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！

龍圖騰網獲悉湖南大學申請的專利基于遷移學習的壓水堆核燃料組件可靠性優化方法及系統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：CN119004951B 。

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：202410968139.9，技術領域涉及：G06F30/27；該發明授權基于遷移學習的壓水堆核燃料組件可靠性優化方法及系統是由張哲;吳天淏;姜潮設計研發完成，并于2024-07-18向國家知識產權局提交的專利申請。

本基于遷移學習的壓水堆核燃料組件可靠性優化方法及系統在說明書摘要公布了：本發明公開了基于遷移學習的壓水堆核燃料組件可靠性優化方法及系統，包括：定義可靠性優化的數學模型，確定目標函數和概率約束函數、源域參數的分布上下限；隨機采樣出多個源域訓練樣本的輸入數據，計算真實響應，將輸入數據和對應響應融合形成源域訓練樣本；通過學習源域訓練樣本，構建源域前饋神經網絡模型；從源域中隨機采樣出多個遷移樣本的輸入數據，調用源域前饋神經網絡模型預測響應；遷移樣本的輸入數據和對應響應融合形成遷移樣本；計算源域與目標域概率密度比，使用加權遷移樣本重構目標域FNN；采用一階分數函數法估計失效概率梯度；將可靠性分析結果、梯度信息傳遞給優化器，更新迭代點及目標域，判斷是否收斂；若收斂則得到最優設計。

本發明授權基于遷移學習的壓水堆核燃料組件可靠性優化方法及系統在權利要求書中公布了：1.基于遷移學習的壓水堆核燃料組件可靠性優化方法，其特征在于，包括以下步驟： S1.根據核燃料組件熱工水力可靠性優化設計的要求，定義包括確定核燃料組件的設計變量、隨機參數以及概率分布在內的可靠性優化的數學模型，并確定目標函數和概率約束函數； S2.定義初始迭代點的輸入數據、對應響應以及二者的概率分布信息為源域，定義后續每次更新迭代點的輸入數據、對應響應以及二者的概率分布信息為目標域；設定迭代次數、初始設計點、以及正數允許誤差； S3.根據核燃料組件實際運行工況以及熱工水力可靠性優化設計的要求，設定源域訓練樣本輸入參數的分布服從均勻分布，并確定其上下限； S4.構建源域內輸入參數與輸出響應之間的關系，根據S3中確定的輸入參數上下限，通過均勻分布隨機采樣出多個源域訓練樣本的輸入數據，并利用CFD方法計算真實響應；然后將源域訓練樣本的輸入數據和對應響應融合形成源域訓練樣本； S5.通過學習源域訓練樣本，構建并訓練源域前饋神經網絡模型；當神經網絡模型的均方誤差小于0.001，則該模型訓練結束并投入使用，進入下一步驟； S6.從源域中按均勻分布隨機采樣出多個遷移樣本的輸入數據，并調用源域前饋神經網絡模型預測其響應；將遷移樣本的輸入數據和對應響應融合形成遷移樣本； S7.計算源域與目標域概率密度比，將概率密度比作為源域遷移樣本的權重，使用加權遷移樣本重構目標域FNN； S8.采用MCS方法進行可靠性分析；根據目標域的邊緣分布，生成多個個目標域MCS樣本的輸入數據，采用目標域FNN預測相應響應，進而得到預測響應的概率分布函數用于可靠性分析； S9.采用一階分數函數法，根據MCS樣本的失效情況直接估計失效概率梯度； S10.將S8得到的可靠性分析結果、S9得到的梯度信息傳遞給優化器，更新迭代點及目標域，并判斷是否收斂；如果收斂則得到最優設計，執行S11；若不收斂，則迭代更新設計點，然后重復步驟S7-10； 其中，收斂條件為：當前目標函數值與上一目標函數值，以及當前迭代點與上一迭代點的值相差均小于0.001； S11.輸出最優設計，結束。

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湖南大學，其通訊地址為：410082 湖南省長沙市岳麓區麓山南路麓山門；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”。