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！

龍圖騰網恭喜哈爾濱工業大學申請的專利基于貝葉斯更新和自適應元學習采樣方法的結構系統識別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：CN119513540B 。

龍圖騰網通過國家知識產權局官網在2025-05-16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：202411598546.1，技術領域涉及：G06F18/20；該發明授權基于貝葉斯更新和自適應元學習采樣方法的結構系統識別方法是由黃永;孟祥浩;李琦;李惠設計研發完成，并于2024-11-11向國家知識產權局提交的專利申請。

本基于貝葉斯更新和自適應元學習采樣方法的結構系統識別方法在說明書摘要公布了：本發明提出基于貝葉斯更新和自適應元學習采樣方法的結構系統識別方法。所述方法首先基于任務數據判斷是否已有適配具體結構系統識別任務的自適應元學習采樣器，若沒有則訓練一個適配該任務的自適應元學習采樣器，最后利用訓練好的采樣器執行基于貝葉斯更新的自適應元學習采樣方法實現高效采樣，完成結構系統識別任務。本發明通過提出自適應元學習采樣方法，在貝葉斯更新的詳盡概率分布識別結果基礎上，利用神經網絡的精細化策略學習能力提高采樣效率，利用自適應元學習設計節省神經網絡訓練時間，使方法適用于更復雜的結構系統識別問題，從而更好的服務于結構健康檢測領域。

本發明授權基于貝葉斯更新和自適應元學習采樣方法的結構系統識別方法在權利要求書中公布了：1.基于貝葉斯更新和自適應元學習采樣方法的結構系統識別方法，其特征在于，所述方法包括以下步驟：步驟一、在目標結構上布設振動傳感器，得到一段時間內每個測點振動指標的測量數據；步驟二、查找是否有已保存的針對同類結構訓練過的自適應元學習采樣器，若有，進入步驟五，否則進入步驟三；步驟三、根據目標結構各參數類型，建模一個具有同類參數的規模同類訓練結構，利用數值模擬或縮尺實驗方法，獲取由目標結構簡化的同類結構在一段時間內多個測點的振動響應測量數據；步驟四、基于訓練結構的測量數據和貝葉斯更新方法，運行自適應元學習采樣方法，開啟訓練模式，獲得并保存訓練過的自適應元學習采樣器；步驟五、基于目標結構的測量數據和貝葉斯更新方法，運行自適應元學習采樣方法，使用訓練過的自適應元學習采樣器，關閉訓練模式，獲得服從結構參數聯合后驗分布的樣本，表征各參數的聯合概率分布情況，即實現結構系統識別；所述步驟四及步驟五中基于貝葉斯更新方法的自適應元學習采樣過程具體為：步驟四及步驟五中基于貝葉斯更新方法的自適應元學習采樣過程，是基于貝葉斯定理，根據由已知信息得到的結構參數先驗概率分布pθ及由測量數據得到的似然函數利用馬爾可夫鏈模擬出多個服從結構參數后驗概率分布的參數樣本點的過程，其中為結構模型參數，其維度D即為參數個數，可根據計算效率需求和計算設備性能限制選擇同時并行K條馬爾可夫鏈；所述采樣方法的模擬過程具體為：步驟4.1、定義勢能其中c*為便于計算的任意常數；步驟4.2、若有訓練過的自適應元學習采樣器，直接使用其中的神經網絡的架構及參數，否則選擇兩個輸出恒正的人工神經網絡用于后續步驟中構建自適應元學習采樣器中旋度矩陣子塊以及擴散矩陣子塊的網絡參數化架構并隨機初始化其網絡參數，其中兩個子塊矩陣Qz和Dz的非對角元素為零，對角元素在后續步驟中根據神經網絡的輸出計算確定；步驟4.3、每條鏈根據先驗分布pθ隨機生成初始樣本z0＝θ0,p0，其中模型參數θ在后續模擬中被視為D維空間中一個粒子的位置，輔助變量被視為粒子動量，服從標準正態分布，從而增廣向量被稱為粒子的狀態變量，令t＝0，t0＝0；步驟4.4、當tN時，重復步驟4.5至步驟4.11，每次重復將基于當前樣本zt＝θt,pt模擬出一個新樣本zt+1＝θt+1,pt+1，總模擬步數N取N＝9000；步驟4.5、獲取當前樣本信息，包括勢能Uθt、位置θt、動量pt和勢能梯度其中粒子第i維的位置分量、動量分量、勢能梯度分量以及對應參數類別分別記作θt,i、pt,i、和Catei，i＝1,…,D；步驟4.6、若采樣過程處于自適應調整階段，則根據當前樣本信息中的勢能Uθt和各位置分量θt,i,i＝1,…,D，分別更新勢能Uθ的前兩階矩μU和σU的自適應估計，及參數后驗分布各維標準差σi,i＝1,…,D的自適應估計；步驟4.7、計算歸一化勢能和各歸一化勢能梯度分量步驟4.8、輸入當前樣本信息即pt,i、和Catei，調用神經網絡學到的元采樣策略，對該策略控制下的擴散過程進行離散動力學模擬，得到一個新的樣本zt+1＝θt+1,pt+1；步驟4.9、令t＝t+1；步驟4.10、若為訓練模式，創建zt的新副本供后續計算使用，以停止梯度流；步驟4.11、若為訓練模式且t能被TT整除，計算損失函數并反向傳播更新神經網絡參數，令t0＝t，設置TT＝15，M＝3，式中為由樣本近似估計的樣本概率密度函數；步驟4.12、若為訓練模式，保存自適應元學習采樣器，否則輸出預熱階段之后的所有樣本。

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哈爾濱工業大學，其通訊地址為：150001 黑龍江省哈爾濱市南崗區西大直街92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”。