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！

龙图腾网获悉云基智慧工程股份有限公司;东南大学;大连理工大学申请的专利一种参数自适应调节的结构监测异常数据的识别方法及装置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：CN116188860B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310169332.1，技术领域涉及：G06V10/764；该发明授权一种参数自适应调节的结构监测异常数据的识别方法及装置是由许烈平;王智文;朱建斌;张洪铭;曲春绪;伊廷华设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本一种参数自适应调节的结构监测异常数据的识别方法及装置在说明书摘要公布了：本发明属于工程结构监测数据分析技术领域，提出一种参数自适应调节的结构监测异常数据的识别方法及装置。对桥梁监测数据进行时域转换，转换为图像。根据图像的轮廓特征，将桥梁监测数据分类。然后采取迁移学习的方法，选取预训练模型对分类好的桥梁监测数据进行训练。在数据训练过程中，进行参数自适应稳定收敛判断。若符合稳定收敛判别条件，则可终止多次迁移学习，参数完成最佳配置，模型获得最好的识别性能，对各类别图像识别准确率达到最佳。本发明可以在不对参数进行精细调节的情况下，使得迁移学习参数配置达到最佳。可以大大减少时间及人工成本，同时使得预训练模型达到最佳性能，对数据识别获得更好的识别准确率。

本发明授权一种参数自适应调节的结构监测异常数据的识别方法及装置在权利要求书中公布了：1.一种参数自适应调节的结构监测异常数据的识别方法，其特征在于，首先将桥梁监测原始数据时域转换为图像；根据转换后的图像轮廓特征，将桥梁监测数据分类；采取迁移学习方法，选取预训练模型对分类后的桥梁监测数据进行训练；在数据训练过程中，进行参数自适应稳定收敛判断，当符合稳定收敛判别条件时，终止多次迁移学习，参数完成最佳配置，预训练模型获得最好的识别性能，对各类别图像识别准确率达到最佳； 具体包括步骤如下： 步骤一：图像转换； 桥梁上布设的加速度传感器的采样频率为f=Hz，每秒采集次数据，每小时采集该桥梁数据点加速度3600*次；以时间为横坐标，以该采集时间点的加速度数值为纵坐标，利用Matlab将该加速度传感器一小时采集到的各数据点依次连接绘制成一张二维图像，该图像的轮廓特征代表了一小时内加速度数据的主要特征； 步骤二：图像分类； 根据图像轮廓特征，将桥梁监测数据划分为正常、漂移、局部增益、缺失、噪声、跳点6种数据类别； 步骤三：采取迁移学习利用预训练模型对步骤二分类后的桥梁监测数据集进行训练； 3.1首次迁移学习 调整预训练模型Resnet50，设置一个新的全连接层及分类层，将新的全连接层的内部参数InputSize和新的分类层的内部参数OutputSize均设置为d；利用预训练模型Resnet50的权重对预训练模型进行初始化；输入步骤二分类后的桥梁监测数据集对预训练模型进行训练，训练后保留获得的权重； 3.2第二次迁移学习 利用第一次训练预训练模型获得的权重，对经过步骤3.1获得的网络模型再次进行初始化；输入步骤二分类后的桥梁监测数据集对步骤3.1获得的网络模型进行二次训练，训练后保留该网络模型的权重； 3.3第N次迁移学习 N-1轮获得权重，对网络模型进行初始化；输入步骤二分类后的桥梁监测数据集，对上一次迁移学习获得的网络模型进行第N次训练；通过第N次验证集的准确率曲线及N次迁移学习的测试集验证准确率曲线进行判定； 所述步骤3.3中判定的步骤如下： 3.3.1数据点拟合； 采取四次多项式对验证准确率的离散点进行拟合； 3.3.2曲线最优点寻找； 在多次迁移学习的测试集验证准确率曲线上寻找最优点S，找到S点停止迁移学习； 所述S点符合以下特征：多次迁移学习的测试集验证准确率曲线的峰值位于迁移学习次数[m,n]范围内，n点过后验证集准确率出现下降趋势；S点迁移次数位于[m,n]范围内，此范围内任意两点连线的斜率近似为零；S点离多次迁移学习的测试集验证准确率曲线最为接近。

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云基智慧工程股份有限公司;东南大学;大连理工大学，其通讯地址为：518000 广东省深圳市福田区梅坳一路268号深燃大厦6楼601；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。