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！

龙图腾网获悉重庆科技大学申请的专利基于深度学习模型动态确定爆炸安全距离的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：CN120597760B 。

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：202510703047.2，技术领域涉及：G06F30/28；该发明授权基于深度学习模型动态确定爆炸安全距离的方法是由牛宜辉;龚雨科;杜炳树;王文和;米红甫;李滋然;江林桂;张玉琢设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本基于深度学习模型动态确定爆炸安全距离的方法在说明书摘要公布了：本发明涉及风险评估技术领域，公开了基于深度学习模型动态确定爆炸安全距离的方法，包括以下步骤：S1：通过工程仿真平台和CFD软件获得多组数据，并将多组数据构建为训练数据集；S2：通过训练数据集训练深度学习模型，深度学习模型得到输入特征和输出特征的关系；S3：通过数据采集模块获取对应时间点环境中压力、温度、气体浓度、流速实时数据；S4：通过工程仿真平台和CFD软件对创建的对应爆炸场景模型爆炸过程进行数值模拟；S5：通过深度学习模型获得预测值；S6：通过爆炸安全距离计算公式计算爆炸安全距离；S7：重复S3‑S6，动态实时确定爆炸安全距离。本发明能够应用于不同爆炸场景，能够实时精确获取爆炸场景中安全距离。

本发明授权基于深度学习模型动态确定爆炸安全距离的方法在权利要求书中公布了：1.基于深度学习模型动态确定爆炸安全距离的方法，其特征在于：包括以下步骤： S1：通过工程仿真平台创建不同的爆炸场景模型，通过CFD软件对不同场景下的爆炸过程进行数值模拟，获得多组数据，每组数据均包括空间坐标、时间步长、局部压力值、冲击波传播速度、特定位置的超压阈值、爆炸释放的总能量、危险范围半径，并将多组数据构建为训练数据集； S2：通过训练数据集训练深度学习模型，深度学习模型得到输入特征空间坐标、时间步长、局部压力值、冲击波传播速度和输出特征特定位置的超压阈值、爆炸释放的总能量、危险范围半径的关系； S2包括以下步骤： S21：将训练数据集输入深度学习模型中，深度学习模型中第一层隐藏层、第二层隐藏层、全连接层通过训练数据集自动得到对应的权重和偏置，同时训练数据集中输入特征以单组形式批量输入深度学习模型，通过第一层隐藏层、第二层隐藏层及全连接层进行特征提取，获得三个特征张量，每个特征张量对应一组输入数据的时序或空间特征，每个特征张量为按输出特征与特征维度布设的行列矩阵结构； S22：通过深度学习模型中softmax层对对应特征张量中的单个特征进行处理，计算得到该特征张量中单个特征相对该特征张量中单个特征之和的概率，选取概率最大的单个特征作为预测值； S23：通过均方误差损失函数计算预测值与训练数据集中输出特征之间偏离程度，优化深度学习模型中第一层隐藏层、第二层隐藏层、全连接层对应的权重和偏置； S24：重复S21-S24，达到最大迭代次数时自动停止训练； S3：通过数据采集模块获取对应时间点环境中压力、温度、气体浓度、流速实时数据； S4：通过工程仿真平台对采集的环境中压力、温度、气体浓度、流速实时数据，以及爆炸物体几何参数处理创建对应的爆炸场景模型，通过CFD软件对创建的对应爆炸场景模型爆炸过程进行数值模拟获得空间坐标、时间步长、局部压力值、冲击波传播速度； S5：将获得的空间坐标、时间步长、局部压力值、冲击波传播速度输入训练后的深度学习模型中，通过深度学习模型获得预测的特定位置的超压阈值、爆炸释放的总能量、危险范围半径； S6：将获得的超压阈值、爆炸释放的总能量、危险范围半径通过爆炸安全距离计算公式计算得到对应时间点的爆炸安全距离； S7：重复S3-S6，数据采集模块按照预设的频次将采集的信息传输给工程仿真平台，动态实时确定爆炸安全距离。

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重庆科技大学，其通讯地址为：401331 重庆市沙坪坝区大学城东路20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。