買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜江蘇省建筑工程質(zhì)量檢測(cè)中心有限公司申請(qǐng)的專利建筑動(dòng)態(tài)結(jié)構(gòu)健康監(jiān)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119848517B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-30發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510331452.6，技術(shù)領(lǐng)域涉及：G06F18/213；該發(fā)明授權(quán)建筑動(dòng)態(tài)結(jié)構(gòu)健康監(jiān)測(cè)方法是由魏曉斌;湯東嬰;劉洋;鈕慧娟;郭建祥設(shè)計(jì)研發(fā)完成，并于2025-03-20向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本建筑動(dòng)態(tài)結(jié)構(gòu)健康監(jiān)測(cè)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明提供一種建筑動(dòng)態(tài)結(jié)構(gòu)健康監(jiān)測(cè)方法，包括：獲取多模態(tài)傳感器原始數(shù)據(jù)并預(yù)處理；構(gòu)建反映傳感器空間分布和結(jié)構(gòu)連接關(guān)系的拓?fù)涓兄W(wǎng)絡(luò)表征；提取多時(shí)空尺度特征；利用遞歸圖演化預(yù)測(cè)器實(shí)現(xiàn)局部到全局結(jié)構(gòu)狀態(tài)映射；將結(jié)構(gòu)動(dòng)力學(xué)知識(shí)融入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行物理約束校正；構(gòu)建多維健康指標(biāo)集并輸出損傷概率評(píng)估。本發(fā)明實(shí)現(xiàn)了非均勻分布傳感網(wǎng)絡(luò)下局部密集監(jiān)測(cè)區(qū)域到全局結(jié)構(gòu)狀態(tài)的準(zhǔn)確映射，提高了結(jié)構(gòu)健康監(jiān)測(cè)的準(zhǔn)確性和可靠性。

本發(fā)明授權(quán)建筑動(dòng)態(tài)結(jié)構(gòu)健康監(jiān)測(cè)方法在權(quán)利要求書(shū)中公布了：1.建筑動(dòng)態(tài)結(jié)構(gòu)健康監(jiān)測(cè)方法，其特征在于，包括以下步驟：獲取多模態(tài)傳感器原始數(shù)據(jù)并進(jìn)行預(yù)處理，生成傳感器權(quán)重矩陣和預(yù)處理數(shù)據(jù)集；基于預(yù)處理數(shù)據(jù)集和預(yù)存儲(chǔ)的結(jié)構(gòu)幾何信息，構(gòu)建物理連接拓?fù)鋱D與反映傳感器空間分布和結(jié)構(gòu)連接關(guān)系的拓?fù)涓兄W(wǎng)絡(luò)表征，得到層次化拓?fù)浔碚鳎粡念A(yù)處理數(shù)據(jù)集中提取預(yù)定個(gè)時(shí)空特征，形成綜合時(shí)空特征體；利用層次化拓?fù)浔碚骱途C合時(shí)空特征體，構(gòu)建動(dòng)態(tài)異構(gòu)圖結(jié)構(gòu)并通過(guò)遞歸圖演化預(yù)測(cè)器實(shí)現(xiàn)從局部密集監(jiān)測(cè)區(qū)域到全局結(jié)構(gòu)狀態(tài)的映射，得到全場(chǎng)預(yù)測(cè)響應(yīng)；將結(jié)構(gòu)動(dòng)力學(xué)知識(shí)融入預(yù)配置的神經(jīng)網(wǎng)絡(luò)模型，對(duì)全場(chǎng)預(yù)測(cè)響應(yīng)進(jìn)行物理約束校正，得到物理約束