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！

龙图腾网获悉长安大学申请的专利一种基于物理信息分支卷积神经网络的结构损伤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：CN120449546B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202510467463.7，技术领域涉及：G06F30/23；该发明授权一种基于物理信息分支卷积神经网络的结构损伤识别方法是由宋学力;王艺霖;李荣鹏;易稳;杨帆;马潇;李新波;邓庆田;郑素佩设计研发完成，并于2025-04-15向国家知识产权局提交的专利申请。

本一种基于物理信息分支卷积神经网络的结构损伤识别方法在说明书摘要公布了：本发明提出了一种基于物理信息分支卷积神经网络的结构损伤识别方法，通过建立具有分支架构的物理信息分支卷积神经网络，分别单独提取特征频率向量和振型矩阵中的损伤特征，融合两种损伤特征后最终映射得到损伤识别结果，并且在网络训练时采用包含模态参数的灵敏度分析和损伤的空间稀疏性这两种物理信息的损失函数，将物理信息与神经网络结合，从而使得网络的训练不仅仅依赖有限的数据集，也得到了物理信息的帮助，提高了网络对有限数据集的利用效率，提升了网络在有限数据集下的损伤识别精度。

本发明授权一种基于物理信息分支卷积神经网络的结构损伤识别方法在权利要求书中公布了：1.一种基于物理信息分支卷积神经网络的结构损伤识别方法，其特征在于：包括以下步骤： 步骤1：建立待评估结构的有限元模型；利用所述有限元模型生成不同损伤状态的模态参数；根据所述模态参数生成用于训练物理信息分支卷积神经网络的训练样本； 利用所述有限元模型生成不同损伤状态的模态参数的过程为：通过设定有限元模型中不同单元的刚度折减值作为损伤参数，模拟不同单元不同程度的损伤，并利用有限元模型计算不同损伤状态下的模态参数；所述模态参数包括特征频率和振型； 对利用有限元模型计算得到的特征频率向量和振型矩阵中增加高斯随机噪声来模拟测量噪声，在由有限元模型中不同单元的损伤参数组成的损伤参数向量中加入高斯随机噪声来模拟有限元建模误差； 对增加高斯随机噪声的特征频率向量和振型矩阵进行最大最小归一化预处理，得到用于训练所述物理信息分支卷积神经网络的特征频率向量和振型矩阵； 步骤2：搭建物理信息分支卷积神经网络；所述物理信息分支卷积神经网络采用分支结构，对所述模态参数中的损伤特征分别进行提取，并融合各种损伤特征后映射得到损伤识别结果； 步骤3：利用步骤1得到的训练样本训练所述物理信息分支卷积神经网络，其中训练时采用的损失函数中包含了两种物理信息，分别是模态参数的灵敏度分析和损伤的空间稀疏性； 步骤4：获取待评估结构的实际模态参数，输入训练好的物理信息分支卷积神经网络中，得到结构损伤识别结果。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区南二环路中段；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。