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！

龙图腾网获悉合肥工业大学申请的专利基于深度学习的跨域桥梁损伤识别方法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：CN116049937B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211650213.X，技术领域涉及：G06F30/13；该发明授权基于深度学习的跨域桥梁损伤识别方法是由贺文宇;李志东;户东阳;李祎琳;李怡帆;张静;胡志祥设计研发完成，并于2022-12-21向国家知识产权局提交的专利申请。

本基于深度学习的跨域桥梁损伤识别方法在说明书摘要公布了：本发明公开的基于深度学习的跨域桥梁损伤识别方法，包括以下步骤：建立车辆‑桥梁有限元模型‑通过在车辆‑桥梁有限元模型中的桥梁有限元模型中添加不确定性来模拟桥梁真实结构‑数据前处理‑构建生成式对抗神经网络‑训练与生成阶段‑构建动态域对抗自适应网络‑训练阶段‑利用训练好的特征提取器Fq和标签分类器Fy对目标域数据集进行检测，从而得到相应的检测结果。本发明采用上述基于深度学习的跨域桥梁损伤识别方法，可通过深度生成式对抗网络实现两轴车辆在桥梁匀速行驶时产生的桥梁位移响应信号的模拟式扩充，再通过动态对抗适应网络将源域和目标域特征投射到同一特征空间，实现跨域损伤特征提取与适配，完成跨域下的桥梁损伤识别。

本发明授权基于深度学习的跨域桥梁损伤识别方法在权利要求书中公布了：1.一种基于深度学习的跨域桥梁损伤识别方法，其特征在于：包括以下步骤： 步骤1：建立车辆-桥梁有限元模型； 步骤1具体包括以下步骤： 步骤1.1：确定桥梁参数，利用桥梁参数构建桥梁有限元模型，并对桥梁有限元模型划分单元后依次编号； 步骤1.2：确定两轴车辆参数，根据两轴车辆参数构建车辆有限元模型，并设置不确定性车重和不确定车速，其中、为变化幅值，； 步骤1.3：桥梁无损状态下，车辆以不确定车重和不确定速度通过桥梁，使用方法计算获取桥梁的位移响应，重复步骤1.3次，得到样本集，并构建标签，其中； 步骤1.4：通过折减桥梁有限元模型中划分的单元刚度来模拟桥梁损伤，其中为折减系数； 在桥梁划分的1号单元进行刚度折减，重复步骤1.3中获取桥梁位移响应的方法次，得到样本集，并构建标签，其中样本标签为损伤的单元号，即； 步骤1.5：重复步骤1.4，直至完成桥梁划分的所有单元，最终获得源域数据集和标签集； 步骤2：通过在车辆-桥梁有限元模型中的桥梁有限元模型中添加不确定性来模拟桥梁真实结构； 步骤2具体包括以下步骤： 步骤2.1：添加五种不确定性： （1）通过改变桥梁有限元模型的弹性模量来模拟桥梁受温度的影响，即，其中； （2）通过设置桥梁有限元模型的边界节点的垂直刚度和转角刚度来模拟桥梁弹性支承的边界条件形式； （3）通过改变桥梁有限元模型的惯性矩来模拟桥梁建模的几何误差，即，其中；同时通过改变桥梁有限元模型的密度来模拟桥梁建模的材料误差，即，其中； （4）通过设置桥梁有限元模型的路面粗糙度的等级来模拟桥面粗糙度； 在加入上述四种不确定后的桥梁有限元模型进行步骤1.3中的方法，获取桥梁位移响应，并在所得桥梁位移响应添加：（5）服从均值为0、方差为的高斯分布噪声,得到； 步骤2.2：重复步骤1.3至步骤1.4，得到桥梁无损和各个单元有损的位移响应样本集,最终获得目标域数据集； 步骤3：数据前处理 对获得的源域数据和目标域进行归一化和插值处理，保持所有样本空间维度一致，得到处理后的源域数据和目标域数据； 步骤4：构建由生成器和批判器组成的生成式对抗神经网络； 步骤5：训练与生成阶段； 步骤6：构建由特征提取器、标签预测器、全局域鉴别器和局部域鉴别器组成的动态域对抗自适应网络； 步骤7：训练阶段； 步骤8：利用训练好得到最优参数的特征提取器和标签分类器对目标域数据集进行检测，从而得到相应的检测结果。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。