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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于物理一致神经网络的结构损伤系统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：CN119578251B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411772677.7，技术领域涉及：G06F30/27；该发明授权一种基于物理一致神经网络的结构损伤系统识别方法是由籍多发;陈有明;翟长海;李晨曦设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于物理一致神经网络的结构损伤系统识别方法在说明书摘要公布了：本发明涉及一种基于物理一致神经网络的结构损伤系统识别方法，解决了当前基于物理的系统识别方法存在的泛化性能有限以及对局部损失不敏感的困境。步骤包括：一、收集目标建筑信息以及监测数据；二、建立物理一致神经网络；三、构建网络训练数据集；四、开展物理一致神经网络训练；五、获取反演的结构参数。本发明利用了Timoshenko梁理论和神经网络原理之间的相似性，搭建了物理一致神经网络，网络中每个参数均具有严格的物理意义，极大地增强了网络的可解释性和泛化性能；同时在损失函数中添加了先验知识约束，明显降低了反演的不确定性和难度。

本发明授权一种基于物理一致神经网络的结构损伤系统识别方法在权利要求书中公布了：1.一种基于物理一致神经网络的结构损伤系统识别方法，其特征在于，包括以下步骤： 步骤一、收集目标建筑信息以及监测数据： 收集目标建筑详细几何尺寸、空间布局信息以及目标建筑内布置的加速度监测仪记录的历史加速度响应； 步骤二、建立物理一致神经网络： 所述的物理一致神经网络与悬臂分层Timoshenko梁理论一致，由一个输入层、一个输出层和n个隐藏层组成，其中n对应于悬臂分层Timoshenko梁模型中的层数；所述的物理一致神经网络的参数与Timoshenko模型的参数相关，其输入和输出分别是建筑顶层和底层的水平方向加速度响应对应的傅里叶谱； 步骤三、构建网络训练数据集： 对步骤一收集的目标建筑内布置的加速度监测仪记录的历史加速度响应采用离散傅里叶变换求取各频率成分的幅值； 步骤四、开展物理一致神经网络训练： 用于指导网络训练的损失函数由数据损失和物理约束损失组成；数据损失定义如下： 其中，和分别表示观测和预测的非顶层的加速度响应傅里叶谱中的第s个元素；M表示这些傅里叶谱中的元素总数；R·和Ι·分别表示实部和虚部运算； 物理约束损失定义如下： 其中，和Rmin分别表示剪切波速度VS,j和模量比Rj搜索空间的下限；ReLU·表示修正线性单元函数； 最终损失函数为： Lall＝λ1×LPC+λ2×Ldata公式29 其中，λ1和λ2是权重因子； 步骤五、获取反演的结构参数： 由于物理一致神经网络PCNN的参数权重与剪切波速VS和模量比R相关，当PCNN训练完成时，通过网络参数从而得到Timoshenko梁模型各层的剪切波速VS和模量比R。

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哈尔滨工业大学，其通讯地址为：150006 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。