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！

龙图腾网获悉安徽省交通规划设计研究总院股份有限公司;公路交通节能与环保技术及装备交通运输行业研发中心申请的专利一种基于神经网络的重车过桥监测与诱导的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：CN115906234B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211272860.1，技术领域涉及：G06F30/13；该发明授权一种基于神经网络的重车过桥监测与诱导的方法是由杜赛赛;梁柱;沈国栋;杨晓明;席进设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本一种基于神经网络的重车过桥监测与诱导的方法在说明书摘要公布了：本发明公开了一种基于神经网络的重车过桥监测与诱导的方法，基于桥梁健康状态实时监测数据，对数据进行处理，构建数据输入矩阵，然后利用神经网络模式识别算法，进行重车过桥监测，再根据监测结果并结合公路桥梁应急管理方案，按照诱导信息发布流程进行发布，同时对桥梁状态进行实时监测，评估诱导效果，最后将结果反馈更新至应急知识库。本发明解决重车通行或桥面发生拥堵时可能对桥梁结构或者设备产生损伤的问题，通过创新ATCDI_BPNN优化模型，实现对公路重车通行监测，根据重车的监测分类结果，形成并发布合理诱导方案，及时诱导桥面交通、减少重车累积时间，减轻因重车累积荷载对桥梁或设备产生的损害，从而保障桥梁结构的安全。

本发明授权一种基于神经网络的重车过桥监测与诱导的方法在权利要求书中公布了：1.一种基于神经网络的重车过桥监测与诱导的方法，其特征在于：基于桥梁健康状态实时监测数据，对数据进行处理，构建数据输入矩阵，然后利用神经网络模式识别算法，进行重车过桥监测，再根据监测结果并结合公路桥梁应急管理方案，按照诱导信息发布流程进行发布，同时对桥梁状态进行实时监测，评估诱导效果，最后将结果反馈更新至应急知识库； 所述桥梁健康状态实时监测数据的监测项是：桥梁位移信息Swyt、桥梁竖向挠度信息Sndt、桥梁加速度信息Sjsdt、构件健康度信息Sgjt、桥梁健康度信息Sqlt、桥梁的车流量信息Sclt； 所述神经网络模式识别算法，其算法过程是： a对桥梁加速度时域信息Sjsdt进行快速傅里叶变换，获取桥梁加速度信息频域数据Sjsdf； b使用中位值平均滤波法对桥梁位移信息Swyt、桥梁竖向挠度信息Sndt、构件健康度信息Sgjt、桥梁健康度信息Sqlt、桥梁的车流量信息Sclt进行处理，获取监测信息平均值； c对数据进行归一化处理，得到归一化数据,构建矩阵，并输入神经网络进行模式分类； d优化BPNN算法，提出ATCDI_BPNN参数校正算法对BPNN算法参数校正，对BP神经网络初始权值和阈值，即输入层与隐藏层的权值w1和隐藏层阈值b1，隐藏层与输出层的权值w2和输出层阈值b2，通过ATCDI_BPNN参数校正算法模型修正，得到最佳的初始权值和阈值：输入层与隐藏层的权值w1*和隐藏层阈值b1*，隐藏层与输出层的权值w2*和输出层阈值b2*； e将最优初始权值和阈值：输入层与隐藏层的权值w1*和隐藏层阈值b1*，隐藏层与输出层的权值w2*和输出层阈值b2*，赋给BP神经网络进行模式分类，得到最终的监测分类结果； 所述BPNN算法，由输入层、隐藏层、输出层组成；其信号前向传播，从输入层经过隐藏层，最后到达输出层；误差反向传播，从输出层到隐藏层，最后到输入层，依次调节隐藏层到输出层的权重和阈值，输入层到隐藏层的权重和阈值； 对于模式识别问题，三层网络可以很好地解决问题，在三层网络中，隐藏层神经网络个数n2和输入层神经元个数n1之间有经验关系： 1 神经网络的隐藏层神经元的传递函数采用S型正切函数， 2 输出层神经元的传递函数采用S型对数函数，该函数输出模式为0-1，满足网络的输出要求 ； BPNN算法过程： a网络初始化，给各个连接权值分别赋一个区间-0.5,0.5内的随机数，设定误差为e，给定计算精度值和最大学习次数M b随机选取第K个输入样本及对应的期望输出： ； 5 c计算隐藏层各个神经元的输入和输出 6 7 8 9 d利用网络期望输出和实际输出，计算误差函数对输出层各神经元的偏导数 10 e利用输出层各个神经元的和隐藏层各个神经元的输出修正连接权值； 11 12 f利用隐藏层各神经元的和各个神经元的输入修正连接权； 13 14 g计算全局误差 15 h判断网络误差是否满足要求，当误差达到预设精度或学习次数大于设定的最大次数，则结束算法，否则，选择下一个学习样本及对应的期望输出，返回c,进入下一轮学习； ATCDI_BPNN优化算法，其优化过程是： a构建网络拓扑，采用三层网络进行模式识别，其中输入层按照所述监测项，为6个神经元，隐藏层按照公式1计算，为13个神经元，输出层1个神经元，即BP神经网络结构为6-13-1，给输入层与隐藏层连接权值w1、隐藏层阈值b1、隐藏层与输出层连接权值w2和输出层阈值b2分别赋一个区间-0.5,0.5内的随机数，设定误差为e，给定计算精度值和最大学习次数M； b种群初始化,根据a网络拓扑结构参数进行个体编码，使用二进制编码,每个个体均为一个二进制串，由输入层与隐藏层连接权值w1、隐藏层阈值b1、隐藏层与输出层连接权值w2、输出层阈值b2四部分组成,每个权值和阈值使用N位的二进制编码,将所有权值和阈值的编码连接起来即为个体的编码，设置种群规模为Q1，进化次数为M1次，交叉概率为p1，变异概率为p2； c适应度函数,用数据训练BP神经网络，利用公式15计算训练数据误差，并且把训练数据预测误差作为个体适应度值； d选择算子,采用随机遍历抽样； e交叉算子,在种群中选择两个个体，按一定概率交叉得到新个体； f变异算子,变异以一定概率产生变异基因数，用随机方法选出发生变异的基因，如果所选的基因的编码为1，则变为0；反之，则变为1； g判断进化是否结束，若否，则返回步骤c； h把g得到的最优初始权值和阈值：输入层与隐藏层的权值w1*和隐藏层阈值b1*，隐藏层与输出层的权值w2*和输出层阈值b2*赋予BP神经网络，获取最终监测分类结果。

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安徽省交通规划设计研究总院股份有限公司;公路交通节能与环保技术及装备交通运输行业研发中心，其通讯地址为：230088 安徽省合肥市高新区香樟大道180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。