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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于深度学习的等几何热传导仿真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：CN114139454B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202111465718.4，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的等几何热传导仿真方法是由徐岗;王丹丹;请求不公布姓名;顾人舒;高飞设计研发完成，并于2021-12-02向国家知识产权局提交的专利申请。

本一种基于深度学习的等几何热传导仿真方法在说明书摘要公布了：本发明公开了一种基于深度学习的等几何热传导仿真方法，包括如下步骤：步骤1数据集的制作；步骤2提出自定义损失函数并用于训练；步骤3训练引入ISSA模块增强的UNet3+网络；步骤4最优网络模型预测及结果分析。采用上述技术方案，可以在拓扑一致的复杂模型上进行热仿真分析预测并快速得到光滑连续的仿真解，在保证精度的前提下大幅度降低了仿真时间，适用于CAD模型形状不断变化的实时热仿真分析的场景。与近年来研究比较多的PINNs相比，本发明中的网络模型在一个拓扑相同的新CAD模型上进行热仿真分析预测只需0.013s；而PINNs中的网络模型对一个新的CAD模型需要训练44分钟左右才能达到与本发明相同的精度。

本发明授权一种基于深度学习的等几何热传导仿真方法在权利要求书中公布了：1.一种基于深度学习的等几何热传导仿真方法，其特征在于，包括如下步骤： 步骤1数据集的制作 1-1制作多个拓扑一致的CAD模型， 1-2通过等几何分析库在CAD模型上进行热源恒定的热仿真分析获得等几何分析仿真解， 1-3对CAD模型和热传导方程的等几何分析仿真解进行预处理，制作用于训练数据集； 步骤2提出自定义损失函数并用于训练 2-1根据数据集特点，提出系数误差作为损失函数， 所述数据集的特点为输出的系数矩阵中有大量的填充0，提出系数误差作为损失函数，表达式如下： 其中，是网络预测的系数，ui是等几何分析库数值解中的系数，M是系数的个数，Lu只计算系数之间的误差，不计算填充0； 2-2根据任务特点，提出仿真解的误差作为损失函数， 所述任务特点为得到热传导方程的仿真解，在训练神经网络的过程中，通过计算仿真解的误差来设计损失函数，表达式如下： 其中，S表示在几何模型上采样的点个数，其中，是网络预测解，Φhxk,yk是等几何分析库得到的等几何分析仿真解，预测系数是一个中间环节，得到系数之后，需要与样条基函数线性组合进而得到一个光滑连续的仿真解 2-3结合系数误差和仿真解的误差作为损失函数用于训练； 所述用于训练的表达式如下： 其中，Lu和这两个损失函数侧重的是不同角度，Lu专心降低系数的误差，侧重降低仿真解的误差，α和β表示权重； 步骤3训练引入ISSA模块增强的UNet3+网络，在所述UNet3+网络架构的输出层前加入自注意力层； 步骤4最优网络模型预测及结果分析，通过四个角度来进行测试和分析，其包括系数误差、仿真解的误差、仿真解的相对误差以及热传导方程后验误差。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道2号大街1158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”。