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！

龙图腾网恭喜华南理工大学申请的专利一种基于时空图卷积注意力的桥梁损伤识别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：CN113011763B 。

龙图腾网通过国家知识产权局官网在2024-09-17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：202110333722.9，技术领域涉及：G06F18/20；该发明授权一种基于时空图卷积注意力的桥梁损伤识别方法是由董守斌;林立明;周立成;汤立群;蒋震宇设计研发完成，并于2021-03-29向国家知识产权局提交的专利申请。

本一种基于时空图卷积注意力的桥梁损伤识别方法在说明书摘要公布了：本发明公开了一种基于时空图卷积注意力的桥梁损伤识别方法，包括步骤：1获取桥梁健康监测系统的应变数据，并进行异常值和零‑均值标准化预处理；2预处理后的应变数据通过滑窗的方法构建样本，并划分训练集和测试集；3构建时空图卷积注意力网络，并使用构建好的训练集进行训练；4将测试集输入到已训练好的时空图卷积注意力网络中，输出桥梁损伤识别的结果。本发明实现了图卷积层GCN和注意力机制首次在桥梁损伤识别领域的应用，相较与现有基于卷积神经网络CNN只能提取网格结构的方法，本发明适用于任意桥梁传感器空间建模，挖掘空间特征能力也更强，具有更高的准确性和良好的扩展性，能够有效减少人工检查成本，在桥梁健康监测领域具有广阔的应用前景。

本发明授权一种基于时空图卷积注意力的桥梁损伤识别方法在权利要求书中公布了：1.一种基于时空图卷积注意力的桥梁损伤识别方法，其特征在于，包括以下步骤：1获取桥梁健康监测系统的应变数据，并进行异常值和零-均值标准化预处理，过程如下：1.1使用3sigma原理对每种工况的数据进行异常值的处理，即某时刻应变数据与平均值的差的绝对值超过3倍的标准差，则认为该时刻的数据异常，并用平均值来代替；1.2对异常值进行处理后的应变数据进行零-均值标准化处理，经过处理后的应变数据均值为0，标准差为1，公式如下： 式中，x表示为原始应变数据，表示为原始应变数据的均值，σ为原始应变数据的标准差，x*表示经过零-均值标准化处理后的应变数据；2预处理后的应变数据通过滑窗的方法构建样本，并划分训练集和测试集，过程如下：2.1确定滑动窗口大小为T；2.2将每种损伤情况对应的应变数据截取成大小为T的多个样本，样本Xi表示如下： 其中，n代表应变传感器个数，上标i代表应变传感器编号，下标t表示应变数据所记录的时刻；2.3确定样本标签，将桥梁划分成m个单元，则标签为1，m的向量，当该时刻的单元没有损伤的时候，将向量对应的位置置为0，否则为其损伤程度大小；从构建的所有样本中随机选取80％的样本作为训练集，20％的样本作为测试集；3构建时空图卷积注意力网络，并使用构建好的训练集进行训练；所构建的时空图卷积注意力网络由一层图卷积层GCN、一层长短期记忆神经网络层LSTM、注意力机制层Attention和输出层F·所构成；所构建的时空图卷积注意力网络训练过程如下：3.1将样本构建成图结构的数据，n个应变传感器视为图的结点，根据传感器的位置关系构建其邻接矩阵A和特征矩阵X，其中A∈Rn*n，X∈Rn*T，R为实数，T为时间窗口大小，由邻接矩阵能够得到其度矩阵D；3.2对邻接矩阵A进行归一化处理，为了进行结点聚合的时候不仅考虑周围结点的特征，同时考虑自身的特征，给每个结点增加一个自循环连接，由此得到新的邻接矩阵和度矩阵其中I为大小一致的单位矩阵，接着计算得到归一化后的邻接矩阵3.3将归一化后的邻接矩阵和特征矩阵X输入到图卷积层GCN提取空间特征，得到图卷积层GCN的输出gcn_output，公式如下： 式中，θgcn表示图卷积层GCN能够训练的权重矩阵；3.4图卷积层GCN后面接着长短期记忆神经网络层LSTM来提取时间特征，得到长短期记忆神经网络层LSTM的输出lstm_output，公式如下：lstm_output＝LSTMgcn_output,θlstm式中，θlstm表示长短期记忆神经网络层LSTM能够训练的权重矩阵；3.5得到的lstm_output在注意力机制层Attention中训练得到lstm_output的重要性得分s，公式如下:s＝softmaxlstm_output,θAttention式中，θAttention表示注意力机制层Attention能够训练的权重矩阵；3.6得到重要性得分s同lstm_output相乘后输入到输出层F·得到预测的损伤Y，公式如下：Y＝Flstm_output*s,θ式中，θ表示输出层F·能够训练的权重矩阵；3.7使用均方误差MSE作为损失函数，将步骤3.6得到的预测损伤Y和训练集中真实的标签计算损失，通过Adam优化算法更新时空图卷积注意力网络中的参数；4将测试集输入到已训练好的时空图卷积注意力网络中，输出桥梁损伤识别的结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。