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！

龙图腾网获悉华南理工大学申请的专利一种基于预训练的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：CN118171046B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202410398238.8，技术领域涉及：G06F18/10；该发明授权一种基于预训练的桥梁损伤识别方法是由董守斌;刘俊;周立成;刘泽佳;汤立群设计研发完成，并于2024-04-03向国家知识产权局提交的专利申请。

本一种基于预训练的桥梁损伤识别方法在说明书摘要公布了：本发明公开了一种基于预训练的桥梁损伤识别方法，包括：获取桥梁传感器系统采集的振动响应数据以及温度变化数据并进行预处理；将预处理后的数据通过滑动窗口生成样本，并划分模型训练数据和待预测数据；构建预训练神经网络模型，使用模型训练数据进行预训练；使用预训练的最优模型的编码器作为编码层，使用模型训练数据进一步训练；将待预测数据输入到已完成训练的模型中，输出桥梁损伤识别的结果。本发明对Transformer进行改进，结合环境温度变化挖掘桥梁固有的结构信息，使模型对桥梁损伤更加敏感，利用两阶段注意力机制提高模型对响应时空间特征的挖掘能力。本发明具备更高的准确度和良好的泛化能力，可有效降低人工成本。

本发明授权一种基于预训练的桥梁损伤识别方法在权利要求书中公布了：1.一种基于预训练的桥梁损伤识别方法，其特征在于，包括以下步骤： 步骤1、获取桥梁传感器系统采集的振动响应数据和温度变化数据，并对数据进行异常值和零-均值标准化处理，将处理后的数据通过滑动窗口进行样本的提取，生成模型输入数据，并将其分为模型训练数据和待预测数据； 步骤2、构建预训练神经网络模型，使用模型训练数据进行预训练；设计的预训练神经网络模型是在Transformer网络的基础上进行改进，包含编码器和解码器，引入两阶段注意力机制和特征交流模块来提高模型对振动响应数据的编码能力；将模型训练数据中的振动响应数据进行随机掩码，在预训练过程中实现对掩码部分的重建；将随机掩码后的振动响应数据和温度变化数据输入到预训练神经网络模型，通过两阶段注意力机制提取振动响应数据的特征信息，称为第一特征信息，通过多头注意力机制提取温度变化数据的特征信息，称为第二特征信息，再通过特征交流模块进行第一、二特征信息的交流得到交流后的融合特征信息；将融合特征信息经过并列的两个线性变换层得到新的对振动响应数据和温度变化数据的编码输入到编码器的下一层；再将编码器得到的振动响应编码输入解码器获得重建后的振动响应数据；在训练过程中，使用MSE计算重建后的振动响应数据和原始振动响应数据的损失值，经过多次迭代至损失值最小得到最优网络模型； 所述编码器包含k层，每一层包含一个合并层、一个两阶段注意力层、一个多头注意力层、一个交互层和两个线性层；所述解码器包含k+1层，每层构成与编码器相似，包含有合并层、两阶段注意力层、多头注意力层、交互层和线性层；将掩码重建作为预训练任务，对于样本的每条传感器响应序列进行独立的掩码，方法是以固定的掩码比例对每条传感器响应序列进行掩码，掩码部分的数据置为0，然后预训练过程将掩码后的传感器响应序列进行重建，尝试将掩码部分还原，还原越接近原始响应，则说明预训练的效果越好； 步骤3、针对桥梁损伤识别任务的进一步训练，使用经过预训练的最优网络模型的编码器作为编码层，其后使用卷积长短期记忆网络作为时空间特征挖掘层，使用全连接网络作为输出层；将模型训练数据中的振动响应数据输入编码层得到振动响应编码和温度编码，将其中的振动响应编码输入时空间特征挖掘层和输出层得到对桥梁损伤的识别标签，并利用MSE作为损失函数，经过迭代得到最优网络模型； 步骤4、将待预测数据输入到步骤3得到的最优网络模型中，输出桥梁损伤的识别结果，并将识别结果与桥梁相对应，完成对桥梁损伤位置和损伤程度的识别。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。