基于物理驱动神经网络的结构数字孪生建模与参数识别法

发明专利有效专利

申请号：
CN202110658035.4
IPC分类号：G06K9/62;G06N3/04;G06N3/08
申请日期：
2021-06-11
申请人：
福州大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于物理驱动神经网络的结构数字孪生建模与参数识别法
申请号	CN202110658035.4	申请日期	2021-06-11
法律状态	实质审查	申报国家	中国
公开/公告日	2021-09-10	公开/公告号	CN113378939A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	福州大学	申请人地址	福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	福州大学	当前权利人	福州大学
发明人	方圣恩;郭新宇
代理机构	福州元创专利商标代理有限公司	代理人	陈明鑫;蔡学俊

摘要

本发明涉及一种基于物理驱动神经网络的结构数字孪生建模与参数识别法。选择待识别参数及其响应，并根据实际情况初步拟定待识别参数的取值区间；基于均匀实验设计在区间内选出参数样本点并结合有限元计算生成训练样本集；选择与训练样本相对应的物理约束方程并编码到神经网络的损失函数表达式中，训练神经网络至精度合格并将其作为数字孪生模型放入数字孪生模型与数据库；对结构参数进行识别并对初拟的参数区间进行更新，形成新的数字孪生模型；将所有生成的数字孪生模型及识别的参数都放入数字孪生模型与数据库，管养人员根据结构历史及当前信息做出相关加固或养护措施。本发明可更好地监测结构服役时健康状况，帮助管养人员做出科学决策。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供