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！

龙图腾网获悉青岛航天红光车桥制造有限公司申请的专利基于机器学习的楔式制动器疲劳寿命评估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：CN121302849B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202511256473.2，技术领域涉及：G06F30/27；该发明授权基于机器学习的楔式制动器疲劳寿命评估方法是由王奕铭;吴均;成杲;钟百智;陈正轩设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本基于机器学习的楔式制动器疲劳寿命评估方法在说明书摘要公布了：本发明公开了基于机器学习的楔式制动器疲劳寿命评估方法，属于制动器寿命评估技术领域。该方法包括：采集楔式制动器的楔式结构动态数据和应力场数据；预处理得到原始模拟数据集；提取制动器动态特征；得到制动楔槽根部敏感节点集合；根据制动楔槽根部敏感节点集合、制动器动态特征,得到训练完成的物理约束图神经网络；获取实时工况参数，根据物理约束图神经网络预测应力变化曲线，据此统计累积损伤值并对累积损伤值进行自锁修正；分析楔式制动器的疲劳寿命评估值。本发明通过将物理约束嵌入物理约束图神经网络的综合损失函数，实现机器学习模型与物理规律的深度耦合，解决了目前纯数据驱动模型在极端工况下预测偏离实际物理行为的问题。

本发明授权基于机器学习的楔式制动器疲劳寿命评估方法在权利要求书中公布了：1.基于机器学习的楔式制动器疲劳寿命评估方法，其特征在于，包括以下步骤： 步骤1，采集基于楔式制动器的CAD模型和工况参数进行多体动力学仿真时的楔式结构动态数据和应力场数据； 步骤2，对楔式结构动态数据进行预处理，得到原始模拟数据集； 步骤3，从原始模拟数据集中提取制动器动态特征； 步骤4，从应力场数据中获取制动楔槽根部每个节点的应力梯度场，根据每个节点应力梯度场提取出敏感节点，得到制动楔槽根部敏感节点集合； 步骤5，根据制动楔槽根部敏感节点集合、制动器动态特征,得到训练完成的物理约束图神经网络； 步骤6，获取实时工况参数，直接输入到物理约束图神经网络，根据物理约束图神经网络预测敏感节点集合中每个敏感节点的应力变化曲线，据此统计累积损伤值并对累积损伤值进行自锁修正； 步骤7，根据修正后的累积损伤值分析楔式制动器的疲劳寿命评估值； 所述制动楔槽根部敏感节点集合获取步骤包括： ； 其中，为制动楔槽根部敏感节点集合，为应力梯度阈值，为敏感节点的全域应力梯度； 所述统计累积损伤值并对累积损伤值进行自锁修正的步骤包括： 通过对每个敏感节点的应力变化曲线进行循环特征提取，得到每个节点的应力循环特征，其中，为材料的第i类应力幅值，为材料在第i类应力幅值下的循环次数； 查询每个节点的各类应力幅值对应的最大疲劳寿命； ； 其中，为材料在第i类应力幅值下的最大疲劳寿命，k为材料应力敏感性系数，C为材料本征强度； 根据每个敏感节点材料在第i类应力幅值下的循环次数和最大疲劳寿命，得出每个敏感节点材料在第i类应力幅值下的累积损伤值； 当敏感节点的累积损伤值不小于1时，判定该敏感节点发生疲劳失效，否则判定累积损伤值为该敏感节点已消耗寿命； 当检测到自锁状态标签处于自锁状态时，获取制动楔槽根部敏感节点对应材料在第i类应力幅值下的累积损伤值，并进行微动磨损放大修正，得到修正后的累积损伤值； ； 其中，为修正后的累积损伤值，为修正前累积损伤值，为损伤放大因子。

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青岛航天红光车桥制造有限公司，其通讯地址为：266043 山东省青岛市李沧区四流北路86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。