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基于因果和图注意力的电弧增材低碳钢疲劳裂纹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：CN116415182B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310387906.2，技术领域涉及：G06F18/241；该发明授权基于因果和图注意力的电弧增材低碳钢疲劳裂纹预测方法是由刘杰;何晶靖;徐煜博;曹梦宇设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本基于因果和图注意力的电弧增材低碳钢疲劳裂纹预测方法在说明书摘要公布了：本发明提供一种基于因果和图注意力的电弧增材低碳钢疲劳裂纹预测方法，其包括：提取电弧增材低碳钢材料AE信号数据的低维隐藏特征；平滑低维隐藏特征，降低随机不确定性影响；构建表征隐藏特征空间关系的因果关系网络，实现非欧式空间特征因果关系挖掘；基于图注意力网络模型，实现非欧式空间内多特征信息融合；基于不同迁移学习策略，探索泛化能力较高的迁移策略，实现有限数量电弧增材低碳钢材料的疲劳裂纹大小估计。本发明自动提取特征，集成了数据的时间和空间特性，能更好地挖掘数据中的关键信息，具有良好的可迁移性，有效解决有限数据下，由于电弧增材逐层熔融沉积成型所造成的材料疲劳特性各向异性条件下的裂纹在线评估问题。

本发明授权基于因果和图注意力的电弧增材低碳钢疲劳裂纹预测方法在权利要求书中公布了：1.一种基于因果和图注意力的电弧增材低碳钢疲劳裂纹预测方法，其特征在于，其包括以下步骤： S1、提取电弧增材低碳钢材料AE信号数据的低维隐藏特征：采集电弧增材低碳钢材料的原始AE信号数据作为输入数据，采用一维卷积自动编码器在样本维度上对电弧增材低碳钢材料的AE信号数据进行重构，学习能够表征高维AE信号状态的低维隐藏特征；一维卷积自动编码器包括卷积层和反卷积层，卷积层包括前N-1层卷积层和第N层卷积层，反卷积层包括前N-1层反卷积层和第N层反卷积层，前N-1层卷积层均采用ReLU激活函数，前N-1层反卷积层均采用ReLU激活函数，第N层反卷积层采用Sigmoid激活函数； S2、平滑低维隐藏特征，获得平滑低维特征：对一维卷积自动编码器得到的针对电弧增材低碳钢材料的低维隐藏特征在特征维度上进行数据平滑处理，降低随机性对提出特征质量的影响，获得平滑低维特征； S3、构建因果关系网络：采用因果发现算法挖掘针对电弧增材低碳钢材料的平滑低维特征之间所存在的因果关系，构建因果关系网络； S4、基于图注意力网络模型，获得电弧增材低碳钢材料的退化裂纹大小：以平滑低维特征数据和因果关系网络作为输入，利用通过图注意力层聚合因果关系网络图中节点与边之间的信息，构建电弧增材低碳钢材料裂纹表征向量，进而通过全连接层映射到退化裂纹大小样本空间，获得退化裂纹大小；所有图注意力层均采用ReLU激活函数，最后一层全连接层采用Sigmoid激活函数； S5、训练获得电弧增材低碳钢材料退化裂纹大小评估网络权重：针对电弧增材低碳钢材料试件的AE信号数据，基于步骤S1至步骤S4进行训练，获得退化裂纹大小评估网络权重； S6、基于迁移学习，获得电弧增材低碳钢材料有限数据量的新试件的退化裂纹大小：针对电弧增材低碳钢材料有限数据量的新试件的AE信号数据，基于迁移学习，将步骤S5得到的电弧增材低碳钢材料退化裂纹大小评估网络权重及结果迁移到新试件的裂纹大小预测中，并通过微调获得新试件上的退化裂纹大小； S61、退化裂纹大小评估网络权重中，基于步骤S1训练好的一维卷积自动编码器，直接迁移到新试件上进行电弧增材低碳钢材料原始AE信号数据的降维，所提取的低维隐藏特征基于步骤S2中的数据平滑获得平滑低维特征； S62、退化裂纹大小评估网络权重中，基于步骤S3训练好的因果关系网络，直接迁移到新试件上作为步骤S4中的图注意力网络模型的输入； S63、退化裂纹大小评估网络权重中，基于步骤S4训练好的图注意力网络模型与全连接层迁移到新试件上后，基于新试件的AE信号数据采用迁移策略进行微调训练：迁移策略包括第一迁移策略、第二迁移策略、第三迁移策略和第四迁移策略。

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。