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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于硬约束神经网络模型预测金属结构材料蠕变性能的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：CN114707398B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202210161354.9，技术领域涉及：G06F30/27；该发明授权一种基于硬约束神经网络模型预测金属结构材料蠕变性能的方法是由贺君敬;周彦均;秦海英设计研发完成，并于2022-02-22向国家知识产权局提交的专利申请。

本一种基于硬约束神经网络模型预测金属结构材料蠕变性能的方法在说明书摘要公布了：本发明公开了一种基于硬约束神经网络模型预测金属结构材料蠕变性能的方法。步骤包括：S1，建立蠕变强度蠕变寿命曲线的一次导数和二次导数的约束条件；S2，结合约束条件，建立硬约束神经网络模型，包括网络结构的建立和网络结构的求导，约束损失函数等；S3，设定硬约束神经网络模型的结构，输入、输出参数，训练方法等，拟合实验数据，得到拟合结果和预测结果，并与实验数据进行对比；S4，最后分析得到的结果的准确性。本发明的方法可以用于预测大多数商用奥氏体不锈钢、镍基合金、高铬钢、及目前正处于研发阶段的高温合金等新材料的长期蠕变性能，且结果稳定可靠。

本发明授权一种基于硬约束神经网络模型预测金属结构材料蠕变性能的方法在权利要求书中公布了：1.一种基于硬约束神经网络模型预测金属结构材料蠕变性能的方法，其特征在于，包括以下步骤：S1，蠕变强度蠕变寿命曲线一次导数和二次导数的约束条件的建立；所述蠕变强度蠕变寿命曲线，是指横坐标为蠕变断裂寿命或蠕变断裂时间，纵坐标为蠕变断裂强度或蠕变断裂应力的曲线；S2，结合步骤S1的一次导数和二次导数的约束条件，建立硬约束神经网络模型，至少包括网络结构的建立、网络结构的求导、以及约束损失函数；其中所述硬约束是指：将所述约束条件编码到所述神经网络算法中，通过改变所述神经网络算法的代码，从过程和结果上同时改变所述神经网络的算法，最后得到符合条件的结果；S3，设定所述硬约束神经网络模型的网络结构、输入参数、输出参数、以及训练方法，拟合实验数据，得到拟合结果和预测结果，并与实验数据进行对比；S4，分析得到的结果的准确性；其中，步骤S1中，所述一次导数和二次导数的约束条件要求如下： 其中m为蠕变强度蠕变寿命曲线一次导数的倒数的负值，tR为蠕变断裂时间，σ为蠕变断裂强度，T为绝对温度；其中，步骤S2中，所述结合步骤S1的一次导数和二次导数的约束条件建立硬约束神经网络模型的步骤包括：S21，网络结构的第一层；建立网络结构的第一层的输入参数和输出参数： 其中p为输入参数，a1为输出参数，p含有ninput个输入参数；每个输入参数的每个神经元都有一个对应的权值W1，因此，W1矩阵的大小为nneuron×ninput，其中nneuron是第一层的神经元数目；b1则是神经元的阈值；过渡输入函数v1输入到过渡函数中，并得到第一层的输出结果a1；其中的上标1都表示第一层，下标k、i表示对应的具体的变量；是一个标量函数；第一层的输出结果将成为下一层的输入变量；S22，网络结构的第q层；基于步骤S21，第q层的网络结构表示为： 其中的上标q都是表示第q层，下标k、i表示对应的具体的变量；aq-1是q-1层的输出结果，现在是q层的输入变量，aq为输出参数；同样地，每个输入参数的每个神经元都有一个对应的权值Wq和阈值bq；过渡输入函数vq输入到过渡函数中，并得到第q层的输出结果aq；S23，网络结构的一次导数的推导，基于步骤S21和S22，将推导矢量p中的输入变量的导数；第一层的过渡函数导数表示为： 从第q-1层到第q层的过渡输入函数的导数表示为： 第q层的输出结果的导数表示为： 通过合并以上公式可以直接得到某一层中的过渡输入函数和其上一层中的过渡输入函数的关系式，即一次导数： 其中的上标1都表示第一层，上标q表示第q层，下标k、i表示对应的具体的变量；通过以上公式，可以从前一层的相应的数据计算得到下一层的过渡输入函数和输出结果的导数；S24，网络结构的二次导数的推导；第一层的过渡输入函数的二次导数会消失： 对步骤S23中第q层的过渡输入函数的一次导数求导，可以得到 对步骤S23中第q层的输出结果的二次导数表示为 S25，约束损失函数：将一次导数和二次导数约束条件对误差产生的影响Δerr添加到均方误差中； 其中Q是网络结构的最后一层，c1和c2是常数；是一个logsig函数；如果导数是正值，那么在网络结构的训练过程中，会移除这一影响；所述硬约束神经网络模型的网络结构设置：在预测蠕变断裂寿命时，用到了两层网络结构：第一层为隐藏层，包含3-10个神经元，并使用logsig过渡函数；第二层为输出层，只有一个输出变量和一个神经元，并使用线性过渡函数。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。