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！

龙图腾网获悉中国海洋大学申请的专利基于物理信息条件可逆网络的海上风电机导管架检测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：CN121388489B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511946368.1，技术领域涉及：G06F18/20；该发明授权基于物理信息条件可逆网络的海上风电机导管架检测方法是由房鑫;刘贵杰;刘海硕;王泓晖;胡伟飞设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本基于物理信息条件可逆网络的海上风电机导管架检测方法在说明书摘要公布了：本发明涉及海上风力发电机技术领域，特别是一种基于物理信息条件可逆网络的海上风电机导管架检测方法。该方法包括以下步骤：获取导管架结构模型的损伤因子训练数据；构建用于结构损伤识别的条件可逆神经网络模型；基于物理信息一致性，对条件可逆神经网络模型进行训练；将训练后的条件可逆神经网络模型应用于真实导管架结构的损伤检测，输出导管架结构的损伤位置和损伤程度。其能够快速且准确地检测得到导管架的损伤位置和损伤程度，并根据损伤结果及时地对支管架进行修补，有效地保证海上风力发电机全生命周期内的稳定运行。

本发明授权基于物理信息条件可逆网络的海上风电机导管架检测方法在权利要求书中公布了：1.一种基于物理信息条件可逆网络的海上风电机导管架检测方法，其特征在于，包括以下步骤： S1、获取导管架结构模型的损伤因子训练数据； S2、构建用于结构损伤识别的条件可逆神经网络模型； S3、基于物理信息一致性，对条件可逆神经网络模型进行训练； S4、将训练后的条件可逆神经网络模型应用于真实导管架结构的损伤检测，输出导管架结构的损伤位置和损伤程度； 步骤S2的实现过程如下所述： S2.1、数据的预加载和预处理： 读取条件可逆神经网络模型的训练数据，校验输入维度的一致性，利用标准化器来对损伤因子和模态响应特征参量进行尺度归一化处理； S2.2、设计可逆神经网络中可逆耦合层： 随机变量服从概率分布函数，该函数通过可逆且可微的变换函数f转换成另一个变量x，单一变换后的概率密度函数表示为： , 其中，为逆变换过程；为矩阵的行列式；为逆变换中的雅克比矩阵； 当存在多次变换步骤时，则总对数概率表示为每一步贡献值的累加： ， 其中，为基础分布的点，通过一系列逆变换过程转换成最终点； 将维输入变量分成具有维的和维的，对其中的一部分进行变化，另外的一部分则保持不变，其向前变化形式为： , 其中，为通过全连接神经网络参数化的缩放函数；为通过全连接神经网络参数化的平移函数；表示为逐个元素相乘；为输入向量经拆分后经过仿射变换的子分量；为输入向量经拆分后未经过仿射变换的子分量； 在正向传播过程中均保持不变，因此使得雅克比矩阵具有块三角结构： ， 其中，为单位矩阵；为对角矩阵，其对角元素为； 经过对数变换可得到用于简化雅克比矩阵计算复杂度的公式： ， 通过在模型训练过程中对缩放函数和平移函数参数值进行学习，随后被应用于逆方向的推理过程，通过和来实现原始输入变量的恢复过程： ， S2.3、条件网络构建： 在仿射耦合层单元中融入条件网络，通过向该条件网络中输入步骤S1输出的模态响应特征参量，自动提取相应的条件变量用于条件仿射耦合层单元中的双向变换，融合条件变量的正向变换过程为： , 融合条件变量的反向变换过程如下： , 其中，为前向训练过程中步骤S1得到的训练数据的特征因子，为后向推断时实际监测的导管架结构的模态响应数据的特征因子； 融合条件网络后变换所需的雅克比矩阵行列式表示为： 。

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国海洋大学，其通讯地址为：266000 山东省青岛市崂山区松岭路238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。