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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利一种基于轻量化卷积与注意力机制的声发射源定位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：CN120801528B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511299393.5，技术领域涉及：G01N29/14；该发明授权一种基于轻量化卷积与注意力机制的声发射源定位方法是由姜劭栋;夏文豪;陈英男;赵强;张发祥设计研发完成，并于2025-09-12向国家知识产权局提交的专利申请。

本一种基于轻量化卷积与注意力机制的声发射源定位方法在说明书摘要公布了：本发明涉及声发射损伤检测技术领域，特别是涉及一种基于轻量化卷积与注意力机制的声发射源定位方法，本方法以四通道连续小波图像CWT作为输入，DSConv模块将标准卷积分解为逐通道卷积与逐点卷积，有效降低网络参数量和计算开销；注意力模块通过通道和空间注意力联合自适应调整特征权重，突出关键时频特征并抑制冗余信息；四分支特征通过自适应加权融合整合多通道互补信息，提高信号表征能力；残差连接改善梯度传播，增强深层特征学习效率，从而实现轻量化、高精度的声发射源定位。

本发明授权一种基于轻量化卷积与注意力机制的声发射源定位方法在权利要求书中公布了：1.一种基于轻量化卷积与注意力机制的声发射源定位方法，其特征在于：包括如下步骤： 步骤1：利用声发射压电陶瓷传感器在钢板表面的采样网格点上采集声发射信号； 步骤2：对声发射信号进行连续小波变换处理，将声发射时间序列信号转化成时频域图像数据，并对图像作归一化处理； 步骤3：将图像数据和对应声发射源坐标整合成数据集，划分为训练集和测试集，搭建改进型四分支CNN网络AE-DSCBRNet模型并进行训练； 步骤4：输入测试集到训练好的网络模型中，得到声发射源位置的坐标，实现声发射源定位； 所述步骤3中，所述AE-DSCBRNet模型包括数据输入模块、特征提取模块、特征融合模块、输出模块； 数据输入模块包含四个输入分支，每个分支接收一个连续小波图像数据； 特征提取模块由两个连续的深度可分离卷积DSConv块、残差卷积块和最大池化层组成，其中，DSConv块对输入时频图像进行局部特征提取，深度卷积负责捕捉空间维度上的局部模式，逐点卷积随后对各通道特征进行线性组合，从而在显著降低参数量和计算量的同时保留输入图像的主要时频特征；残差卷积块对提取到的特征进行进一步学习，残差卷积块由两个连续的DSConv卷积层组成，并通过跳跃连接将输入与输出相加，实现低层细节与高层语义的融合，每次卷积操作后均配合批量归一化与ReLU激活函数，使特征分布更加稳定并增强网络的非线性表达能力；经过残差卷积块后，特征图再通过最大池化层进行空间压缩，从而保留主要结构信息并降低冗余； 特征融合模块首先将各分支输出的特征向量在特征维度上进行拼接，形成包含多源时频信息的整体特征表示；接着通过全连接层对拼接后的特征进行非线性映射以学习各分支特征的重要性权重，再利用Softmax归一化生成加权系数，每个分支特征向量乘以对应权重后求和，得到最终综合特征向量； 输出模块中，融合后的综合特征向量输入两层全连接网络，每层对输入特征向量进行加权组合和非线性映射，将高维特征逐步压缩为与声源坐标相关的低维表示； 每层之后均加入批量归一化操作，以保证不同批次图像特征分布的一致性；为避免信息在深层映射中逐渐衰减，第二个全连接层之后设置残差连接，将初始输入的图像特征与处理后的特征进行叠加，并通过ReLU激活函数得到最终的特征表示，用于预测声发射源坐标。

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齐鲁工业大学(山东省科学院)，其通讯地址为：250306 山东省济南市长清区大学路3501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。