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！

龙图腾网获悉河海大学申请的专利一种拱坝静态响应快速计算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：CN121351523B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511913584.6，技术领域涉及：G06F30/23；该发明授权一种拱坝静态响应快速计算方法是由程井;程贺;胡乔桦;梁海静;向思瑶;花再军设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本一种拱坝静态响应快速计算方法在说明书摘要公布了：本申请属于水利工程数字孪生技术领域，提供了一种拱坝静态响应快速计算方法，包括：在离线阶段基于有限元模型采样并仿真获取位移场快照矩阵，通过本征正交分解提取主导模态构建降阶子空间并计算模态系数，再以工况参数为输入、模态系数为输出，训练径向基函数神经网络建立非线性映射关系，最后在线阶段将目标工况参数输入训练好的网络预测模态系数，并通过与POD模态的线性组合快速重构完整位移场响应。本申请实现了拱坝静态物理场的快速精准预测，显著提升拱坝位移场计算效率。

本发明授权一种拱坝静态响应快速计算方法在权利要求书中公布了：1.一种拱坝静态响应快速计算方法，其特征在于，包括以下步骤： S1、基于拱坝的有限元模型，在关键工况参数范围内进行采样，通过数值仿真获取多个工况样本下的物理场响应数据，并组装成快照矩阵；对所述快照矩阵进行本征正交分解，提取前r阶本征正交分解POD模态以构建降阶子空间，并计算各样本对应的模态系数； S2、以所述关键工况参数作为输入，以步骤S1中得到的所述模态系数作为输出，训练一个径向基函数神经网络，以建立从工况参数到模态系数的非线性映射关系； S3、将目标工况参数输入步骤S2中训练完成的径向基函数神经网络，预测得到对应的模态系数；将预测得到的模态系数与步骤S1中提取的POD模态进行线性组合，重构出所述拱坝在目标工况下的完整结构位移响应； 所述步骤S1中的基于拱坝的有限元模型，在关键工况参数范围内进行采样，通过数值仿真获取多个工况样本下的物理场响应数据，并组装成快照矩阵，包括： 基于所述拱坝的实际运行特征，选取坝前水位参数作为关键工况参数，并结合实测运行数据确定其采样区间； 采用拉丁超立方采样法在所述采样区间内生成组工况样本； 针对每一组工况样本，运行所述有限元模型进行数值仿真，计算获得所述拱坝的节点位移向量，并将所有工况样本下的节点位移向量进行组合，构建位移快照矩阵，其中，，为实数域，为所述有限元模型的节点数，为工况样本数，为第个工况样本下的位移向量； 所述步骤S1中的对所述快照矩阵进行本征正交分解，提取前r阶POD模态以构建降阶子空间，并计算各样本对应的模态系数，包括： 计算快照矩阵的协方差矩阵对应的特征向量，将所述特征向量确定为POD模态，具体如下： 求解矩阵的特征值及其特征向量，并结合所述快照矩阵，生成所述特征向量，具体如下公式所示： ； ； 其中，为特征值对角矩阵，其主对角线元素即第j阶模态的特征值，且特征值按降序排列；为矩阵D的特征向量矩阵，其列向量为对应于特征值的特征向量； 根据公式计算前r阶模态的累积能量占比，并选取满足的最小阶数r作为截断阶数，构建由前r阶POD模态组成的降阶子空间； 根据所述降阶子空间和所述快照矩阵，生成第j个样本对应的模态系数，具体如下： ； ； 其中，为第j个工况样本下的位移向量，为第i阶模态的模态系数，为第j阶POD模态向量，为所述降阶子空间的转置。

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河海大学，其通讯地址为：210098 江苏省南京市鼓楼区西康路1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。