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！

龙图腾网获悉西南交通大学申请的专利一种基于变量选择的贝叶斯优化算法的焊接梁设计优化方法、设备和介质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：CN119475685B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411473575.5，技术领域涉及：G06F30/20；该发明授权一种基于变量选择的贝叶斯优化算法的焊接梁设计优化方法、设备和介质是由金灵;詹大为设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本一种基于变量选择的贝叶斯优化算法的焊接梁设计优化方法、设备和介质在说明书摘要公布了：本发明为解决现有技术中局部最优解的问题，提供一种基于变量选择的贝叶斯优化算法的焊接梁设计优化方法、设备和介质。该优化方法包括以下步骤：建立焊接梁设计问题模型、构建高斯过程模型、轮盘赌选择变量、优化采集函数、迭代优化。本发明的有益效果是：1.解决局部最优问题，贝叶斯优化通过建立目标函数的高斯过程模型，结合期望提高准则，能够在全局范围内更有效地搜索全局最优解。2.节省计算资源，提高计算效率，通过变量选择和采集函数优化智能地选出下一维最有潜力的点进行适应度值计算，不仅减少了设计过程的评估次数，节省了计算成本，还降低了迭代次数。3.设计灵活性更强。

本发明授权一种基于变量选择的贝叶斯优化算法的焊接梁设计优化方法、设备和介质在权利要求书中公布了：1.一种基于变量选择的贝叶斯优化算法的焊接梁设计优化方法，其特征在于，包括以下步骤： 步骤S1：采集焊接梁的数据，建立以制造成本最小化问题作为设计问题的焊接梁设计问题模型，然后确定m维影响制造成本的变量的集合作为所述制造成本最小化问题的搜索空间，同时确定n维工程约束条件组成的工程约束条件向量； 其中，，； 为m维影响制造成本的变量； 为n维工程约束条件； 步骤S2：根据搜索空间，构建贝叶斯优化算法中的高斯过程模型，并计算得到新的超参数向量； 步骤S3：根据所述新的超参数向量计算得到低维搜索子空间 步骤S4：对所述低维搜索子空间进行所述贝叶斯优化算法中的采集函数最大化，获得更新点，并将所述更新点作为新的最优解代入所述高斯过程模型的目标函数中计算得到最优值,即制造成本最小化的最优值； 步骤S5：重复所述步骤S2到所述步骤S4得到新的最优解和最优值，并将每次迭代得到的新的最优解和最优值加入所述步骤S2构建的所述高斯过程模型的样本集中，训练和更新所述步骤S2构建的所述高斯过程模型，直到达到预设的迭代次数，然后输出最终的最优值；其中，迭代优化过程中，超参数向量为当前超参数向量； 所述步骤S1所述采集焊接梁的数据的样本点是通过拉丁超立方采样得到的； 所述步骤S2计算得到新的超参数向量θ*时，具体执行以下步骤： 步骤S21:计算所述搜索空间中每维变量的均值，然后依次初始化超参数向量θ、选择核函数、计算协方差矩阵； 步骤S22:根据计算得到的所述每维变量的均值和所述协方差矩阵构建贝叶斯优化算法中的高斯过程模型；其中，所述高斯过程模型表达式为： ； 式中，是目标函数； 是均值函数； 是高斯核函数，具体表达为： ； 其中， 为所述协方差矩阵； 为所述搜索空间X中每维所述变量的方差； 和为所述搜索空间中任意两维所述变量； n为所述搜索空间中变量维数； 为所述搜索空间X中第i维所述变量对应的子超参数，所述子超参数描绘了所述搜索空间X第i维的权重，所述子超参数越大对所述协方差矩阵的影响越大； 为所述子超参数在第i维设计空间的光滑程度，在[1,2]之间取值； 所述超参数向量包括所述搜索空间X中每维所述变量对应的子超参数，分别表达为； 初始化所述超参数向量时把都赋值为0； 步骤S23:通过最大化似然函数对所述超参数向量进行计算，得到新的超参数向量，所述新的超参数向量的变量分别表达为；其中为所述新的超参数向量的第i维元素； 所述新的超参数向量的计算表达式为： ； ； 其中，分别为对应的子超参数； 为的似然函数， 为要找到使得取得最大值的时候的的值； 所述步骤S3根据所述新的超参数向量计算得到低维搜索子空间时，具体执行以下步骤： 步骤S31：利用所述新的超参数向量作为对每一维度变量的重要性评估，计算所述搜索空间的变量在每次优化中被选择后进行优化的概率，分别为，计算表达式为 ； 步骤S32：将组成概率向量，表达为： ； 然后根据轮盘赌变量选择策略选出所述搜索空间中的q维变量，分别为； 步骤S33：将所述轮盘赌选择出的变量组成所述低维搜索子空间； 所述步骤S4执行所述低维搜索子空间进行所述贝叶斯优化算法中的采集函数最大化，获得更新点时，具体执行以下步骤： 步骤S41：构建并优化采集函数，表达式为： ； 其中， 为不考虑约束的期望提高函数， 为优化方案满足第j维约束条件的概率， 为优化方案满足所有约束的概率， 是标准的累积分布函数和概率密度函数， 两分别代表目标函数的预测值和预测值的方差， 分别表示第j维约束条件的预测值和预测值的方差； 为最优值； 步骤S42：首先，所述步骤S3得到的低维搜索子空间导入向量， ； 然后，将向量代入所述步骤S41构建的优化采集函数； 最后将代入表达式 中进行优化，得到向量； 其中，，为的变量； 为要找到使得取得最大值的时候的的值； 步骤S43：把所述步骤S42得到的向量导入所述搜索空间，中变量分别代替各自对应的原来的变量，其余变量使用当前最优解的对应变量值进行补充，得到更新点，即新的最优解； 其中，；然后对进行所述步骤S22所述目标函数和所述步骤S1约束函数计算，得到当前最优值； 所述步骤S2所述目标函数的表达式为： ； 其中， 为焊接梁条的长度， 为焊接梁条的高度， 为焊接梁条的厚度， 为焊缝厚度， 为夹条长度， 为生产批量， 为焊接电流， 为人工成本。

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西南交通大学，其通讯地址为：611730 四川省成都市郫都区犀安路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。