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)恭喜中國建筑第二工程局有限公司申請(qǐng)的專利鋼網(wǎng)架結(jié)構(gòu)變形監(jiān)測(cè)與預(yù)警智能系統(tǒng)及其方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119845361B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-06-13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：202510339651.1，技術(shù)領(lǐng)域涉及：G01D21/02；該發(fā)明授權(quán)鋼網(wǎng)架結(jié)構(gòu)變形監(jiān)測(cè)與預(yù)警智能系統(tǒng)及其方法是由邱巍;邵光強(qiáng);陳勇;王國慶;申展;牟小鵬;吳海;張定業(yè);楊晨迪設(shè)計(jì)研發(fā)完成，并于2025-03-21向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本鋼網(wǎng)架結(jié)構(gòu)變形監(jiān)測(cè)與預(yù)警智能系統(tǒng)及其方法在說明書摘要公布了：本發(fā)明涉及結(jié)構(gòu)安全監(jiān)測(cè)領(lǐng)域，特別是涉及鋼網(wǎng)架結(jié)構(gòu)變形監(jiān)測(cè)與預(yù)警智能系統(tǒng)及其方法，系統(tǒng)采用分布式監(jiān)控節(jié)點(diǎn)，靈活布置于鋼網(wǎng)架結(jié)構(gòu)各關(guān)鍵部位，實(shí)時(shí)采集變形數(shù)據(jù)；結(jié)合先進(jìn)的數(shù)據(jù)采集及傳輸設(shè)備，確保數(shù)據(jù)的高效、準(zhǔn)確傳輸；核心數(shù)據(jù)處理及分析系統(tǒng)運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法，對(duì)變形數(shù)據(jù)進(jìn)行深入分析，精準(zhǔn)識(shí)別復(fù)雜變形模式及潛在風(fēng)險(xiǎn)；該系統(tǒng)實(shí)現(xiàn)了鋼網(wǎng)架結(jié)構(gòu)全方位、多維度實(shí)時(shí)監(jiān)測(cè)，顯著提升了數(shù)據(jù)全面性和準(zhǔn)確性；同時(shí)，智能算法的應(yīng)用大幅提高了預(yù)警的準(zhǔn)確性和及時(shí)性，為鋼網(wǎng)架結(jié)構(gòu)安全提供了有力保障。

本發(fā)明授權(quán)鋼網(wǎng)架結(jié)構(gòu)變形監(jiān)測(cè)與預(yù)警智能系統(tǒng)及其方法在權(quán)利要求書中公布了：1.鋼網(wǎng)架結(jié)構(gòu)變形監(jiān)測(cè)與預(yù)警智能系統(tǒng)，其特征在于，包括：鋼網(wǎng)架結(jié)構(gòu)；監(jiān)控節(jié)點(diǎn)，分布式設(shè)置在所述鋼網(wǎng)架結(jié)構(gòu)中，用于實(shí)時(shí)采集變形數(shù)據(jù)；數(shù)據(jù)采集及傳輸設(shè)備，用于采集和傳輸所述變形數(shù)據(jù)；數(shù)據(jù)處理及分析系統(tǒng)，用于接收所述變形數(shù)據(jù)，并進(jìn)行基于卷積神經(jīng)網(wǎng)絡(luò)的變形預(yù)警分析；所述監(jiān)控節(jié)點(diǎn)用于監(jiān)測(cè)鋼網(wǎng)架結(jié)構(gòu)的變形，包括位移、變形、應(yīng)力、應(yīng)變或應(yīng)力應(yīng)變，所述數(shù)據(jù)處理及分析系統(tǒng)以卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行變形預(yù)警分析，包括以下步驟：S110，提取樣本圖像，其中，樣本圖像數(shù)量大于20000；S120，對(duì)樣本圖像進(jìn)行預(yù)處理，包括圖像增強(qiáng)和歸一化；S130，以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)模型，對(duì)樣本圖像進(jìn)行訓(xùn)練，并得到分類模型；S140，建立卷積神經(jīng)網(wǎng)絡(luò)的輸出圖層，得到變形數(shù)據(jù)各分類與預(yù)警等級(jí)之間的關(guān)系預(yù)測(cè)圖；S150，將變形數(shù)據(jù)各分類輸入分類模型，得到變形數(shù)據(jù)各分類的預(yù)測(cè)概率；S160，計(jì)算各變形數(shù)據(jù)各分類的預(yù)測(cè)概率之和，并進(jìn)行歸一化處理；S170，對(duì)變形數(shù)據(jù)各分類，將預(yù)測(cè)概率與風(fēng)險(xiǎn)值相乘，得到對(duì)變形數(shù)據(jù)各分類的風(fēng)險(xiǎn)預(yù)測(cè)；S180，根據(jù)風(fēng)險(xiǎn)閾值判斷變形數(shù)據(jù)各分類是否存在變形風(fēng)險(xiǎn)； 所述卷積神經(jīng)網(wǎng)絡(luò)采用改進(jìn)的VGG16架構(gòu)作為基礎(chǔ)模型，包含13個(gè)卷積層和3個(gè)全連接層；卷積層采用3x3的小卷積核，通過堆疊小卷積核實(shí)現(xiàn)大感受野的效果，同時(shí)減少參數(shù)數(shù)量；每組卷積層后接最大池化層，減少特征圖尺寸并提取顯著特征； 所述輸出圖層包含4個(gè)神經(jīng)元，分別對(duì)應(yīng)正常狀態(tài)、輕微變形、中度變形和嚴(yán)重變形四種類別； 所述風(fēng)險(xiǎn)閾值為采用自適應(yīng)閾值調(diào)整機(jī)制確定的閾值，所述自適應(yīng)閾值調(diào)整機(jī)制包括環(huán)境因素補(bǔ)償模塊、結(jié)構(gòu)特性分析模塊、歷史數(shù)據(jù)學(xué)習(xí)模塊和閾值優(yōu)化模塊，所述環(huán)境因素補(bǔ)償模塊、所述結(jié)構(gòu)特性分析模塊、所述歷史數(shù)據(jù)學(xué)習(xí)模塊和所述閾值優(yōu)化模塊通過協(xié)同工作，實(shí)現(xiàn)閾值的智能調(diào)整。

如需購買、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)人中國建筑第二工程局有限公司，其通訊地址為：100160 北京市豐臺(tái)區(qū)汽車博物館東路6號(hào)院E座；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)”。