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基于分级网络的结构健康监测突发事件异常数据诊断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：CN119445112B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411538065.1，技术领域涉及：G06V10/26；该发明授权基于分级网络的结构健康监测突发事件异常数据诊断方法是由鲍跃全;潘秋月设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本基于分级网络的结构健康监测突发事件异常数据诊断方法在说明书摘要公布了：基于分级网络的结构健康监测突发事件异常数据诊断方法，属于机器学习、健康监测技术领域，尤其涉及结构健康监测中突发事件的识别；解决了现有传感器监测数据分析技术所存在的无法准确区分突发事件数据与异常数据，以及忽视传感器数据之间的内部联系导致丢失被测对象的本质特征，进而无法准确识别出突发事件的问题；所述方法包括：将图像样本集输入突发事件与异常数据分类识别网络，获得突发事件与异常数据分类识别结果。所述的基于分级网络的结构健康监测突发事件异常数据诊断方法，适用于识别混合了各种异常数据类型的突发事件数据。

本发明授权基于分级网络的结构健康监测突发事件异常数据诊断方法在权利要求书中公布了：1.基于分级网络的结构健康监测突发事件异常数据诊断方法，其特征在于，所述方法包括以下步骤： S1，获取采集的来源于多个加速度传感器的结构的振动响应的原始连续数据； S2，采用滑动窗口对所述原始连续数据进行分割，获得多个时序样本； 将所有时序样本按照采样时间顺序排列，组成时间序列数据； S3，基于结构的振动特性，将每个时序样本在时域和频域中进行可视化，然后融合成复合图像，将所述复合图像作为与每个时序样本一一对应的图像样本； 所有图像样本组成图像样本集； S4，获取构建的突发事件与异常数据分类识别网络； 所述突发事件与异常数据分类识别网络包括注意力模块和分层分类头； 注意力模块分为：传感器注意力块、空间注意力块和通道注意力块，3个注意力块通过残差连接构成混合注意力块； 所述3个注意力块用于采用交替循环注意力方法，分别计算每个图像样本中沿传感器方向、空间方向以及通道方向的注意力参数，并通过残差网络，获得不同阶张量之间的注意力参数； 所述分层分类头用于结合各个层次信息的特征执行分层检测任务，以分类识别异常数据和突发事件； S5，将图像样本集输入突发事件与异常数据分类识别网络，获得突发事件与异常数据分类识别结果； S6，采用滑动窗口对突发事件分类识别结果进行判别，获得去除干扰后的突发事件分类识别结果； 所述步骤S4中，所述3个注意力块用于采用交替循环注意力方法，分别计算每个图像样本中沿传感器方向、空间方向以及通道方向的注意力参数，如下： 所述传感器注意力块，用于在固定空间和通道的阶数的情况下，沿传感器方向计算注意力参数； 所述空间注意力块，用于在固定传感器和通道的阶数的情况下，沿空间方向计算注意力参数； 所述通道注意力块，用于在固定传感器和空间的阶数的情况下，沿通道方向计算注意力参数； 所述传感器注意力块，用于在固定空间和通道的阶数的情况下，沿传感器方向计算注意力参数，如下： 其中，为LayerNorm层；是多个注意力头的索引；为每个注意力头的潜在维数；是像素点嵌入的维度；为注意力权重，通过点积相似度计算；表示第a个注意力头的键向量；表示传感器；表示通道；表示高度；表示宽度；分别为模型关于k、q、v的可学习参数；为前置网络层的输出；为第a个注意力头的query；为第a个注意力头的value；为第a个注意力头的注意力权重；T表示转置；为传感器的索引；为调整后的特征图； 所述空间注意力块，用于在固定传感器和通道的阶数的情况下，沿空间方向计算注意力参数，如下： 其中，为特定传感器s在高度h方向的key；表示特定传感器s在高度h；为特定传感器s在高度h方向的query；为特定传感器s在高度h方向的value；表示将张量的维度顺序转换成为W、H、C；为特定传感器s的key；S、C、H、W表示每个张量的维度，S为特定传感器，W为宽度，H为高度，C为通道；s、c、h、w表示注意力块中特征图张量的特定维度；分别为特定传感器s在宽度w方向的key、query、value； 所述通道注意力块，用于在固定传感器和空间的阶数的情况下，沿通道方向计算注意力参数，如下： 使用组卷积来实现不同通道之间的差异特征注意： 为通过通道平池化压缩后得到的张量；的权重仅通过考虑与其个邻居之间的相互作用来计算： 其中，是需要计算的通道的索引，是的支持集的第一个元素的索引；为第个通道的权重；为经过局部注意力后的权重；为中元素；k为相互作用的k个邻居；表示正整数； 通过MLP和非线性激活函数实现全局注意力： 对于每一个隐藏层，通道的权重计算如下： 其中，为经过全局注意力后的权重；为偏置项； 通过设置长距离残差连接将传感器注意块的第一个注意模块输入连接到通道注意块的最后一个注意模块的输出： 其中，为结果张量。

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：150001 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。