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！

龙图腾网获悉中建八局第一建设有限公司申请的专利一种基于深度学习的网架施工传感器优化布置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：CN118410714B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202410628525.3，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的网架施工传感器优化布置方法是由张龙海;孙宇;曹金辉;李伟;庄新龙;李宝弟;贾利刚;李垚;王冉设计研发完成，并于2024-05-21向国家知识产权局提交的专利申请。

本一种基于深度学习的网架施工传感器优化布置方法在说明书摘要公布了：本发明公开了一种基于深度学习的网架施工传感器优化布置方法，属于传感器优化布置技术领域，技术方案为，包括，以钢网架的结构形态信息和受力信息为输出参数，以传感器的布置位置信息为输出参数，构建数据库；将钢网架结构信息与钢网架受力信息连接作为输入层参数，将传统传感器优化布置位置信息作为输出层参数，搭建深度神经网络进行数据训练；将目标钢网架的节点信息和受力信息输入训练好的深度神经网络中，得到具体的传感器空间位置优化信息。本发明的有益效果为：本发明采用数据驱动的深度学习方法进行传感器优化布置设计，并采用非线性的相关性判定方法去除冗余传感器，以最大程度提高设计效率并降低经济成本。

本发明授权一种基于深度学习的网架施工传感器优化布置方法在权利要求书中公布了：1.一种基于深度学习的网架施工传感器优化布置方法，其特征在于，包括， 以钢网架的结构形态信息和受力信息为输出参数，以传感器的布置位置信息为输出参数，构建数据库； 将钢网架结构信息与钢网架受力信息连接作为输入层参数，将传统传感器优化布置位置信息作为输出层参数，搭建深度神经网络进行数据训练； 将目标钢网架的节点信息和受力信息输入训练好的深度神经网络中，得到具体的传感器空间位置优化信息； 还包括采用HSIC的非线性相关性识别方法，借助数值模拟软件模拟传感器空间位置优化信息获取情况，使用HSIC方法去除信息高度相似的冗余传感器； HSIC方法去除信息高度相似的冗余传感器，具体为： 当识别到两个高相关的传感器信息后，立即随机删除一个传感器； 重新对全局传感器信息进行HSIC计算； 不断迭代，直至全局传感器无高相关的情况； 搭建深度神经网络进行数据训练，包括， 将输入输出参数拉伸为一维矩阵并与受力信息一维矩阵拼接作为整体特征； 采用堆叠降噪自编码器对拼接后的数据进行降维，将不同样本下的数据大小进行统一； 将降维后的钢网架结构信息与钢网架受力信息连接作为输入层参数，将降维后的传统传感器优化布置位置信息作为输出层参数，搭建深度神经网络进行数据训练； 深度神经网络中： 输入层节点数设计为36个，输出层节点数设计为18个； 构建隐藏层层数为10层的神经网络模型，各层单元数目为［25，20，18，15，15，15，15，20，15，8］； 激活函数选取ReLU函数，其值域为0到无限大，包含了输入输出数据的值域； 损失函数测量的是预测值与真实值之间的差异，选择相同形状矩阵之间的欧氏距离作为损失变量； 优化器选择随机梯度下降，设置学习率为0.001，迭代次数为1600次，并对神经网络输入验证集数据的预测结果取四舍五入为最终预测值； 在建模软件中构建不同类型、不同尺寸的钢网架实体结构并导出，获取模型中节点处的相对位置坐标作为钢网架的结构形态信息； 通过abaqus数值模拟获取钢网架的抬升过程中的主要受力点，将主要受力点作为受力信息。

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中建八局第一建设有限公司，其通讯地址为：250100 山东省济南市历下区工业南路89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。