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！

龙图腾网获悉复旦大学申请的专利一种涡轮叶盘低周疲劳寿命预测方法及系统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：CN115526113B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211283229.1，技术领域涉及：G06F30/27；该发明授权一种涡轮叶盘低周疲劳寿命预测方法及系统是由费成巍;韩耀加;李晨;李桓;温炯然设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本一种涡轮叶盘低周疲劳寿命预测方法及系统在说明书摘要公布了：本发明公开一种涡轮叶盘低周疲劳寿命预测方法及系统，涉及航空航天发动机技术领域，包括：获取涡轮叶盘有限元模型和待测涡轮叶盘的计算点；对计算点对应的物理数据进行抽样，以得到输入样本集；根据输入样本集和涡轮叶盘有限元模型确定训练集；根据训练集训练CNN‑DNN模型，以得到最优的CNN‑DNN模型；CNN‑DNN模型包括依次连接的输入层、第一卷积层、第二卷积层、池化层、扁平层、第一密集连接层、第二密集连接层和输出层；根据最优的CNN‑DNN模型，通过抽样确定多组涡轮叶盘疲劳寿命数据组，进而计算所述待测涡轮叶盘的可靠度，确定低周疲劳寿命。更高效、更准确地实现对于涡轮叶盘低周疲劳寿命的预测。

本发明授权一种涡轮叶盘低周疲劳寿命预测方法及系统在权利要求书中公布了：1.一种涡轮叶盘低周疲劳寿命预测方法，其特征在于，所述涡轮叶盘低周疲劳寿命预测方法，包括： 根据待测涡轮叶盘的物理参数数据，对所述待测涡轮叶盘进行有限元分析，以得到涡轮叶盘有限元模型和所述待测涡轮叶盘的计算点；所述计算点为所述待测涡轮叶盘上最小疲劳寿命的位置； 基于所述计算点对应的物理参数数据的随机性，进行物理数据抽样，以得到输入样本集； 根据所述输入样本集和所述涡轮叶盘有限元模型，确定有限元仿真输出数据集；所述有限元仿真输出数据集包括多个仿真输出数据；所述仿真输出数据为与所述输入样本集中的输入样本对应的最小疲劳寿命；所述输入样本集和所述有限元仿真输出数据集构成训练集； 根据所述训练集训练CNN-DNN模型，以得到最优的CNN-DNN模型；所述CNN-DNN模型包括依次连接的输入层、第一卷积层、第二卷积层、池化层、扁平层、第一密集连接层、第二密集连接层和输出层； 根据所述最优的CNN-DNN模型，通过抽样确定多组涡轮叶盘疲劳寿命数据组； 根据多组所述涡轮叶盘疲劳寿命数据组，计算所述待测涡轮叶盘的可靠度，进而确定所述待测涡轮叶盘的低周疲劳寿命。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。