买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广西电网有限责任公司电力科学研究院申请的专利基于内嵌物理信息学习的输电塔风振动力响应预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115828698B 。

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211632513.5，技术领域涉及：G06F30/23；该发明授权基于内嵌物理信息学习的输电塔风振动力响应预测方法是由边美华;彭家宁;张兴森;卢展强;杨艺云;覃宋林;李君华;刘桂婵;梁世容设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本基于内嵌物理信息学习的输电塔风振动力响应预测方法在说明书摘要公布了：本发明公开一种基于内嵌物理信息学习的输电塔风振动力响应预测方法，首先通过理论分析、仿真、试验等手段获取输电塔在风荷载作用下振动响应数据；然后基于深度残差循环神经网络建立了输电塔风荷载与动态响应之间的内在映射关系，构建了复杂非线性映射下输电塔结构的正向模型；而后基于训练集数据对该模型进行训练，建立反演动态响应与真实动态响应的损失函数，采用梯度下降法对基于内嵌物理信息深度学习模型的参数进行学习更新，在数据驱动的基础上考虑物理约束信息，不仅可提升深度学习模型的泛化能力，还可以有效的缩短训练时间，提高工作效率。本发明可解决现有技术中动力响应反演精度不高、抗干扰能力弱、纯数据驱动数据量大和训练慢等问题。

本发明授权基于内嵌物理信息学习的输电塔风振动力响应预测方法在权利要求书中公布了：1.一种基于内嵌物理信息学习的输电塔风振动力响应预测方法，其特征在于，包括以下步骤： 步骤S1，根据设计图纸建立输电塔的有限元模型； 步骤S2，基于实测数据通过模态参数法修正有限元模型； 步骤S3，通过仿真、理论分析和试验手段获取输电塔在风荷载激励数据和动力响应数据，构建数据集； 步骤S4，构建基于物理约束信息和RNN数据驱动的混合式深度学习模型；其中所述物理约束信息包括输电塔的运动方程，所述混合式深度学习模型通过将所述运动方程嵌入残差目标函数中实现物理约束，具体为： 其中，表示在n+1时刻的残差，表示在n+1时刻的状态向量，表示预设的时间步长，表示非线性项算子； 步骤S5,基于深度残差循环神经网络迭代训练所述混合式深度学习模型；所述基于深度残差循环神经网络的迭代计算过程如下： 其中，表示层数，表示在n+1时刻在k层的状态向量，表示在n+1时刻在第k层的残差，和表示权重矩阵，表示偏差参数，为避免分母为零，取较小的正数，是衰减参数计算公式如下 和分别表示分数因子，推荐取值,； 步骤S6,根据测得的风荷载数据，输入到训练好的混合式深度学习模型中，预测输电塔风振动力响应。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广西电网有限责任公司电力科学研究院，其通讯地址为：530023 广西壮族自治区南宁市民主路6-2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。