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！

龙图腾网获悉大连交通大学申请的专利一种基于DS证据理论与神经网络的FSW焊接监测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：CN115846852B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202211592513.7，技术领域涉及：B23K20/12；该发明授权一种基于DS证据理论与神经网络的FSW焊接监测方法是由孙屹博;龙海威;朱建宁;杨鑫华;王云鹤设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种基于DS证据理论与神经网络的FSW焊接监测方法在说明书摘要公布了：本发明公开了一种基于DS证据理论与神经网络的FSW焊接监测方法，包括以下步骤：S1：建立声发射采集系统，采集声发射信号；S2：提取分析声发射信号，并制成数据集；S3：建立主干神经网络模型；S4：建立多任务分类网络结构；S5：结合DS证据理论，建立多任务学习判别指标；S6：对主干神经网络和多任务分类网络进行迭代，若评估结果达到最优条件或达到最大迭代次数，则停止训练并保存多任务分类网络权重，完成对FSW声发射焊接缺陷信号的识别与分类，本发明通过对声信号进行多种算法提取，利用DS证据理论与SoftMax层相结合，解决了多个单任务耗费训练成本的缺点，对缺陷部位进行识别分析，达到了准确定位缺陷位置和缺陷类型的目的，提高了识别效率。

本发明授权一种基于DS证据理论与神经网络的FSW焊接监测方法在权利要求书中公布了：1.一种基于DS证据理论与神经网络的FSW焊接监测方法，其特征在于，包括以下步骤： S1：建立声发射采集系统，采集声发射信号； S2：应用梅尔频谱、短时傅里叶和小波变换对声发射信号进行特征提取，并制成数据集； S3：输入S2中的数据集，建立主干神经网络模型； S4：输入S3中的结果，建立多任务分类网络结构； 多任务分类网络结构包括：第一层为全连接层，输出维度为200*160；第二层为一维卷积层，输出维度为100*80；第三层为一维卷积层，输出维度为50*20；第四层为池化层，输出维度为25*1；第五层为微调的SoftMax层，输出维度为5*1； 第五层微调的SoftMax层，将FSW焊接过程分为五类：噪声区、搅拌头下压区、搅拌头抬起区、正常焊接区和缺陷区，SoftMax分类原理表达式如下： ； 式中：P为概率；e为自然对数；为输出向量；为中第个类别的值；表示神经网络的多个输出或类别数；为中第个类别的值，表示当前需要计算的类别，计算结果在0到1之间，且所有类别的SoftMax值求和为1； S5：结合DS证据理论，建立多任务学习判别指标； DS证据理论定义表达式如下： ； 式中：为DS证据理论合成的结果；为短时傅里叶特征向量经过神经网络识别的概率分布；为梅尔频谱特征向量经过神经网络识别的概率分布；为小波变换特征向量经过神经网络识别的概率分布； 通过将DS证据理论输出结果与真值标签进行交叉熵函数计算，即多任务学习判别指标表达式如下： ； 式中：为交叉熵函数的损失函数值；为真值标签；为DS证据理论合成结果；是对应概率向量每个概率；表示焊接类别对应的概率向量； S6：对主干神经网络和多任务分类网络进行迭代，若评估结果达到最优条件或达到最大迭代次数，则停止训练并保存多任务分类网络权重，完成对FSW声发射焊接缺陷信号的识别与分类。

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大连交通大学，其通讯地址为：116000 辽宁省大连市沙河口区黄河路794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。