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！

龙图腾网获悉东北大学;中国航发沈阳发动机研究所申请的专利一种基于指数惩罚学习机制的航空结构系统极小失效概率高效高精度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：CN121766163B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610263030.4，技术领域涉及：G06F30/27；该发明授权一种基于指数惩罚学习机制的航空结构系统极小失效概率高效高精度预测方法是由张旭方;黄金朋;王艺;刘海年;赵丙峰;李鹤;王永富;吕昊;王健设计研发完成，并于2026-03-05向国家知识产权局提交的专利申请。

本一种基于指数惩罚学习机制的航空结构系统极小失效概率高效高精度预测方法在说明书摘要公布了：本发明提供一种基于指数惩罚学习机制的航空结构系统极小失效概率高效高精度预测方法，涉及结构可靠性分析技术领域。根据待分析功能函数随机变量的概率密度函数分别生成初始样本与候选样本；计算对应初始样本的真实功能函数响应组成初始训练样本集，并构建初始Kriging代理模型；通过所提出的EPAL函数从候选样本集选择最佳样本点；将最佳样本及其真实响应并入初始训练样本集中，迭代更新Kriging模型直至满足基于误差的停止准则；判断失效概率变异系数是否满足要求；最终基于训练的Kriging模型和蒙特卡洛方法计算出结构的失效概率。

本发明授权一种基于指数惩罚学习机制的航空结构系统极小失效概率高效高精度预测方法在权利要求书中公布了：1.一种基于指数惩罚学习机制的航空结构系统极小失效概率高效高精度预测方法，其特征在于，包括以下步骤： 步骤S1：根据待分析机械机构对应的功能函数，获取随机输入变量的概率密度函数，并对于随机输入变量采用蒙特卡洛模拟方法抽取备选样本集，采用拉丁超立方抽样方法抽取初始样本集；其中所述输入变量为涡轮盘横截面内材料弹性模量的随机场参数； 步骤S2：基于初始样本集及其对应的真实响应值组建初始训练样本集，构建关于待分析极限状态函数的初始Kriging代理模型； 步骤S3：根据当前Kriging模型计算所有备选样本集中的备选样本点的预测均值和方差，代入基于指数惩罚的EPAL学习函数中，选择最大EPAL值的样本点并计算其真实响应值； 所述基于指数惩罚的EPAL学习函数如下： ； 其中，为Kriging代理模型预测的均值，为Kriging代理模型预测的标准差； 步骤S4：基于当前Kriging代理模型，并结合自举重采样方法评估当前失效概率的最大相对误差，当最大相对误差小于等于预设的误差阈值时，终止学习过程进入步骤S5；否则，将新样本点及其响应值合并到初始训练样本集中，更新Kriging代理模型的预测精度，重复步骤S3-S4直至最大相对误差小于等于预设的误差阈值； 步骤S5：基于当前Kriging代理模型和MCS样本计算预测的失效概率，以及预测的失效概率的变异系数； 步骤S6：判断是否满足算法停止条件：如果预测的失效概率的变异系数大于0.05，此时需要增加备选样本数量重新执行步骤S1-S5；否则，则认为预测的失效概率的精度满足要求，输出失效概率。

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东北大学;中国航发沈阳发动机研究所，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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。