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！

龙图腾网获悉西安交通大学申请的专利数物融合结合主动学习的轮盘叶片疲劳可靠性分析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：CN115630453B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202211291313.8，技术领域涉及：G06F30/17；该发明授权数物融合结合主动学习的轮盘叶片疲劳可靠性分析方法是由谢永慧;李金星;张荻设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本数物融合结合主动学习的轮盘叶片疲劳可靠性分析方法在说明书摘要公布了：本发明数物融合结合主动学习的轮盘叶片疲劳可靠性分析方法，包括：S1：获得燃气轮机主要特征参数的概率分布模型；S2：建立燃气轮机轮盘叶片几何仿真模型，划分燃气轮机轮盘叶片关键失效区域，建立数物融合多失效模式的燃气轮机轮盘叶片寿命预测模型；S3：根据主要特征参数的概率分布模型确定随机变量，采用数物融合多失效模式的燃气轮机轮盘叶片寿命预测模型进行功能函数计算并构建训练样本集，基于无监督学习及主动学习思想在代理模型构建过程中逐步增加训练样本集，建立用于燃气轮机轮盘叶片可靠性分析的SOM‑AL‑Kriging代理模型；S4：对燃气轮机轮盘叶片进行疲劳可靠性分析。本发明提高了燃气轮机轮盘叶片疲劳可靠性分析的效率及精度。

本发明授权数物融合结合主动学习的轮盘叶片疲劳可靠性分析方法在权利要求书中公布了：1.数物融合结合主动学习的轮盘叶片疲劳可靠性分析方法，其特征在于，包括以下步骤： S1：针对燃气轮机轮盘叶片开展不确定性表征研究，获得燃气轮机主要特征参数的概率分布模型； S2：建立燃气轮机轮盘叶片几何仿真模型，通过有限元分析对主要特征参数进行敏感性分析，划分燃气轮机轮盘叶片关键失效区域，建立数物融合多失效模式的燃气轮机轮盘叶片寿命预测模型；根据燃气轮机轮盘叶片实体，建立几何仿真模型进行流固耦合分析，将主要特征参数作为几何仿真模型变化输入进行敏感性分析，获得整体轮盘叶片气动载荷、温度场和应力分布；根据整体轮盘叶片温度应力状态，选择应力值、应力集中系数、温度大于规定数值的区域作为危险区域，将涡轮盘划分为不同易失效区域，构建结构参数与服役寿命之间的理论寿命预测模型； 通过传感器获得实际燃气轮机轮盘叶片实际运行下的多源监测振动数据，采用基于小波变换的降噪方法或基于独立变量分析的降噪方法对所得燃气轮机轮盘叶片振动信号进行降噪处理，对各时间段所采集的数据进行预处理，首先通过聚类将训练数据在不同工况下分别进行标准化，并对各个特征进行归一化处理，然后通过分段线性设置标签以及数据增强来建立训练集的值，最后通过滑动时间窗构造训练样本和测试样本，基于Autoencoder-TCN神经网络建立特征数据与燃气轮机轮盘叶片的寿命表征参数之间的映射关系，获得基于数据驱动的寿命预测模型； 将理论寿命预测模型与基于数据驱动的寿命预测模型进行异构融合，得到完备的数物融合多失效模式的燃气轮机轮盘叶片寿命预测模型； S3：根据主要特征参数的概率分布模型确定随机变量，采用数物融合多失效模式的燃气轮机轮盘叶片寿命预测模型进行功能函数计算并构建训练样本集，基于无监督学习及主动学习思想在代理模型构建过程中逐步增加训练样本集，建立用于燃气轮机轮盘叶片可靠性分析的SOM-AL-Kriging代理模型； S4：采用SOM-AL-Kriging代理模型对燃气轮机轮盘叶片进行疲劳可靠性分析，根据SOM-AL-Kriging代理模型采用FORM方法进行求解获得验算点，随后将验算点作为重要抽样中心并构建重要抽样函数，最后通过模拟重要抽样获得燃气轮机轮盘叶片失效概率及可靠度，其公式如下： 式中，为可靠度，为重要抽样概率密度函数，I·为指示函数，为点的联合概率密度函数。

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安交通大学，其通讯地址为：710048 陕西省西安市碑林区咸宁西路28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。