買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京航空航天大學申請的專利基于導波混合概率特征及自適應閾值的結構損傷預警方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115631616B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211286498.3，技術領域涉及：G08B31/00；該發明授權基于導波混合概率特征及自適應閾值的結構損傷預警方法是由邱雷;房芳;袁慎芳;歐陽勵;孟義興;徐秋慧設計研發完成，并于2022-10-20向國家知識產權局提交的專利申請。

本基于導波混合概率特征及自適應閾值的結構損傷預警方法在說明書摘要公布了：本發明公開了基于導波混合概率特征及自適應閾值的結構損傷預警方法，屬于結構健康監測領域，包括，通過自適應概率混合建模算法估計結構在健康和監測狀態下的導波特征樣本概率分布，通過計算導波特征樣本在結構健康和監測狀態下的概率分布差異度得到導波混合概率特征，基于結構健康狀態下獲取的導波混合概率特征自適應確定報警閾值，在監測過程中對導波混合概率特征進行滑動平均，當滑動平均后的導波混合概率特征超出報警閾值時進行損傷預警。本發明的基于導波混合概率特征及自適應閾值的結構損傷預警方法實施過程簡單高效，能夠實現服役環境因素影響下可靠且自適應的結構損傷預警。

本發明授權基于導波混合概率特征及自適應閾值的結構損傷預警方法在權利要求書中公布了：1.基于導波混合概率特征及自適應閾值的結構損傷預警方法，其特征在于，包括，步驟S11，在結構健康狀態下，獲取M個導波特征樣本si，i＝1,2,…,M；步驟S12，將M個所述導波特征樣本作為訓練樣本，從中隨機選取N個所述訓練樣本構成基準樣本集S0，其中，0N≤M2；步驟S13，通過自適應概率混合建模算法估計所述基準樣本集S0的基準概率分布Φ0；步驟S14，將M個所述訓練樣本依次代入更新訓練樣本集得到M個訓練樣本集S’1、S’2、…S’M；步驟S15，通過所述自適應概率混合建模算法估計M個所述訓練樣本集S’1、S’2、…S’M分別對應的訓練概率分布Φ’1、Φ’2、…Φ’M；步驟S16，根據概率分布差異度的計算方法，分別計算M個所述訓練概率分布Φ’1、Φ’2、…Φ’M與所述基準概率分布Φ0之間的概率分布差異度即導波混合概率特征，得到對應的M個訓練導波混合概率特征PDD’1、PDD’2、…PDD’M；步驟S17，根據所述訓練導波混合概率特征PDD’1、PDD’2、…PDD’M，通過公式： 自適應計算報警閾值λ，其中，u為M個所述訓練導波混合概率特征PDD’1、PDD’2、…PDD’M的均值；所述自適應概率混合建模算法包括，步驟S31，基于樣本集S，通過高斯核密度估計其中每個樣本si的密度ρi，計算公式如下： 其中，n為所述樣本集S中所述樣本si的數目，一個所述樣本si的維度為D，dij為樣本si與sj之間的歐式距離，dc為截斷距離，所述截斷距離dc的表達式如下： 其中，dZsi為樣本si與距離si最近的第Z個樣本之間的距離，表示不超過x的最大整數；步驟S32，計算每個所述樣本si的最小距離δi，計算公式如下： 步驟S33，計算每個所述樣本si的所述密度ρi與所述最小距離δi的乘積γi，計算公式如下：γi＝ρi×δi；步驟S34，計算所述乘積γi的閾值γmin，計算公式如下：γmin＝EXρi×dc，其中，EXρ為所述密度ρi的均值；步驟S35，將滿足以下不等式的樣本選出作為類中心，并基于近鄰原則將所述樣本集S中剩余的樣本聚到距其最近的類中心所屬的類中，得到初始聚類結果：γi＞γminδi＞dc；步驟S36，若所述初始聚類結果中存在包含樣本數小于所述維度D的類，則去掉該類及對應的樣本，得到最終聚類結果，此時樣本總數為n'；步驟S37，在所述最終聚類結果的基礎上，計算每類的均值和協方差矩陣，同時計算每類包含的樣本數目與所述樣本總數n'的比值得到每類對應的權值；步驟S38，將所述步驟S37中得到的每類的均值、協方差矩陣和權值作為初始化參數，采用期望最大化算法估計所述樣本集S的概率分布Ф，所述概率分布Ф的概率密度表達式如下： 其中，K為所述概率分布Ф中子分布的個數，k＝1,2,…,K；wk、μk和Σk分別是第k個子分布的權值、均值及協方差矩陣，|·|為矩陣的行列式，T表示矩陣轉置符號；所述概率分布差異度的計算方法如下：步驟S41，將兩個比較的概率分布分別記作概率分布ΦB和概率分布ΦM，其對應的信號特征樣本集分別為信號特征樣本集SB和信號特征樣本集SM，所述信號特征樣本集SB和所述信號特征樣本集SM的并集為并集SU，在所述并集SU所覆蓋的樣本空間內進行線性采樣，得到采樣特征樣本集SMC，所述采樣特征樣本集SMC＝{s1,s2,…,sR}，R為所述采樣特征樣本集SMC的樣本容量；步驟S42，分別計算所述采樣特征樣本集SMC在所述概率分布ΦB和所述概率分布ΦM中的概率密度ΦBSMC和概率密度ΦMSMC；步驟S43，計算所述概率密度ΦBSMC和所述概率密度ΦMSMC之間的概率分布差異度PDD，計算公式為： 其中，||·||2為向量的2范數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京航空航天大學，其通訊地址為：210016 江蘇省南京市秦淮區御道街29號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。