校正響應(yīng)；基于物理約束校正響應(yīng)，對(duì)多維健康指標(biāo)集進(jìn)行上下文感知異常檢測(cè)，輸出損傷概率評(píng)估；其中多模態(tài)傳感器原始數(shù)據(jù)包括來(lái)自加速度、應(yīng)變、位移、傾角和環(huán)境傳感器的原始數(shù)據(jù)；傳感器權(quán)重矩陣是通過(guò)計(jì)算每個(gè)傳感器的短期可靠性指標(biāo)和長(zhǎng)期穩(wěn)定性指標(biāo)生成的；短期可靠性指標(biāo)是基于異常值比例、信噪比和數(shù)據(jù)完整性計(jì)算得到的；長(zhǎng)期穩(wěn)定性指標(biāo)是基于傳感器漂移程度和一致性計(jì)算得到的；得到層次化拓?fù)浔碚鞯牟襟E具體為：讀取結(jié)構(gòu)幾何信息和材料屬性參數(shù)，構(gòu)建表示建筑物理連接關(guān)系的結(jié)構(gòu)拓?fù)鋱D，輸出物理連接拓?fù)鋱D；讀取傳感器位置映射和非均勻密度分布圖，將傳感器劃分為密集監(jiān)測(cè)區(qū)域和稀疏監(jiān)測(cè)區(qū)域，輸出傳感器分區(qū)表；其中傳感器位置映射是通過(guò)預(yù)存儲(chǔ)的傳感器部署坐標(biāo)和結(jié)構(gòu)幾何信息構(gòu)建得到的，非均勻密度分布圖是通過(guò)計(jì)算每個(gè)傳感器的空間密度參數(shù)得到的；讀取預(yù)處理數(shù)據(jù)集和物理連接拓?fù)鋱D，計(jì)算評(píng)估傳感器數(shù)據(jù)間的非線性時(shí)變相關(guān)性，形成反映信息流動(dòng)的數(shù)據(jù)關(guān)聯(lián)矩陣；結(jié)合傳感器分區(qū)表，構(gòu)建具有動(dòng)態(tài)權(quán)重的傳感器關(guān)聯(lián)拓?fù)鋱D；讀取物理連接拓?fù)鋱D和傳感器關(guān)聯(lián)拓?fù)鋱D，構(gòu)建雙流圖注意力網(wǎng)絡(luò)，通過(guò)兩個(gè)并行分支分別學(xué)習(xí)物理拓?fù)浜蛿?shù)據(jù)關(guān)聯(lián)特征，并通過(guò)注意力機(jī)制進(jìn)行融合，輸出傳感器位置的低維拓?fù)淝度胂蛄浚蛔x取低維拓?fù)淝度胂蛄亢蛡鞲衅鞣謪^(qū)表，采用結(jié)構(gòu)敏感差分池化操作，構(gòu)建不同抽象層次的層次化拓?fù)浔碚鳎恍纬删C合時(shí)空特征體的步驟包括：讀取預(yù)處理數(shù)據(jù)集，根據(jù)不同傳感器類型的數(shù)據(jù)特性和結(jié)構(gòu)動(dòng)態(tài)響應(yīng)特征，確定分析窗口大小，動(dòng)態(tài)平衡時(shí)間分辨率和特征完整性，輸出多尺度時(shí)間窗口序列；讀取預(yù)處理數(shù)據(jù)集和多尺度時(shí)間窗口序列，將信號(hào)分解為反映不同物理過(guò)程的頻帶，通過(guò)相位敏感頻譜分析提取頻域特征，生成頻域特征矩陣；讀取密集監(jiān)測(cè)區(qū)域的預(yù)處理數(shù)據(jù)集，提取局部振動(dòng)模態(tài)、傳播特性和瞬態(tài)響應(yīng)特征，輸出局部動(dòng)態(tài)特征集；讀取全部的預(yù)處理數(shù)據(jù)集，結(jié)合物理連接拓?fù)鋱D中的剛度和質(zhì)量分布信息，提取整體變形、主要模態(tài)和全局能量分布特征，輸出全局響應(yīng)特征集；讀取局部動(dòng)態(tài)特征集、全局響應(yīng)特征集和頻域特征矩陣，構(gòu)建多級(jí)特征金字塔網(wǎng)絡(luò)，通過(guò)上下文加權(quán)機(jī)制在不同時(shí)空尺度上融合特征，形成表達(dá)不同尺度結(jié)構(gòu)響應(yīng)的綜合時(shí)空特征體；得到全場(chǎng)預(yù)測(cè)響應(yīng)的步驟包括：基于層次化拓?fù)浔碚骱蛡鞲衅鳈?quán)重矩陣，構(gòu)建反映當(dāng)前結(jié)構