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！

龙图腾网获悉山东科技大学;山东齐源勘察设计有限公司申请的专利基于人工智能的桥梁结构振动监测与分析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：CN121456383B 。

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：202610007500.0，技术领域涉及：G06F18/20；该发明授权基于人工智能的桥梁结构振动监测与分析方法是由马煜展;郭剑茹;李敏;黄昊;李雪;袁连旺;高雨萱;单景松设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本基于人工智能的桥梁结构振动监测与分析方法在说明书摘要公布了：本发明涉及一种基于人工智能的桥梁结构振动监测与分析方法，具体如下：在桥梁关键部位设置加速传感器网络，采集振动信号样本并进行标注，构成数据集；再计算样本自适应最优核时频分布的高分辨率时频矩阵，根据频谱峭度定位损伤敏感共振频带，经自适应增益增强的共振频带增强时频矩阵；接着对该矩阵频率轴多尺度二叉树划分，计算子频带平均能量并归一化，通过信息熵量化能量分布均匀性，拼接多尺度熵值成特征向量；然后构建并训练桥梁检测数据模型；最后将新数据经预处理后输入训练好的模型，自动分析得桥梁健康监测结果。本发明通过时频优化、多尺度熵和深度学习技术，可以克服传统监测噪声大、特征难提、自动化与准确性低的问题。

本发明授权基于人工智能的桥梁结构振动监测与分析方法在权利要求书中公布了：1.一种基于人工智能的桥梁结构振动监测与分析方法，其特征是，包括以下步骤： S1、在桥梁结构的关键部位布设高灵敏度加速传感器网络，采集桥梁的振动响应，得到振动信号样本，再对样本数据进行标注，标注桥梁健康状况的风险等级标签，构成有标注信息的数据集； 桥梁结构的关键部位包括跨中、支座和桥墩顶部； S2、计算数据集中原始振动信号样本的自适应最优核时频分布，得到高分辨率的时频矩阵，再通过频谱峭度定位对损伤敏感的共振频带，通过增强自适应增益抑制噪声和突出的关键分类特征，得到经过共振频带增强的时频矩阵； S3、对经过共振频带增强的时频矩阵的频率轴进行多尺度二叉树划分，计算各子频带的平均能量并归一化为概率分布，再通过计算信息熵来量化能量分布的均匀性，将所有尺度的熵值拼接成多尺度频带能量熵特征向量； S4、构建桥梁检测数据模型，模型包括双流深度特征提取网络和桥梁风险预测单元，通过双流深度特征提取网络提取特征，通过桥梁风险预测单元计算分类概率，然后计算总体损失函数，对模型进行训练，得到训练好的模型； 双流深度特征提取网络包括并行设置的时频图像流和物理特征流，通过时频图像流从经过共振频带增强的时频矩阵中学习局部到全局的时空模式，通过物理特征流深度挖掘多尺度能量熵及引入的外部环境因素所蕴含的物理先验知识，然后双流深度特征提取网络通过自适应特征融合模块将提取的特征进行交互与整合，得到增强融合特征向量； 双流深度特征提取网络的操作具体如下： 1时频图像流以经过共振频带增强的时频矩阵作为输入，将该输入视为单通道的时频图像，时频图像流采用预设的轻量化卷积神经网络结构，每层由一个多尺度扩张卷积组构成，该卷积组并行使用扩张率分别为1、2、4的卷积核，每一层捕捉不同尺度的时频局部相关性特征，将各组输出的不同尺度的特征进行拼接，经过融合与降维后的特征再依次经过批归一化和GELU激活函数，层间使用步长为2的最大池化进行下采样，然后将最后一层输出的特征图展平输出； 2物理特征流以多尺度频带能量熵特征向量作为输入，同时引入环境温度标量和交通荷载水平标量两个外部协变量作为输入，并通过特征增强层将两种输入进行非线性融合，生成经过融合增强的物理特征向量； 3设计门控注意力融合模块，整合来自时频图像流和物理特征流的异构特征，门控注意力融合模块动态学习两路特征的融合权重，进行自适应加权融合，得到双流融合特征向量； 4基于自注意力机制的瓶颈层对双流融合特征向量进行增强并降维，聚焦最具有判别性的信息，最终生成增强融合特征向量； S5、将新采集的数据经过步骤S2和S3的预处理后输入至训练好的模型中，对新采集的振动监测数据进行自动化分析，得到桥梁健康状态监测结果。

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山东科技大学;山东齐源勘察设计有限公司，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。