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！

龙图腾网获悉广东工业大学申请的专利一种基于机器学习的隔振沟减振效果模拟与增强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：CN121302500B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511458052.8，技术领域涉及：G06F30/13；该发明授权一种基于机器学习的隔振沟减振效果模拟与增强方法是由邹超;赵悦;唐雅琪;杨丽珍;廖志泓;聂楠;刘向明;姜朔;何玲姗;张文设计研发完成，并于2025-10-13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隔振沟减振效果模拟与增强方法在说明书摘要公布了：本发明公开了一种基于机器学习的隔振沟减振效果模拟与增强方法，包括如下步骤：步骤一：采集扰动源的时域振动信号、地质参数以及隔振沟结构参数；步骤二：采用边缘窗调制的改进型Symlet小波函数对时域振动信号进行连续小波变换，生成能量谱图；步骤三：构建频谱图结构；步骤四：构建频域迁移图神经网络模型，输出频率节点特征；步骤五：引入时变频谱吸收机制，输出更新后的频率节点特征；步骤六：构建联合图结构；步骤七：在联合图结构中引入频段残差屏蔽机制，对隔振沟结构参数进行迭代演化，获取最优隔振沟设计参数。本发明融合改进型Symlet小波函数与频域迁移图神经网络模型，精准模拟隔振响应并智能优化结构参数。

本发明授权一种基于机器学习的隔振沟减振效果模拟与增强方法在权利要求书中公布了：1.一种基于机器学习的隔振沟减振效果模拟与增强方法，其特征在于，包括如下步骤： 步骤一：采集扰动源的时域振动信号、地质参数以及隔振沟结构参数； 步骤二：采用边缘窗调制的改进型Symlet小波函数对所述时域振动信号进行连续小波变换，生成能量谱图，所述能量谱图以频率为横轴，以时间为纵轴； 所述采用边缘窗调制的改进型Symlet小波函数对所述时域振动信号进行连续小波变换，具体为： 在原始Symlet小波函数的时间定义域中设定起始边界区间和终止边界区间，并设定每个边界区间长度为所述时间定义域总长度的10%至20%； 对于所述起始边界区间内的任一时间点，计算当前时间点与起始时间点之间的时间差；对于所述终止边界区间内的任一时间点，计算终止时间点与当前时间点之间的时间差；计算所述时间差与对应边界区间长度的比例值，并用1减去所述比例值的平方生成加权系数； 将所述加权系数与原始Symlet小波函数在当前时间点的取值相乘，得到经衰减处理后的Symlet小波函数值； 分别对起始边界区间和终止边界区间进行衰减处理，并将衰减处理后的起始边界区间和终止边界区间，与原始Symlet小波函数的中间未调制段拼接，形成完整的改进型Symlet小波函数； 采用改进型Symlet小波函数对所述时域振动信号进行连续小波变换，生成以频率为横轴、时间为纵轴的能量谱图； 步骤三：将所述能量谱图的频率轴划分为多个不重叠的频带，依据所述频带构建频谱图结构，其中每一频带对应一个频率节点，各频率节点间根据能量耦合关系建立边连接与边权重； 步骤四：构建频域迁移图神经网络模型，通过频段注意力图卷积层生成中间特征向量，并在每一频率节点中引入由地质参数控制的调制因子，输出频率节点特征，所述频域迁移图神经网络模型具体包括频谱图输入层、频段注意力图卷积层、地质调制融合层和频率节点特征输出层； 步骤五：对所述频率节点特征引入时变频谱吸收机制，将不同时间步下的频率响应特征进行非线性融合，输出更新后的频率节点特征； 步骤六：根据更新后的频率节点特征与隔振沟结构参数，构建联合图结构； 步骤七：设定目标减振频带，在所述联合图结构中引入频段残差屏蔽机制，通过贝叶斯优化算法对隔振沟结构参数进行迭代演化，获取最优隔振沟设计参数。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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。