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！

龙图腾网获悉浙江大学申请的专利一种考虑复杂环境影响的结构异常状态诊断方法和装置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：CN119830187B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510016896.0，技术领域涉及：G06F18/2433；该发明授权一种考虑复杂环境影响的结构异常状态诊断方法和装置是由万华平;朱一凯;叶于君设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种考虑复杂环境影响的结构异常状态诊断方法和装置在说明书摘要公布了：一种考虑复杂环境影响的结构异常状态诊断方法和装置，其方法包括：A.采集时变环境影响下的结构基准状态数据，构建训练数据集；B.设计并训练卷积自编码器，将高维原始数据转换至低维隐含特征；C.设计并训练条件扩散概率模型，并引入注意力机制融合分析多源数据，针对不同环境影响下的基准状态监测数据建立条件概率模型；D.计算基准状态统计指标，并利用基准状态统计指标构建离群值识别模型SVDD；E.输入测试状态数据集，诊断测试状态是否为异常状态。本发明仅需结构基准状态数据集，且无需依赖于有限元等结构物理模型，实现对时变环境影响下结构的高精度异常状态诊断。

本发明授权一种考虑复杂环境影响的结构异常状态诊断方法和装置在权利要求书中公布了：1.一种考虑复杂环境影响的结构异常状态诊断方法，包括如下步骤： A.采集时变环境影响下的结构基准状态数据，并进行预处理，构建数据集用于深度学习模型训练； B.设计并训练卷积自编码器Convolutionalauto-encoder,CAE，将高维原始数据转换至低维隐含特征，利用卷积核和反卷积核提取结构多测点信号的关键时序特征和相关性特征，并根据损失函数最小收敛值选择最优隐变量维度和CAE隐藏层维度以优化CAE网络，有效利用少量关键特征表征原始数据； C.引入具有注意力机制的U-netAttentionU-net，ATT-Unet网络，设计并训练注意力引导的条件隐含扩散概率模型Attention-guidedConditionalLatentDiffusionProbabilisticModel,ATT-CLDPM，融合分析多源数据，针对不同环境影响下的基准状态监测数据建立条件概率模型，并根据损失函数最小收敛值选择最优ATT-Unet隐藏层维度，实现不同环境条件下的数据模式表征；具体包括： C1.建立ATT-CLDPM识别不同环境条件下的监测数据模式，该模型主要分为正向过程和逆向过程； C2.正向过程根据马尔可夫链假设，在T步的马尔可夫链中，对隐含特征逐步添加方差为βt的零均值高斯噪声，将原始的隐含特征转化为标准高斯噪声，第t步的加噪隐含特征zt可以表示为 其中，z0为原始隐含特征z0＝Ex，为超参数可以表示为 C3.逆向过程是通过ATT-Unet预测噪声成分，并将环境条件变量ec和初始隐含特征z0作为条件约束，将标准高斯噪声中的噪声成分逐渐移除，逐步还原为初始的隐含特征，该过程可以表示为 其中，αt＝1-βt，表示ATT-Unet预测的噪声； C4.设计ATT-Unet网络框架时，引入多头注意力机制和注意力门对不同维度的数据进行融合分析； C5.多头注意力的输入包括环境条件变量和预测的第t步结构响应含噪特征，形成融合特征，多头注意力特征的输出为； 其中，MA表示多头注意力机制，WA,为可学习的线性变换矩阵，d表示环境条件变量的维度，softmax·为softmax激活函数softmaxxi＝expxi∑iexpxi； C6.将多头注意力的输出重新调整大小后形成融合特征zec，并将其与预测的第t步含噪特征条件特征z0进行拼合，并输入到后续步骤中； C7.ATT-Unet后续的步骤是先将输入的特征进行卷积得到深层特征，再利用上采样从深层特征中提取预测的噪声参数，为了同时保留深层特征和浅层特征，在不同层之间增加具有注意力机制的跳跃连接，即将之前卷积层中的特征与上采样的特征通过注意力门，可以表示为 其中，为注意力门的输出，αi为注意力权重，ψ,Wv,Wg为可学习的线性变换矩阵； C8.设计ATT-Unet网络框架时，将隐藏层维度作为重要设计参数，以便后续根据损失函数调整网络框架； C9.将ATT-Unet预测的噪声和第t步实际添加噪声εt的均方误差作为ATT-Unet的损失函数，训练目标可以表示为： minLATT-Unet＝||εt-εθzt,t,z0,ec||6 其中，LATT-Unet表示ATT-Unet的损失函数； C10.对于具有不同的隐藏层维度cATT-Unet的ATT-Unet网络，训练时迭代次数采用最优迭代次数，选择最小的验证集损伤函数最小收敛值所对应的最优隐藏层维度cATT-Unet； D.利用基准状态下的统计指标数据点集构建支持向量数据表征模型SVDD，构建表征基准状态的基准状态域； E.输入测试状态数据集，根据统计指标点和基准状态域的关系判断测试状态是否为异常状态。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。