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！

龙图腾网获悉南昌大学申请的专利基于神经网络模型的优化方法、设备、介质和程序产品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：CN120822384B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202511249010.3，技术领域涉及：G06F30/23；该发明授权基于神经网络模型的优化方法、设备、介质和程序产品是由杨赞;周子恒;李西安;吴晓建;褚福齐;胡子奇设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本基于神经网络模型的优化方法、设备、介质和程序产品在说明书摘要公布了：本发明公开了基于神经网络模型的优化方法、设备、介质和程序产品，方法包括：1基于SFE‑Concept为汽车后副车架建模，根据自适应罚函数构造一阶模态最大化数学模型，基于拉丁超立方产生优化种群，在Isight多学科优化设计平台中对优化种群进行一阶模态与刚度仿真分析；2通过基于立方核径向基函数机器学习模型的差分进化产生最优候选子种群和成功设计变量向量；3训练Dropout神经网络模型以得到进化参数；4基于Dropout神经网络模型更新进化参数；5基于进化参数更新优化种群，若达到收敛条件，则输出最优后副车架，否则，返回步骤2。本发明根据Dropout神经网络模型自适应调整进化参数，对汽车后副车架模态优化问题适应性强。

本发明授权基于神经网络模型的优化方法、设备、介质和程序产品在权利要求书中公布了：1.一种基于神经网络模型的优化方法，其特征在于，所述方法包括： 1通过SFE-Concept软件建立汽车后副车架有限元模型并使用比例向量法录制零件位置、形状、曲率参数构建设计变量向量，以自适应罚函数构造以刚度约束作为惩罚项的一阶模态的适应度函数作为目标函数，构建汽车后副车架一阶模态最大化数学模型；结合后副车架结构的实际条件确定设计变量向量取值范围；在由设计变量向量组成的多维设计空间内基于拉丁超立方采样将设计变量向量组成优化种群，每个设计变量向量对应优化种群中一个个体向量；用Isight多学科优化设计平台对优化种群进行一阶模态仿真和刚度仿真分析，得到优化种群中所有个体向量的一阶模态和刚度的取值，将优化种群与其对应的一阶模态和刚度值存入历史数据库； 2通过基于立方核径向基函数机器学习模型的差分进化操作产生最优候选子种群和成功设计变量向量，将成功设计变量向量与对应的进化参数存入成功数据库； 3构建Dropout神经网络模型，以成功数据库中的成功设计变量向量作为输入，以其对应的进化参数为目标，使用均方误差函数作为损失函数，设置优化器、学习率、训练周期的超参数以训练Dropout神经网络模型至收敛； 4基于训练后的Dropout神经网络模型的输出结果调整优化种群的进化参数； 5基于调整后的进化参数更新优化种群，若基于立方核径向基函数机器学习模型达到收敛条件，则输出最优后副车架方案，否则返回步骤2，直至达到收敛条件； 步骤2，具体步骤如下： 第一步，针对优化种群中每个个体向量，采用差分进化操作产生N个候选变异个体，其中，差分进化操作公式如下： 上式中，表示针对当前个体向量产生的第j个候选变异个体，表示根据可行性规则对优化种群所有个体进行排序后的前p%个个体中随机选择的一个个体向量，表示当前个体向量，和表示从优化种群中随机选择的两个个体；F表示缩放因子，控制个体变异的幅度； 第二步，针对优化种群中每个个体向量，根据二项交叉操作产生N个候选子代个体； 第三步，采用历史数据库中所有个体向量与对应的刚度和一阶模态值分别构建基于立方核径向基函数机器学习模型； 第四步，采用基于立方核径向基函数机器学习模型预测每个个体向量对应的N个候选子代个体的一阶模态和刚度值，并采用可行性规则选择每个个体向量对应的最优候选子代个体和成功设计变量向量； 第五步，将最优候选子代个体输入到Isight多学科优化设计平台进行模态分析和刚度分析得到每个最优候选子代个体的一阶模态和刚度值，根据适应度函数计算出最优候选子代个体的适应度； 第六步，将成功设计变量向量，其对应的缩放因子和交叉概率作为进化参数，并存入成功数据库。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。