贵州大学周鹏获国家专利权
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!
龙图腾网获悉贵州大学申请的专利基于多模态信号处理与贝叶斯优化DSCN的CFRP机翼蒙皮损伤定位系统及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:CN120705714B 。
龙图腾网通过国家知识产权局官网在2025-11-28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:202511194693.7,技术领域涉及:G06F18/2415;该发明授权基于多模态信号处理与贝叶斯优化DSCN的CFRP机翼蒙皮损伤定位系统及方法是由周鹏;吴胜富;周建熹;张昌福;杨冰;张羽设计研发完成,并于2025-08-26向国家知识产权局提交的专利申请。
本基于多模态信号处理与贝叶斯优化DSCN的CFRP机翼蒙皮损伤定位系统及方法在说明书摘要公布了:本发明涉及材料无损检测技术领域,尤其涉及基于多模态信号处理与贝叶斯优化DSCN的CFRP机翼蒙皮损伤定位系统及方法,方法包括:对传感器接收信号数据集进行排列熵分析和Higuchi分形维数分析;对偏离基准的传感器接收信号数据集进行时频特征提取;对有效时间段信号数据进行损伤特征筛选;对DSCN结构进行训练,得到初始CFRP机翼蒙皮损伤定位预测模型;根据贝叶斯算法对初始CFRP机翼蒙皮损伤定位预测模型进行超参数优化;根据最终CFRP机翼蒙皮损伤定位预测模型对待测样本进行损伤定位预测,得到对应的CFRP机翼蒙皮损伤定位结果。本发明能够准确高效地从复杂信号中提取有效损伤特征,显著提升了CFRP机翼蒙皮损伤定位的精度和效率。
本发明授权基于多模态信号处理与贝叶斯优化DSCN的CFRP机翼蒙皮损伤定位系统及方法在权利要求书中公布了:1.基于多模态信号处理与贝叶斯优化DSCN的CFRP机翼蒙皮损伤定位方法,其特征在于:包括以下步骤: S1、在CFRP机翼蒙皮的数值仿真实验中,建立机翼蒙皮无损伤模型,并在该机翼蒙皮无损伤模型的多个空间坐标上设定CFRP机翼蒙皮损伤位置,并根据所述CFRP机翼蒙皮损伤位置获取对应的Lamb波时域信号数据,并根据Lamb波时域信号数据得到对应的传感器接收信号数据集; S2、基于预设双指标传感器信号筛选策略对传感器接收信号数据集进行排列熵分析和Higuchi分形维数分析,得到偏离基准的传感器接收信号数据集; S3、对偏离基准的传感器接收信号数据集进行时频特征提取,得到有效时间段信号数据; S4、基于函数型主成分分析策略对有效时间段信号数据进行损伤特征筛选,得到损伤特征筛选结果; S5、根据损伤特征筛选结果对DSCN结构进行训练,得到初始CFRP机翼蒙皮损伤定位预测模型; S6、根据贝叶斯算法对初始CFRP机翼蒙皮损伤定位预测模型进行超参数优化,得到最终CFRP机翼蒙皮损伤定位预测模型; S7、根据最终CFRP机翼蒙皮损伤定位预测模型对待测样本进行损伤定位预测,得到对应的CFRP机翼蒙皮损伤定位结果; 所述S2包括以下步骤: S21、根据预设双指标传感器信号筛选策略中的排列熵分析算法分别对传感器接收信号数据集中的无损伤状态数据集和损伤状态数据集进行排列熵分析,得到各传感器在CFRP机翼蒙皮无损伤状态和CFRP机翼蒙皮损伤状态下的排列熵值,其中,所述排列熵值的数学表达式为: ,表示第i种排列模式出现的概率,表示嵌入维度,表示嵌入维度的阶乘; S22、根据预设双指标传感器信号筛选策略中的Higuchi分形维数算法分别对无损伤状态数据集和损伤状态数据集进行Higuchi分形维数分析,得到各传感器在CFRP机翼蒙皮无损伤状态和CFRP机翼蒙皮损伤状态下的Higuchi分形维数值; S23、将所述排列熵值和所述Higuchi分形维数值进行整合,得到双指标特征矩阵; S24、根据无损伤状态数据集设定各个传感器的排列熵变化基准和Higuchi分形维数变化基准,并根据各传感器在CFRP机翼蒙皮损伤状态下的排列熵值和Higuchi分形维数值确定对应的排列熵变化率和Higuchi分形维数变化率; S25、根据排列熵变化基准和Higuchi分形维数变化基准对双指标特征矩阵进行联合分析,得到符合预设敏感传感器条件的候选敏感传感器列表,所述预设敏感传感器条件包括排列熵变化率超出排列熵变化基准,或者Higuchi分形维数变化率超出Higuchi分形维数变化基准; S26、将候选敏感传感器列表中每个候选敏感传感器对应的传感器接收信号添加至偏离基准的传感器接收信号数据集中。
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贵州大学,其通讯地址为:550004 贵州省贵阳市花溪区甲秀南路贵州大学西校区;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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励