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！

龙图腾网恭喜青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学申请的专利基于残差连接神经网络的立柱结构响应预报方法及系统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：CN119476058B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202510058942.3，技术领域涉及：G06F30/27；该发明授权基于残差连接神经网络的立柱结构响应预报方法及系统是由韩凤磊;彭潇;周泽宇;赵望源;林琪;汪春辉;霍文华;岳文博;陈洪亮;吴禹良;余家齐;苏亮;郭骞辰;吴佳霖;韩嘉懿;姜帆设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本基于残差连接神经网络的立柱结构响应预报方法及系统在说明书摘要公布了：本发明属于海洋工程技术领域，公开了基于残差连接神经网络的立柱结构响应预报方法及系统。本发明结合了物理信息神经网络（PINN）与Kolmogorov‑Arnold（KAN）定理，通过多层非线性映射框架和残差连接优化，显著提升了预测模型的精度和计算效率。本发明通过引入物理方程约束损失和环境参数输入，模型能够更精确地模拟极端海洋环境中的动态响应特性，有效解决了传统方法在非线性因素处理与实时计算中的局限性。实验表明，本发明在准确性、泛化能力及计算效率方面具有显著优势，为海洋平台结构设计及运行状态监测提供了可靠、高效的技术支持，具有重要的理论价值和广泛的应用前景。

本发明授权基于残差连接神经网络的立柱结构响应预报方法及系统在权利要求书中公布了：1.一种基于残差连接神经网络的立柱结构响应预报方法，其特征在于，该方法包括步骤：S1，针对海洋平台立柱的环境数据进行预处理，基于预处理的环境数据，采用物理信息神经网络PINN对环境载荷进行初始化；S2，根据科莫戈罗夫-阿诺尔德KA定理，建立用于描述从环境载荷到结构响应的多层非线性映射模型KAN；S3，基于构建的多层非线性映射模型KAN，引入复合损失函数，使多层非线性映射模型KAN在遵循物理规律的同时，适应实际观测数据；引入残差连接，对网络进行优化；S4，采用消融实验优化多层非线性映射模型KAN性能，用于复杂海况下的立柱结构响应预报；在步骤S1中，采用物理信息神经网络PINN对环境载荷进行初始化，包括步骤：步骤1.1，以时间序列为基础，建立风速、流速、结构物受力面积与载荷的映射关系，构建全连接网络，输入为时间、风或波浪的流速、有效受力面积或体积，输出为预测的载荷值；步骤1.2，找寻物理方程的约束，风载荷计算为： 式中，ρa表示空气密度；Cd表示风阻系数；A表示迎风面积；V表示风速；在迎风面积A上积分，计算风速随位置和时间变化时的风载荷总和为： 式中，V2x，t表示立柱上每个位置与时间变量下的风速值；波浪载荷计算： 式中，ρw表示水密度；D表示结构物的直径；|U|表示流速的绝对值；U表示流速；Cm表示惯性系数；Vv表示作用体积；表示加速度；针对有效作用体积，在沿波浪流速方向上进行积分，得到结构物上波浪载荷合力： 将风载荷方程与波浪载荷合力方程作为约束加入到物理神经网络的损失函数中，损失函数Losstotal由两部分组成：Losstotal＝Lossfunction+Lossdata式中，Lossfunction是物理方程约束的物理损失，Lossdata是网络均方差数据损失；在步骤S2中，建立用于描述从环境载荷到结构响应的多层非线性映射模型KAN，包括：在科莫戈罗夫-阿诺尔德KA定理的基础上，通过逐层非线性映射来逼近复杂的非线性特征；通过多层次映射逐步分解环境载荷与结构响应之间的关系，每一层的输出逐步捕捉更深层次的非线性特征；同时在多层非线性映射模型KAN的每一层中加入残差连接；通过残差连接，将PINN输出的物理信息嵌入多层非线性映射模型KAN的每一层，使环境载荷的物理影响在整个网络结构中得到持续传递和保留；在步骤S3中，复合损失函数包括基于风载荷、波浪载荷物理模型构建的物理损失函数，用于确保网络输出符合已知的物理规律；以及包括数据损失函数，用于通过均方差损失MSE衡量模型预测与实际观测数据之间的误差。

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青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学，其通讯地址为：266000 山东省青岛市黄岛区三沙路1777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”。