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！

龙图腾网获悉中交第一航务工程勘察设计院有限公司申请的专利基于深度学习的防波堤风机可靠性预警方法和装置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：CN121352521B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511912460.6，技术领域涉及：G06Q10/0635；该发明授权基于深度学习的防波堤风机可靠性预警方法和装置是由陈华;沈利辉;侯忠彬;张宏山;赵洪志;李宾善;丁之翔;邳青岭设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本基于深度学习的防波堤风机可靠性预警方法和装置在说明书摘要公布了：本申请公开了一种基于深度学习的防波堤风机可靠性预警方法和装置，涉及防波堤风险预警领域，该方法包括：获取防波堤风机基础结构的多源监测数据和未来预设时间窗的气象水文预报数据；基于多源监测数据提取基础结构特征参数，构建基础特征数据集；将基础特征数据集输入训练好的检测模型，以得到空间特征和时序特征，并基于空间特征和时序特征对风机基础结构进行可靠性状态评估，得到结构可靠性参数；检测模型包括依次连接的卷积神经网络和长短期记忆网络；根据结构可靠性参数和气象水文预报数据，通过时序深度学习算法构建风险演化模型，通过风险演化模型预测潜在风险演化趋势，生成风险预警结果。本申请提升了防波堤风机的风险预警准确度。

本发明授权基于深度学习的防波堤风机可靠性预警方法和装置在权利要求书中公布了：1.一种基于深度学习的防波堤风机可靠性预警方法，其特征在于，所述方法包括： 获取防波堤风机基础结构的多源监测数据和未来预设时间窗的气象水文预报数据； 基于所述多源监测数据提取基础结构特征参数，构建基础特征数据集； 将所述基础特征数据集输入训练好的检测模型，以得到空间特征和时序特征，并基于所述空间特征和时序特征对所述风机基础结构进行可靠性状态评估，得到结构可靠性参数；所述检测模型包括依次连接的卷积神经网络和长短期记忆网络；所述卷积神经网络用于提取各数据间的关联关系，输出空间特征；所述长短期记忆网络用于基于所述空间特征，动态捕捉损伤累积效应和荷载时序变化，得到时序特征； 根据所述结构可靠性参数和所述气象水文预报数据，通过时序深度学习算法构建风险演化模型，通过所述风险演化模型预测潜在风险演化趋势，生成风险预警结果； 其中，基于所述空间特征和时序特征，对所述风机基础结构进行可靠性状态评估，得到结构可靠性参数，包括： 基于所述空间特征、时序特征和基础特征数据集，对所述风机基础结构进行抗力与荷载效应建模，构建可靠性评估的基础力学关系；所述抗力是指风机基础结构抵御破坏的能力，所述荷载效应是指外部环境荷载对所述风机基础结构产生的作用；所述基础力学关系包括抗力均值和荷载效应均值； 将所述空间特征和注意力权重矩阵通过所述长短期记忆网络，输出损伤指数；所述注意力权重矩阵是通过注意力权重层为所述空间特征赋予差异化权重得到，所述注意力权重层位于所述卷积神经网络与所述长短期记忆网络之间； 获取传感器标定参数，基于所述抗力均值、传感器标定参数和荷载效应均值，计算时变可靠性指标； 将所述时变可靠性指标转换为预设区间失效概率的逆映射的标准正态分布累积函数，基于所述累积函数和所述损伤指数，计算所述结构可靠性指数； 根据所述结构可靠性参数和气象水文预报数据，通过时序深度学习算法构建风险演化模型，包括： 对所述结构可靠性指数与所述气象水文预报数据进行特征融合，得到多维时序输入矩阵； 采用滑动时间窗对所述多维时序输入矩阵进行切割，得到样本训练集合； 从所述样本训练集合中抽取训练样本，将所述训练样本输入GRU网络的门控层进行前向传播处理，得到最后时刻隐藏状态； 基于所述最后时刻隐藏状态通过输出层进行映射，得到未来预设时间窗内的结构可靠性指数预测值； 将所述气象水文预报数据的结构可靠性值作为真实目标值，根据所述结构可靠性预测值与真实目标值之间的差异构建损失函数； 利用优化器，按照所述损失函数通过反向传播算法更新所述GRU网络的参数，直至所述GRU网络收敛，得到所述风险演化模型。

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交第一航务工程勘察设计院有限公司，其通讯地址为：300222 天津市河西区大沽南路1472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。