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！

龙图腾网获悉上海交通大学申请的专利基于分步训练PhysRNN的机床结构动力学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：CN121615283B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610140621.2，技术领域涉及：G06F30/17；该发明授权基于分步训练PhysRNN的机床结构动力学预测方法是由沈彬;艾迪;王成瀚;岳挺;陈苏琳;金隼;刘顺设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本基于分步训练PhysRNN的机床结构动力学预测方法在说明书摘要公布了：本发明涉及动力学预测技术领域，具体公开了基于分步训练PhysRNN的机床结构动力学预测方法，包括先获取机床结构的激励‑响应信号对；构建物理驱动循环神经网络PhysRNN模型；对PhysRNN模型的物理参数进行重构与约束；然后基于多尺度滑动窗口能量累积损失函数计算PhysRNN模型预测位移与实测位移的误差；采用分步解耦训练策略对PhysRNN模型进行训练；最终将机床激励信号输入训练完成的PhysRNN模型，输出机床结构的动力学位移响应预测结果。本发明仅需少量激励‑响应数据即可实现高精度预测，能有效捕捉机床高频振动的线性特性与非线性偏差，为机床加工精度优化提供可靠依据。

本发明授权基于分步训练PhysRNN的机床结构动力学预测方法在权利要求书中公布了：1.基于分步训练PhysRNN的机床结构动力学预测方法，其特征在于，包括以下步骤： S1、获取机床结构的激励-响应信号对； S2、构建物理驱动循环神经网络PhysRNN模型； S3、对PhysRNN模型的物理参数进行重构与约束； S4、基于多尺度滑动窗口能量累积损失函数计算PhysRNN模型预测位移与实测位移的误差； S5、采用分步解耦训练策略对PhysRNN模型进行训练； S6、将机床激励信号输入训练完成的PhysRNN模型，输出机床结构的动力学位移响应预测结果； S2中，物理驱动循环神经网络PhysRNN模型包括线性动力学网络和非线性网络，线性动力学网络包括投影层、物理神经元层和模态层，投影层选用投影矩阵将一维力信号投影到维特征空间，作为物理神经元层的输入； 物理神经元层包括组动力学方程，每组动力学方程表征动力学结构的一组模态，当一维力信号投影为维后，每一维信号作为输入分别进入物理神经元层中的组动力学方程，在物理神经元层内部通过4阶龙格库塔法进行数值计算后得到组模态位移； 模态层用于将物理神经元层得到的组模态位移投影为一维位移向量，得到最终预测位移中的线性部分，计算公式如下： ； 其中，表示线性动力学网络输出的线性位移分量，为第组动力学方程对应的模态参数，为第组动力学方程的模态位移输出，表示线性动力学网络的模态数量，即动力学方程的数量。

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上海交通大学，其通讯地址为：200230 上海市徐汇区华山路1954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。