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！

龙图腾网获悉南方科技大学申请的专利基于深度学习的复合材料管件抗弯刚度预测方法及其系统与终端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：CN119541715B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411384508.6，技术领域涉及：G16C60/00；该发明授权基于深度学习的复合材料管件抗弯刚度预测方法及其系统与终端是由桂锜超;周利民设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本基于深度学习的复合材料管件抗弯刚度预测方法及其系统与终端在说明书摘要公布了：本发明涉及复合材料结构件设计技术领域，尤其涉及一种基于深度学习的复合材料管件抗弯刚度预测方法及其系统与终端，复合材料管件抗弯刚度预测方法包括：在悬臂梁条件下利用有限元模型测试层铺复合材料管件的抗弯性能，搭建基本数据集；将基本数据集进行处理，得到标准数据集；构建神经网络模型，并利用标准数据集对神经网络模型进行训练，得到管件抗弯刚度预测模型；利用该模型输出抗弯刚度。通过模拟复合材料管件仿真获取所属数据，将预处理后的数据分为作为自变量的层铺数据和管件几何数据，作为应变量的抗弯刚度，制作样本数据集，构建管件抗弯刚度预测模型，通过基本数据可以推算出管件抗弯刚度，实现复合材料管件的低成本和快速准确地设计。

本发明授权基于深度学习的复合材料管件抗弯刚度预测方法及其系统与终端在权利要求书中公布了：1.一种基于深度学习的复合材料管件抗弯刚度预测方法，其特征在于，包括步骤： 构建层铺复合材料管件的有限元模型； 在悬臂梁条件下利用所述有限元模型测试所述层铺复合材料管件的抗弯性能，搭建基本数据集； 将所述基本数据集进行标准化预处理和分割处理，得到标准数据集； 构建神经网络模型，并利用所述标准数据集对所述神经网络模型进行训练，得到管件抗弯刚度预测模型； 向所述管件抗弯刚度预测模型中输入层铺复合材料管件参数，输出层铺复合材料管件的抗弯刚度； 所述在悬臂梁条件下利用所述有限元模型测试所述层铺复合材料管件的抗弯性能，搭建基本数据集的步骤，包括： 将层铺数据和管件几何数据组合，以预定步长扫描各个参数区间，得到多组关于层铺数据和管件几何数据的自变量数据； 将所述层铺复合材料管件一端添加固定约束，另一端施加静载荷，对每组所述自变量数据进行有限元仿真，记录各组自变量数据对应的所述层铺复合材料管件的最大挠度，搭建包含层铺复合材料管件层铺数据、管件几何数据和抗弯刚度的基本数据集； 所述构建神经网络模型的步骤，包括：构建基于长短期记忆模型结合全连接神经网络模型，并设置训练参数；其中，所述训练参数包括批处理大小、训练轮次、验证频率、学习率； 利用所述标准数据集对所述神经网络模型进行训练，得到管件抗弯刚度预测模型的步骤，包括： 所述神经网络模型的输入数据]，其中x1对应复合材料的层铺数据，x2对应管件的几何数据； x1通过LSTM层，则x1输入处理层的公式为，其中表示LSTM网络的正向传播函数，m表示LSTM层的内核数； x2通过全连接层，则x2输入处理层的公式为，其中分别为全连接层的权重和偏置参数； 将和按特征维度进行拼接，公式为，其中Concat表示拼接处理函数； 将拼接后的数据输入两层全连接层中进行处理得到管件抗弯刚度预测模型；其中将拼接后的数据输入两层全连接层中进行处理的公式为，,分别表示两层全连接的权重，,分别表示两层全连接的偏置； 神经网络训练所材料的损失函数为，其中，分别表示为预测值和真实值，n表示训练用样本总量。

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方科技大学，其通讯地址为：518055 广东省深圳市南山区桃源街道学苑大道1088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。