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！

龙图腾网获悉四川大学;西南交通大学;中交公路长大桥建设国家工程研究中心有限公司申请的专利可实现损伤原位检测的智能板式橡胶支座及其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：CN116840347B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310579141.2，技术领域涉及：G01N29/04；该发明授权可实现损伤原位检测的智能板式橡胶支座及其识别方法是由曾一;陈腾盛;熊峰;徐源庆;邓开来;徐腾飞设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本可实现损伤原位检测的智能板式橡胶支座及其识别方法在说明书摘要公布了：本发明公开了一种可实现损伤原位检测的智能板式橡胶支座，包括从上到下依次设置的顶板、滑板、不锈钢冷轧钢板、中间钢板、橡胶板和底板，对所述顶板和底板上进行开槽处理，槽中用于放置传感器、激振器以及传感线；所述激振器通过传感线与外部的信号激励模块连接，所述传感器通过传感线与外部的信号采集模块连接，信号激励模块与信号采集模块与远程数据传输模块连接，将获取到的检测信号输入云端的信号处理模块进行处理，从而对支座的状态进行识别；本发明还公开了一种可实现损伤原位检测的智能板式橡胶支座的识别方法，本发明可以准确的识别支座的轴压，变形以及损伤状态。

本发明授权可实现损伤原位检测的智能板式橡胶支座及其识别方法在权利要求书中公布了：1.一种可实现损伤原位检测的智能板式橡胶支座的支座状态识别方法，其特征在于，所述的橡胶支座包括从上到下依次设置的顶板、滑板、不锈钢冷轧钢板、中间钢板、橡胶板和底板，对所述顶板和底板进行开槽处理，槽中用于放置传感器、激振器以及传感线；所述激振器通过传感线与外部的信号激励模块连接，所述传感器通过传感线与外部的信号采集模块连接，信号激励模块与信号采集模块与远程数据传输模块连接，将获取到的检测信号输入云端的信号处理模块进行处理，从而对支座的状态进行识别； 所述识别方法包括以下步骤： 步骤1、对支座进行标定正向检测实验，得到在不同状态下的检测信号，其中k,l,m,n分别代表支座的轴压，变形，剥离损伤和老化损伤的状态；检测信号的维度为[i,j,length]，其中i表示激振器的个数，j表示传感器的个数，length表示检测信号的长度； 步骤2、对不同状态下的检测信号进行傅里叶变化和小波变化，得到检测信号的幅值谱矩阵和小波时频图矩阵，其中幅值谱矩阵的维度为[i,j,F_length]，F_length为傅里叶变化时FFT的点数，小波时频图矩阵的维度为[i,j,num_wave,W_length]，其中num_wave代表小波包基的数量和频率范围； 步骤3、建立多输入多输出的两阶段深度学习网络预测模型DM，根据检测信号的状态对结构的损伤和正常使用状态进行识别，网络预测模型DM的输入为检测信号，幅值谱矩阵和小波时频图矩阵； 所述步骤3具体如下： 将检测信号和幅值谱矩阵两种向量进行合并，组成新的特征向量vector1，其维度为[i,j,length+F_length]；分别采用一维卷积神经网络和二维卷积神经网络对特征向量vector1和小波时频图矩阵进行处理，采用卷积，池化和全连接的操作将信号重新组合成新的融合特征向量vector2； 步骤4、采取多阶段的措施，对支座的状态进行识别，并且将识别的结果作为特征输入补充到对后续状态的识别中； 所述步骤4具体如下： 网络预测模型DM包括子模型SDM1、子模型SDM2、子模型SDM3、子模型SDM4和子模型SDM5，子模型SDM1为多维信号输入处理模块，将三类信号输入进行统一的处理，输出融合后的特征向量，其输入为检测信号，幅值谱矩阵和小波时频图矩阵，输出为特征向量vector2；子模型SDM2为支座剥离损伤识别模型，其输入为特征向量vector2，输出为支座的剥离损伤识别结果；子模型SDM3为支座的老化损伤识别模型，其输入为特征向量vector2和剥离损伤的识别结果，输出为支座的老化损伤识别结果；子模型SDM4为支座的变形识别模型，其输入为特征向量vector2，剥离损伤识别结果和老化损伤识别结果，输出为支座的剪切变形；子模型SDM5为支座的轴压识别模型，其输入为特征向量vector2，剥离损伤识别结果，老化损伤识别结果和变形识别结果，输出为支座的轴压识别结果。

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四川大学;西南交通大学;中交公路长大桥建设国家工程研究中心有限公司，其通讯地址为：610000 四川省成都市一环路南一段24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。