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！

龙图腾网恭喜浙江大学申请的专利一种基于PINN方法与多任务学习的多维力传感器解耦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：CN119475907B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202411606807.X，技术领域涉及：G06F30/23；该发明授权一种基于PINN方法与多任务学习的多维力传感器解耦方法是由陈蔚潇;肖争光;王金成;鲍荣浩;陈伟球设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种基于PINN方法与多任务学习的多维力传感器解耦方法在说明书摘要公布了：本发明公开了一种基于PINN方法与多任务学习的多维力传感器解耦方法，该方法依赖于一种多任务学习解耦模型实现。本发明可以在神经网络解耦方法优势的基础上，提高模型的泛化能力；通过在多个任务上共同训练模型，可以减少过拟合的风险，使模型更具有鲁棒性，并且综合性的提高各种载荷类型下的解耦精度。在所述多任务学习解耦模型的训练过程中，利用最小二乘法与PINN方法得到理论解耦矩阵与最优解偶矩阵，并将所得最优解耦矩阵作为多任务学习神经网络的初始参数，极大提高训练速度的同时，补偿加载系统误差，提升解耦精度。本发明通过在多个任务上共同训练模型，可以使同一传感器在不同工况下进行标定，实现单一传感器对多工况场景的适用。

本发明授权一种基于PINN方法与多任务学习的多维力传感器解耦方法在权利要求书中公布了：1.一种基于PINN方法与多任务学习的多维力传感器解耦方法，其特征在于，包括以下步骤：1通过加载平台进行单轴实验获得多维力传感器应变片的电信号数据；2对步骤1采集的数据进行归一化处理；3利用PINN方法，结合步骤2处理后的所述加载平台的单轴实验数据，对多任务学习解耦模型进行标定；4对所述加载平台进行复杂组合工况的加载实验获得多维力传感器应变片的电信号数据，并基于标定后的多任务学习解耦模型对归一化处理后的电信号数据进行解耦得到载荷信息；其中，所述多任务学习解耦模型的构建过程为：根据传感器变形体结构建立数学模型；基于所述数学模型构建神经网络解耦结构，所述神经网络解耦结构为多任务学习共享层；分别在所述神经网络解耦结构的输入部分和输出部分加入多任务学习非共享层输入模块和多任务学习非共享层输出模块，并根据任务类型设置通道数量，得到所述多任务学习解耦模型；所述多任务学习解耦模型的训练过程为：1数据采集：针对通过有限元仿真获取传感器载荷与应变片的应变数据；通过在复杂组合工况或复杂环境下的加载实验获得传感器载荷信息和应变片的电信号数据；2对步骤1采集的数据进行归一化处理；3基于数学模型，根据最小二乘法和步骤2所得有限元仿真数据求解理论解耦矩阵；4采用PINN方法，结合步骤2处理后的单轴加载实验数据对理论解耦矩阵进行优化，得到最优解耦矩阵；5基于所述最优解耦矩阵中的元素初步优化神经网络解耦结构；6通过步骤2处理后的复杂组合工况或复杂环境下的加载实验数据进一步优化所述神经网络解耦结构及其参数、以及多任务学习非共享层输入模块结构及其参数和多任务学习非共享层输出模块结构及其参数，得到训练好的多任务学习解耦模型。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。