買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉華中科技大學申請的專利一種基于在線機器學習的等幾何拓撲優化方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115455507B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211122338.5，技術領域涉及：G06F30/10；該發明授權一種基于在線機器學習的等幾何拓撲優化方法是由夏兆輝;張昊博;劉健力;王啟富設計研發完成，并于2022-09-15向國家知識產權局提交的專利申請。

本一種基于在線機器學習的等幾何拓撲優化方法在說明書摘要公布了：本發明屬于結構優化設計相關技術領域，并公開了一種基于在線機器學習的等幾何拓撲優化方法。該方法包括下列步驟：S1構建待優化結構的優化模型，并對其設計域進行幾何細網格和有限元粗網格的劃分；S2進行區域劃分，基于子區域內的控制點密度進行區域密度映射，并計算相應子區域的柔度，以此獲取每個子區域的靈敏度；S3更新所述控制點和細單元密度，通過提取子區域信息構成數據集，對機器學習模型進行訓練，調整預測；S4判斷當前迭代次數是否達到總迭代次數，如果否，返回步驟S2；否則，結束。通過本發明，解決拓撲優化過程中計算效率低且不適用三維設計的問題。

本發明授權一種基于在線機器學習的等幾何拓撲優化方法在權利要求書中公布了：1.一種基于在線機器學習的等幾何拓撲優化方法，其特征在于，該方法包括下列步驟： S1設定初始訓練次數r、機器學習模型更新頻率f和總迭代次數R，構建待優化結構的優化模型，并對該模型的設計域進行等幾何網格劃分，獲得等幾何細單元和控制點，構建等幾何細單元密度和單元剛度矩陣關系式；對所述設計域進行有限元網格劃分獲得有限元粗單元，確定粗單元與細單元的對應關系，構建有限元粗單元密度關系式； S2迭代次數w＝1，計算所述粗單元的柔度，將所述細單元劃分為若干個區域，每個區域大小與所述粗單元相同，獲得每個子區域中的控制點密度和柔度，將任意子區域的控制點密度和區域柔度拼接形成密度矩陣ρ*； 判斷迭代次數是否滿足下列條件：w≤r或w＝r+k0f，k0是大于0的正整數，如果滿足，則通過求解平衡方程以便計算得到每個所述子區域的靈敏度g，從而獲得全局等幾何細單元的靈敏度；否則，將任意子區域的密度矩陣ρ*輸入機器學習預測模型中獲得任意子區域對應的靈敏度g，以此獲得全局等幾何細單元的靈敏度； S3利用步驟S2中的全局等幾何細單元的靈敏度更新所述控制點和細單元密度，判斷迭代次數是否滿足下列條件：w＝r或w＝r+k1f，k1是大于0的正整數，如果滿足w＝r，則將w≤r次數所獲的密度矩陣ρ*作為輸入，所述靈敏度矩陣g作為輸出訓練機器學習模型，以此獲得機器學習預測模型；否則，提取當前迭代次數w＝r+k1f對應的密度矩陣ρ*和靈敏度矩陣g，將二者分別作為更新所需的輸入輸出矩陣輸入當前機器學習預測模型中，以此調整當前機器學習預測模型； S4判斷當前迭代次數w是否達到總迭代次數R，如果否，則w＝w+1，返回步驟S2；否則，結束； 在步驟S1中，所述優化模型按照下列關系式進行： min:C＝FTU 其中，D是設計問題對應的區域，x是設計域內任意一點，ρx是該點對應密度，所述優化模型針對固定體積約束下的柔度最小化問題，C為目標函數，此外，F為外載荷向量，K為全局剛度矩陣，U為整體位移向量，V＝Vρ為設計域內單元體積總和，V0為設計域的總體積，f為體積分數，該模型將設計域離散成總數為N個單元，e為單元下標，ρe為下標對應的單元密度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華中科技大學，其通訊地址為：430074 湖北省武漢市洪山區珞喻路1037號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。