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！

龍圖騰網獲悉四川大學申請的專利基于神經網絡與動態粒子群的核電進出口結構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：CN120449372B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202510943289.9，技術領域涉及：G06F30/17；該發明授權基于神經網絡與動態粒子群的核電進出口結構優化方法是由唐奕辰;馮子洋;謝羅峰;劉衛民;陳志浩設計研發完成，并于2025-07-09向國家知識產權局提交的專利申請。

本基于神經網絡與動態粒子群的核電進出口結構優化方法在說明書摘要公布了：本發明屬于核電進出口設計技術領域，公開了一種基于神經網絡與動態粒子群的核電進出口結構優化方法，包括步驟1：基于流體力學建立核電一體化進出口有限元模型；其中，所述核電一體化進出口有限模型的幾何參數包括外管轉彎段半徑、內管與水平方向夾角、內管轉角半徑；步驟2：基于核電接管參數特性構建神經網絡模型，映射幾何參數與壓降的關系；步驟3：基于動態粒子群優化算法和神經網絡模型搜索最優幾何參數組合，根據最優幾何參數組合優化核電一體化進出口結構。本發明融合神經網絡與動態粒子群優化算法的優化核電一體化進出口結構，流阻降低，滿足核電反應更高效更可靠的需求，同時提高優化效率和降低計算成本。

本發明授權基于神經網絡與動態粒子群的核電進出口結構優化方法在權利要求書中公布了：1.一種基于神經網絡與動態粒子群的核電進出口結構優化方法，其特征在于，包括如下步驟： 步驟1：基于流體力學建立核電一體化進出口有限元模型；其中，所述核電一體化進出口有限模型的幾何參數包括外管轉彎段半徑、內管與水平方向夾角、內管轉角半徑； 步驟2：基于核電接管參數特性構建神經網絡模型，映射幾何參數與壓降的關系；所述神經網絡模型包括輸入層、三層隱藏層和輸出層；輸入層包括3個節點，分別對應3個幾何參數；三層所述隱藏層的節點數依次為64、32、8；前兩個隱藏層后連接有批歸一化層，在批歸一化層再連接一個Dropout層，所述輸出層為單節點全連接層； 步驟3：基于動態粒子群優化算法和神經網絡模型搜索最優幾何參數組合，根據最優幾何參數組合優化核電一體化進出口結構； 其中，通過如下步驟搜索最優幾何參數組合： 步驟3-1：初始化粒子群，每個粒子表示一組幾何參數；設定粒子群規模N、最大迭代次數Tmax和維度解耦參數的基準值，隨機初始化粒子位置和速度，確保初始解滿足幾何約束條件； 步驟3-2：初始化步驟2建立的神經網絡模型的慣性權重ω、學習因子c1和c2；基于粒子群對所述神經網絡模型進行訓練，預測壓降；在迭代過程中，將通過粒子適應度評估出最優的十個粒子，并計算出真實值更新至神經網絡模型中； 所述粒子適應度；為預測的壓降；為幾何參數懲罰；壓降懲罰； 步驟3-3：動態調整神經網絡模型的慣性權重ω、學習因子c1和c2；按維度解耦公式更新粒子速度，根據更新后的粒子速度修正粒子位置； 維度解耦公式： ； 式中，為粒子索引，為維度索引，為當前迭代次數，為粒子在維度上的第次迭代的速度，為粒子在維度上的第次迭代的位置；為粒子在維度上的歷史最優位置；為全局最優粒子在維度上的位置；為第次迭代的慣性權重，、為維度k的個體學習因子和社會學習因子；、為維度k上的隨機數； 步驟3-4：更新粒子速度和位置，確保滿足幾何約束； 若迭代t達到最大迭代次數Tmax或全局最優解連續20代未改進，則終止迭代，輸出最優幾何參數組合及其對應的壓降。

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四川大學，其通訊地址為：610000 四川省成都市武侯區一環路南一段24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”。