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！

龙图腾网获悉江苏大学申请的专利一种基于数字孪生的人工瓣膜支架性能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：CN115062459B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202210610104.9，技术领域涉及：G06F30/20；该发明授权一种基于数字孪生的人工瓣膜支架性能预测方法是由申祥;王炎;李函青;田润;孙鹏;王磊设计研发完成，并于2022-05-31向国家知识产权局提交的专利申请。

本一种基于数字孪生的人工瓣膜支架性能预测方法在说明书摘要公布了：本发明提供一种基于数字孪生的人工瓣膜支架性能预测方法，包括以下步骤：获取瓣膜支架的材料参数和几何特征；实时监控瓣膜支架在体外模拟服役的服役数据；对服役数据进行预处理；建立疲劳力学模型；对疲劳力学模型建立模型耦合，进行降阶模型分析，建立动态更新的数字孪生模型；利用数字孪生模型对瓣膜支架的输出数据进行仿真计算，得到瓣膜支架数字孪生模型的仿真数据；数字孪生模型的仿真数据与服役数据进行比较，验证数字孪生模型的准度；建立剩余寿命预测模块；建立寿命评估模块，将剩余寿命预测模型中输出的剩余寿命作为输入，将剩余寿命与预设值进行对比，当超出预设值时，发出预警。本发明提高了瓣膜支架力学性能预测精度。

本发明授权一种基于数字孪生的人工瓣膜支架性能预测方法在权利要求书中公布了：1.一种基于数字孪生的人工瓣膜支架性能预测方法，其特征在于，包括以下步骤： 步骤S1.获取瓣膜支架的材料参数和几何特征； 步骤S2.实时监控瓣膜支架在体外模拟服役时的服役数据； 步骤S3.对步骤S2检测的服役数据进行最大归一化处理； 步骤S4.依据步骤S1中瓣膜支架的几何特征，材料参数，建立疲劳力学模型； 步骤S5.将步骤S2得到的服役数据和步骤S4建立的疲劳力学模型耦合，进行降阶模型分析，建立动态更新的数字孪生模型； 步骤S6.将步骤S3中归一化处理之后的数据导入步骤S5建立的数字孪生模型中，利用数字孪生模型对瓣膜支架的输出数据进行仿真计算，得到瓣膜支架数字孪生模型的仿真数据； 步骤S7.将步骤S6数字孪生模型的仿真数据与相对应的服役数据进行比较和数字融合，验证数字孪生模型的准确度，若残差序列为零均值的白噪声，则采信对应的瓣膜支架数字孪生模型，否则根据准则函数对瓣膜支架数字孪生模型的参数进行调整和修正，获得修正后的瓣膜支架数字孪生模型； 步骤S8.基于步骤S7中的修正后的数字孪生模型建立剩余寿命预测模型； 所述步骤S4中，疲劳力学模型运用Abaqus软件建立，包括以下步骤： 步骤S401.根据步骤S1中瓣膜支架的几何特征建立瓣膜支架与主动脉窦的几何模型； 步骤S402.根据步骤S1中瓣膜支架的材料参数定义瓣膜支架与主动脉窦的材料属性； 步骤S403.在有限元分析Abaqus软件中设置载荷和边界条件； 步骤S404.根据步骤S403中的载荷和边界条件建立扩张力学模型； 步骤S405.根据步骤S404中的扩张力学模型的基础上施加疲劳载荷建立疲劳力学模型； 步骤S406.对步骤S405得到的疲劳力学模型的各节点进行计算并求出节点的最大应变，在此基础上计算瓣膜支架工作寿命； 所述步骤S5中，所述降阶模型分析采用支持向量回归的数据拟合法； 所述步骤S8的剩余寿命预测模型具体步骤如下： 步骤S801:基于修正后的数字孪生模型的数据，采用SVR支持向量回归机构建寿命预测模型； 步骤S802:基于瓣膜支架的历史服役数据建立训练集与验证集，采取随机抽取形式， 将数据随机90%做训练集，剩下10%当验证集，随机种子任意设置，基于训练集数据对寿命预测模型进行训练； 步骤S803:用网格搜索得到寿命预测模型的最优化参数，同时将寿命预测模型的精度与预设值进行对比，判断精度是否达标，精度计算公式如下： ； 其中，MAPE为平均绝对百分比误差，n为瓣膜支架的样品数量，为剩余寿命的实际值，为剩余寿命的预测值； 步骤S804:以实时服役数据作为寿命预测模型的输入，将剩余寿命作为剩余寿命预测模型的输出。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。