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！

龙图腾网获悉青岛市人防建筑设计研究院有限公司;青岛市即墨区发展和改革局申请的专利一种基于机器学习的建筑结构健康监测方法及系统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：CN121633273B 。

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：202610155504.3，技术领域涉及：G01N29/04；该发明授权一种基于机器学习的建筑结构健康监测方法及系统是由刘思习;袁伟;潘伟;崔萍;黄宇锋设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本一种基于机器学习的建筑结构健康监测方法及系统在说明书摘要公布了：本发明涉及一种基于机器学习的建筑结构健康监测方法及系统，具体如下：首先通过有限元仿真模拟构建目标建筑三维数值模型，生成仿真信号并注入高斯白噪声、调整模型参数以构成带健康类别标注的数据集；接着采用自适应小波降噪结合动态归一化进行数据增强，再经自适应窗短时傅里叶变换与自适应频带增强提取并强化高分辨率时频特征；随后构建融合结构物理先验引导与多尺度时空交互的神经网络模型，对特征矩阵调制、融合并编码得到精炼特征向量，实现损伤状态概率分布输出；并以特征一致性与预测平滑性正则化项约束模型训练，最终将训练好的模型部署，实现建筑结构健康状态评估与安全预警，提升监测准确性与可靠性，为建筑安全保障提供有效技术支撑。

本发明授权一种基于机器学习的建筑结构健康监测方法及系统在权利要求书中公布了：1.一种基于机器学习的建筑结构健康监测方法，其特征是，包括以下步骤： S1、采用有限元仿真模拟技术构建目标建筑的三维数值模型，通过三维数值模型模拟不同荷载工况下的动力响应，生成与真实采集情况对应的仿真信号，构成建筑健康监测数据； S2、向仿真信号注入高斯白噪声模拟仿真噪声，并调整三维数值模型参数生成不同类别仿真数据集，同时为每个样本标注健康类别，构成数据集； S3、对数据集中的数据采用自适应小波降噪结合动态归一化的双阶段预处理方法进行数据增强，生成增强后的数据； S4、采用自适应窗短时傅里叶变换结合自适应频带增强的两阶段方法，从增强后的数据中提取高分辨率时频特征，并强化与结构损伤相关的特征成分，生成增强时频特征矩阵； S5、通过融合结构物理先验引导与多尺度时空交互的神经网络模型，构建建筑结构健康分类模型，对增强时频特征矩阵进行结构物理先验引导的特征调制，再对调制结果进行多源特征融合与外部因素注入，生成混合特征向量，然后进行多尺度时空交互编码，得到精炼特征向量，再经过损伤模式分类输出损伤状态的概率分布； S5具体如下： S5.1、将数据集中所有健康状态样本的增强时频特征矩阵估计表征健康状态下时频能量典型分布的基准模态图谱，并结合调制强度系数对增强时频特征矩阵进行物理引导的注意力调制与偏差增强，生成融合健康基准先验知识的物理感知特征矩阵； S5.2、将物理感知特征矩阵展平为向量，并从降噪时域信号中提取一组时域统计与包络谱特征构成统计特征向量，同时引入外部环境因素特征向量，通过特征融合门控单元将三部分信息进行自适应加权融合得到混合特征向量； S5.3、采用多尺度时空交互块，通过并行的多膨胀率时间空洞卷积提取不同时间感受野特征，并与自适应特征通道交互建模的特征通道间关系进行交互调制，堆叠多个该模块后输出精炼特征向量； 其中，第一个多尺度时空交互块的输入为混合特征向量，上一个多尺度时空交互块的输出作为下一个多尺度时空交互块输入； S5.4、将精炼特征向量通过全连接层映射到对应于不同结构健康状态的未归一化分数，并采用融合自适应温度缩放与类别先验权重的Softmax函数得到最终分类概率分布； S6、基于特征一致性与预测平滑性的正则化项约束建筑结构健康分类模型学习过程，计算模型的总损失函数，再基于损失函数对模型进行训练； S7、将训练好的建筑结构健康分类模型部署到实际的建筑结构健康监测中，对建筑结构健康状态进行评估与安全预警。

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青岛市人防建筑设计研究院有限公司;青岛市即墨区发展和改革局，其通讯地址为：266100 山东省青岛市崂山区苗岭路36号2号楼18、19层；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。