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！

龍圖騰網獲悉大連海事大學申請的專利一種基于數值模擬和MLP的火災作用下船舶結構損傷快速評估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：CN119692052B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202411882349.2，技術領域涉及：G06F30/20；該發明授權一種基于數值模擬和MLP的火災作用下船舶結構損傷快速評估方法是由趙越超;苗澤亞設計研發完成，并于2024-12-19向國家知識產權局提交的專利申請。

本一種基于數值模擬和MLP的火災作用下船舶結構損傷快速評估方法在說明書摘要公布了：本發明提供一種基于數值模擬和MLP的火災作用下船舶結構損傷快速評估方法，包括：基于PyroSim軟件和ANSYS軟件，構建熱力耦合模型，綜合考慮熱傳導與結構力學的雙重變化效應，對船舶進行火災作用下熱力耦合數值模擬；采用多層感知機模型，對模擬數據進行深度學習訓練，構建深層感知機模型，以評估船舶火災作用下的結構損傷；設計GPU加速邏輯，通過GPU加速優化關鍵步驟的計算效率，實現船舶火災作用下結構損傷快速評估的目標。本發明的技術方案不僅能夠顯著降低計算成本，還能夠提供高效、準確的損傷評估結果，為火災場景下船舶結構安全性研究提供了新的技術支持和解決方案。

本發明授權一種基于數值模擬和MLP的火災作用下船舶結構損傷快速評估方法在權利要求書中公布了：1.一種基于數值模擬和MLP的火災作用下船舶結構損傷快速評估方法，其特征在于，包括： S1、基于PyroSim軟件和ANSYS軟件，構建熱力耦合模型，綜合考慮熱傳導與結構力學的雙重變化效應，對船舶進行火災作用下熱力耦合數值模擬； S2、采用多層感知機模型，對模擬數據進行深度學習訓練，構建深層感知機模型，以評估船舶火災作用下的結構損傷； S21、火災與力學數據標準化處理： 對火災場景中的溫度和熱通量，以及船舶結構的損傷對應的力學參數應力和應變進行標準化處理，將其轉換為均值為零、標準差為一的標準正態分布，消除量綱差異； S22、數據集劃分： 將經過步驟S21標準化處理后的數據集按時間序列劃分為訓練集、驗證集和測試集； S23、訓練模型設計與初始化： 設計基于多層感知機的預測模型，網絡結構包括輸入層、隱藏層和輸出層；其中，輸入層有2個節點，分別對應輸入變量火災參數溫度和熱通量；隱藏層包括兩層，第一層有64個神經元，第二層有32個神經元，兩層均使用ReLU作為激活函數；輸出層有2個節點，分別對應預測的應力和應變； 計算在第層的輸出，如下： 其中，為權重矩陣，為偏置向量，是激活函數的結果； 計算最終的輸出，如下： 其中，表示最后一層的索引； S24、損失函數定義： 定義均方誤差作為損失函數，公式如下： 其中，為樣本數量即訓練集樣本數量，為預測值，為實際值，損失函數用于衡量模型預測與實際值之間的差距； S25、優化器選擇與模型訓練： 設置初始學習率為0.001，選擇Adam優化器，通過下式進行參數優化： 將訓練集輸入到步驟S23設計的預測模型中進行前向傳播，計算預測值后通過步驟S24定義的損失函數評估誤差，再進行反向傳播計算梯度，并使用優化器更新權重和偏置，如下： S26、驗證集評估： 在每輪訓練完成后，將步驟S22劃分出的驗證集輸入模型，評估模型的性能，記錄驗證誤差；如果驗證誤差持續增大，則需要返回步驟S23調整模型超參數隱藏層數量、神經元個數、學習率； S27、測試集性能檢驗： 將步驟S22中的測試集輸入到模型中，檢驗其在未見數據上的泛化能力；通過計算預測精度和誤差指標，驗證最終模型評估作用的可靠性，如果可靠性驗證失敗，則重復步驟S22直至可靠性得到驗證； S28、模型預測應用： 將目標火災場景的溫度和熱通量輸入到步驟S23訓練好的模型中，直接輸出對應的應力和應變； S3、設計GPU加速邏輯，通過GPU加速優化關鍵步驟的計算效率，實現船舶火災作用下結構損傷快速評估的目標。

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大連海事大學，其通訊地址為：116026 遼寧省大連市甘井子區凌水街道凌海路1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”。