(gòu)狀態(tài)和傳感器可靠性的動(dòng)態(tài)異構(gòu)圖結(jié)構(gòu)；讀取密集監(jiān)測(cè)區(qū)域和稀疏監(jiān)測(cè)區(qū)域的綜合時(shí)空特征體，通過(guò)區(qū)域耦合注意力編碼器進(jìn)行編碼，得到區(qū)域耦合特征表示；結(jié)合動(dòng)態(tài)異構(gòu)圖結(jié)構(gòu)和區(qū)域耦合特征表示，采用遞歸圖演化網(wǎng)絡(luò)預(yù)測(cè)未測(cè)量點(diǎn)的動(dòng)態(tài)響應(yīng)，得到全場(chǎng)預(yù)測(cè)響應(yīng)；結(jié)合全場(chǎng)預(yù)測(cè)響應(yīng)和物理連接拓?fù)鋱D，通過(guò)分層傳播校準(zhǔn)機(jī)制在不同空間分辨率上校準(zhǔn)預(yù)測(cè)結(jié)果，得到校準(zhǔn)后全場(chǎng)響應(yīng)；基于校準(zhǔn)后全場(chǎng)響應(yīng)和傳感器權(quán)重矩陣，采用貝葉斯深度集成模型評(píng)估預(yù)測(cè)的不確定性，生成空間不確定性分布圖；得到物理約束校正響應(yīng)的步驟包括：讀取校準(zhǔn)后全場(chǎng)響應(yīng)和物理連接拓?fù)鋱D，構(gòu)建物理知識(shí)增強(qiáng)的神經(jīng)常微分方程網(wǎng)絡(luò)，學(xué)習(xí)結(jié)構(gòu)的動(dòng)力學(xué)狀態(tài)轉(zhuǎn)移規(guī)律，得到結(jié)構(gòu)動(dòng)力學(xué)模型參數(shù)；讀取校準(zhǔn)后全場(chǎng)響應(yīng)和結(jié)構(gòu)動(dòng)力學(xué)模型參數(shù)，通過(guò)跨模態(tài)物理約束檢驗(yàn)器驗(yàn)證不同類型傳感器數(shù)據(jù)間的物理一致性，得到物理一致性評(píng)分；基于校準(zhǔn)后全場(chǎng)響應(yīng)、空間不確定性分布圖和物理一致性評(píng)分，通過(guò)結(jié)構(gòu)感知的約束傳播網(wǎng)絡(luò)將局部物理約束傳播至全局，得到物理約束校正響應(yīng)；結(jié)合物理約束校正響應(yīng)、多模態(tài)傳感器原始數(shù)據(jù)和傳感器權(quán)重矩陣，根據(jù)傳感器可靠性、預(yù)測(cè)不確定性和物理一致性動(dòng)態(tài)調(diào)整信息融合權(quán)重，得到最終的融合全場(chǎng)狀態(tài)估計(jì)；輸出損傷概率評(píng)估的步驟包括：讀取融合全場(chǎng)狀態(tài)估計(jì)和物理約束校正響應(yīng)，計(jì)算包括模態(tài)參數(shù)變化、能量分布異常、剛度退化指標(biāo)和阻尼比變化在內(nèi)的多維健康指標(biāo)集，全面表征結(jié)構(gòu)在不同方面的健康狀態(tài)；讀取歷史多維健康指標(biāo)集，構(gòu)建層次化異常模式提取器，通過(guò)對(duì)比當(dāng)前健康指標(biāo)與歷史基線的偏差，識(shí)別局部異常和全局異常模式，輸出異常模式特征；讀取異常模式特征、環(huán)境傳感器數(shù)據(jù)和結(jié)構(gòu)使用工況信息，構(gòu)建條件變分自編碼器，學(xué)習(xí)在不同環(huán)境和使用條件下的正常結(jié)構(gòu)響應(yīng)分布，準(zhǔn)確區(qū)分環(huán)境引起的波動(dòng)和真實(shí)結(jié)構(gòu)損傷，輸出損傷概率評(píng)估。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人江蘇省建筑工程質(zhì)量檢測(cè)中心有限公司，其通訊地址為：210033 江蘇省南京市棲霞區(qū)元化路8號(hào)49幢,50幢,51幢1-4層；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。