权一种用于钢筋构件的设计方法在权利要求书中公布了：1.一种用于钢筋构件的设计方法，其特征在于：所述方法包括以下步骤： S1：进行前期准备，确定设计任务了解工程需求，明确钢筋构件的用途、尺寸、形状、材料要求信息； S2：收集资料，收集相关设计规范、标准、图集、材料性能资料，同时分析工程地质条件了解工程所在地的地质、水文、气候条件，为后续设计提供依据； S3：进行初步设计，确定构件类型根据工程需求，选择合适的构件类型，包括梁、板、柱、墙；确定构件尺寸根据受力分析、构造要求及施工方便性，确定构件的截面尺寸； S4：对构件进行受力分析，确定内力，包括弯矩、剪力、轴力，根据受力分析结果，选择合适的钢筋和混凝土级； S5：进行配筋计算，根据内力计算结果，确定钢筋截面积，收集历史结构设计案例的数据，包括结构类型、材料特性、轴力设计值、钢筋配置； S6：对轴力大小、材料类型、结构尺寸进行处理和标准化数据，以便机器学习模型能够更好地理解； S7：之后进行RNN特征提取、输入层处理和输出层处理，提取用于钢筋构件设计配筋计算的各项数据特征； S8：进行特征融合，将RNN提取的钢筋构件数据特征拼接在一起形成新的钢筋构件数据特征向量F，形成更全面的数据表示； S9：对钢筋构件数据计算模型进行训练，使用数据训练模型，预测给定剪力下的最优抗剪钢筋面积Asv； S10：之后进行构造设计，确定钢筋保护层厚度；设置足够的钢筋间距，保证施工质量；考虑施工便利性，合理设置钢筋弯钩、焊接构造措施； S11：进行校核与优化，校核计算结果对照规范，检查配筋计算结果是否满足要求；在保证安全、经济、合理的前提下，对设计方案进行优化； S12：审核图纸将设计图纸提交给相关部门进行审核，根据审核意见，对图纸进行修改和完善，将最终确认的设计图纸交付给施工方，并进行技术交底，所述步骤S6中，弯矩引起的配筋计算使用公式：，其中M表示弯矩设计值；fy表示钢筋的屈服强度；As表示受拉钢筋面积，d表示钢筋的有效高度，钢筋中心到受压区边缘的距离； 计算受拉钢筋面积公式为：，所述步骤S6中，使用Min-Max标准化方法对配筋计算的各项数据特征进行归一化处理，具体步骤如下： S1.计算最大值和最小值：对于每个特征，找到数据集中的最大值Max和最小值Min； S2.应用变换公式：对于数据集中的每个特征值x，使用以下公式进行变换： ； 其中，是变换后的值； S3.变换数据集：将上述变换应用到整个数据集的每个特征上； 经过最小－最大标准化后，所有特征都将被缩放到0到1的范围，所述步骤S7中，RNN特征提取的输入层处理包括： 使用词嵌入WordEmbedding技术将原始数据文本转换为词向量； 设xi为第i个时间步的输入向量，V为嵌入矩阵，t为时间步数，则xi=V·ei，其中ei是一个独热编码向量表示单词； RNN特征提取的隐藏层处理包括：使用LSTM长短期记忆网络RNN单元处理时序数据； 设hi为第i个时间步的隐藏状态，ci为细胞状态，则更新公式为： fi=σWf·[hi−1,xi]+bf； Ⅱ=σWi·[hi−1,xi]+bi； c~i=tanhWc·[hi−1,xi]+bc ci=fi·ci−1+ii·c~i； oi=σWo·[hi−1,xi]+bo； hi=oi·tanhci； 其中Wf,Wi,Wc,Wo是权重矩阵，bf,bi,bc,bo是偏置项，σ是sigmoid函数； RNN特征提取的输出层处理包括：使用最后一个时间步的隐藏状态ht作为输出特征，所述步骤S7中，RNN特征提取的输出层处理包括：使用最后一个时间步的隐藏状态ht作为输出特征。

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河北工业大学，其通讯地址为：300401 天津市北辰区双口镇西平道5340号河北工业大学；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。