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！

龙图腾网获悉西南交通大学申请的专利一种基于深度学习的最不利工况识别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：CN121658870B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610172809.5，技术领域涉及：G06F18/21；该发明授权一种基于深度学习的最不利工况识别方法及系统是由唐若洋;何川;封坤;郭文琦;陈攀设计研发完成，并于2026-02-06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最不利工况识别方法及系统在说明书摘要公布了：本申请提供一种基于深度学习的最不利工况识别方法及系统，涉及工程结构试验技术领域，包括：进行初始试验获取数据训练预测模型；采用条件生成对抗网络生成多组待测工况，将每组待测工况输入预测模型，输出预测综合风险指标和对应的均值及方差；构建工况交互项，并通过随机森林模型筛选得到目标交互项；基于待测工况预测综合风险指标的均值和方差、目标交互项，计算每组待测工况的期望改进量，选择待测工况用于进行撞击试验，基于试验结果更新条件生成对抗网络和预测模型，迭代至收敛，得到最不利工况。本方案通过条件生成对抗网络生成高风险工况，结合预测模型进行工况筛选，快速逼近最不利工况，显著减少试验次数，大幅降低研发成本与周期。

本发明授权一种基于深度学习的最不利工况识别方法及系统在权利要求书中公布了：1.一种基于深度学习的最不利工况识别方法，其特征在于，包括： 采集初始撞击数据，所述初始撞击数据为采用预设初始工况进行撞击试验后得到； 采用条件生成对抗网络生成多组待测工况，将每组待测工况输入预设预测模型，输出预测综合风险指标和对应的均值及方差；所述预测模型根据初始工况和初始撞击数据训练得到； 构建工况交互项，并通过随机森林模型进行筛选，得到目标交互项；包括： 获取每组工况中每个工况参数的类型，所述类型包括连续型和离散型； 对于均由连续型参数构成的交互组合，通过计算参数乘积或构建非线性多项式，得到交互项； 对于由连续型参数和离散型参数构成的交互组合，对离散型参数进行独热编码，将连续型参数与离散型参数的编码相乘，得到交互项； 对于均由离散型参数构成的交互组合，对离散型参数进行独热编码，计算所有离散型参数编码的外积，得到交互项； 采用各组工况的工况参数、交互项与对应的综合风险指标训练随机森林模型，基于训练完成的随机森林模型输出每个交互项的重要性； 根据交互项的重要性筛选得到目标交互项； 基于待测工况预测综合风险指标的均值和方差、目标交互项，计算每组待测工况的期望改进量，包括： 根据均值、方差和交互项和当前最大综合风险指标，构建标准正态分布的累积分布函数； 根据均值、方差和交互项和当前最大综合风险指标，构建标准正态分布的概率密度函数； 根据累积分布函数和概率密度函数构建期望改进公式，基于期望改进公式计算每组待测工况的期望改进量； 期望改进公式为： ； EI为期望改进量；I为所有目标交互项的加权和，为当前最大综合风险指标；为预设交互项权重系数；为预测模型回归的R的标准差；为预测模型回归的R的均值；为标准正态分布的累积分布函数；为标准正态分布的累积分布函数； 基于期望改进量选择待测工况用于进行撞击试验，基于试验结果更新条件生成对抗网络和预测模型，循环迭代至收敛，得到综合风险指标最大的工况。

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西南交通大学，其通讯地址为：610031 四川省成都市金牛区二环路北一段111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。