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！

龙图腾网获悉湖南科技大学;贵州赣兴煤业有限公司;江西省投资集团有限公司申请的专利基于自适应小波包分解与深度学习的锚杆锚索无损检测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：CN120629376B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510571370.9，技术领域涉及：G01N29/44；该发明授权基于自适应小波包分解与深度学习的锚杆锚索无损检测法是由吴强;张保泉;顾军;吴海;孙阳;甘海龙;徐诚军;杜彬设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本基于自适应小波包分解与深度学习的锚杆锚索无损检测法在说明书摘要公布了：本发明属于岩土工程无损检测技术领域，具体涉及基于自适应小波包分解与深度学习的锚杆锚索无损检测法，尤其适用于复杂工况下的多缺陷识别与高精度定位。该方法通过激励锚杆锚索，采集锚杆锚索的应力波信号，对信号进行预处理，使用动态优化小波基与分解层数，实现信号的高分辨率时频分析，并且结合时频图卷积神经网络与多源特征融合，显著提升复杂噪声环境下的缺陷检测精度，同时还支持钢质、GFRP等多种材质的自适应检测，具备工程推广应用价值。

本发明授权基于自适应小波包分解与深度学习的锚杆锚索无损检测法在权利要求书中公布了：1.基于自适应小波包分解与深度学习的锚杆锚索无损检测法，其特征在于，包括以下步骤： S1.采集锚杆、锚索的应力波信号并进行预处理，预处理包括去趋势、带通滤波、归一化与触发对齐；其中，带通滤波截止频率fL＝100Hz、fH＝10kHz； S2.动态选择小波基函数并优化分解层数，对预处理后的信号进行小波包分解，生成多子频带时频矩阵； S3.将多子频带时频矩阵转换为灰度图像，输入预训练卷积神经网络提取深度特征； S4.融合时域统计特征、频域能量特征及深度特征，通过分类器输出缺陷类型与位置； 步骤S2中所述优化分解层数具体为：通过最大化子频带Shannon熵实现，迭代计算分解层数L＝3至L＝6的熵值，选择熵最大的层数；所述生成多子频带时频矩阵具体为：将分解后的2L个子频带按频率升序排列，构建多子频带时频矩阵，其中N1为采样点数； 步骤S3中提取的深度特征为卷积神经网络输出的缺陷概率P＝[p0，p1，p2]，其中p0，p1，p2分别对应“无缺陷”、“浅层缺陷”、“深层缺陷”的缺陷概率； 步骤S4中所述时域统计特征为峰度K、波形因子Fw，所述频域能量特征为子带能量比Re，其中峰度K用于描述信号的峰值特征，波形因子Fw反映信号的波形形状，子带能量比Re体现不同频率子带的能量分布情况；所述融合时域统计特征、频域能量特征及深度特征具体为：联合时域统计特征、频域能量特征及深度特征，构建特征向量V＝[K，Fw，Re，p0，p1，p2]；缺陷位置其中为应力波速，E为锚杆锚索材料的弹性模量，ρ为材料密度，Δt由小波包节点能量峰值时差确定。

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湖南科技大学;贵州赣兴煤业有限公司;江西省投资集团有限公司，其通讯地址为：411100 湖南省湘潭市雨湖区桃园路；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。