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！

龙图腾网获悉中水淮河规划设计研究有限公司申请的专利一种数字孪生模型构件数据的存储方法、设备及介质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：CN120470150B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202510550567.4，技术领域涉及：G06F16/901；该发明授权一种数字孪生模型构件数据的存储方法、设备及介质是由肖建峰;黄姗姗;程东阳;沈高杰;阮国余;万鑫怡设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本一种数字孪生模型构件数据的存储方法、设备及介质在说明书摘要公布了：本申请公开了一种数字孪生模型构件数据的存储方法、设备及介质，涉及数据存储领域，该方法包括：获取数字孪生模型的构件数据；根据构件数据建立图结构数据集；根据图结构数据集，采用预先训练好的深度学习模型，确定每个构件的特征表示及类别；深度学习模型包括依次连接的图卷积神经网络、全连接层及分类器，图卷积神经网络的输出为特征表示，分类器的输出为类别；分别根据每个构件的特征向量、每个构件的特征表示及每个构件的类别，生成对应每个构件的个性化哈希码，并存储在数据库中。本申请提高了数字孪生模型构件的查询效率，并减少了存储构件数据所需的物理空间，降低了资源消耗。

本发明授权一种数字孪生模型构件数据的存储方法、设备及介质在权利要求书中公布了：1.一种数字孪生模型构件数据的存储方法，其特征在于，所述数字孪生模型构件数据的存储方法包括： 获取数字孪生模型的构件数据；所述构件数据包括每个构件的特征向量及构件之间的关系； 根据所述构件数据，建立图结构数据集；所述图结构数据集中包括节点特征及图结构特征，所述节点特征包括每个构件及每个构件的特征向量，所述图结构特征包括构件之间的关系； 根据所述图结构数据集，采用预先训练好的深度学习模型，确定每个构件的特征表示及类别；其中，所述深度学习模型包括依次连接的图卷积神经网络、全连接层及分类器，所述图卷积神经网络的输出为特征表示，所述分类器的输出为类别； 分别根据每个构件的特征向量、每个构件的特征表示及每个构件的类别，生成对应每个构件的个性化哈希码，并存储在数据库中； 其中，分别根据每个构件的特征向量、每个构件的特征表示及每个构件的类别，生成对应每个构件的个性化哈希码，具体包括： 针对任一构件的第a次生成过程，根据生成次数及所述构件的特征信息，采用主哈希函数及辅助哈希函数，得到第a次生成的所述构件的初步哈希码；所述特征信息包括特征向量、特征表示及类别；a≥0； 判断第a次生成的所述构件的初步哈希码与任一目标构件的个性化哈希码是否相同，若是，则进行所述构件的第a+1次生成过程，若否，则将第a次生成的所述构件的初步哈希码作为所述构件的个性化哈希码；所述目标构件为除所述构件外的其余构件； 为每个构件生成个性化哈希码的过程具体为：选择两个哈希函数：H1和H2；H1是主哈希函数，用于初始的哈希处理，H2是用于处理冲突的辅助哈希函数；计算主哈希值：对于每个构件，使用主哈希函数H1得到一个主哈希码，确定此构件应被放置的位置；若该位置已被占据，则使用辅助哈希函数H2和已知的主哈希码作为参数计算一个新的哈希码；循环处理：如果新计算出来的哈希码的位置仍然被占据，则继续使用相同的H2和因此递增的生成次数a寻找另一个可用位置，直到找到一个空位置。

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中水淮河规划设计研究有限公司，其通讯地址为：230601 安徽省合肥市包河区云谷路2588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”。

以上内容由龙图腾AI智能生成。