Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜河南建保盒子科技发展有限公司孙永明获国家专利权

恭喜河南建保盒子科技发展有限公司孙永明获国家专利权

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!

龙图腾网恭喜河南建保盒子科技发展有限公司申请的专利一种基于多传感器异构古建筑智能实时监测预警装置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:CN119984404B

龙图腾网通过国家知识产权局官网在2025-06-20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:202510433779.4,技术领域涉及:G01D21/02;该发明授权一种基于多传感器异构古建筑智能实时监测预警装置是由孙永明;张明;张波设计研发完成,并于2025-04-08向国家知识产权局提交的专利申请。

一种基于多传感器异构古建筑智能实时监测预警装置在说明书摘要公布了:本发明公开了一种基于多传感器异构古建筑智能实时监测预警装置,包括包括采集终端、传输单元及控制器,采集终端安装于古建筑的相应监测位置,其包括加速度传感器、倾斜传感器、位移传感器、裂缝传感器及多路时序控制模块,加速度传感器、倾斜传感器、位移传感器、裂缝传感器构成多模传感器组以实现对古建筑的测量和监测,多路时序控制模块保证多模传感器组的采集到的各个电脉冲信号同步,并将采集到的各个电脉冲信号通过传输单元传输给控制器。本发明通过多模传感器组以实现对古建筑的测量和监测,通过感知器在处理时间序列数据和模式识别方面的出色性能来提高感知准确率,能够更高效、智能的为古建筑健康监测提供支持。

本发明授权一种基于多传感器异构古建筑智能实时监测预警装置在权利要求书中公布了:1.一种基于多传感器异构古建筑智能实时监测预警装置,其特征在于:包括采集终端、传输单元及控制器,所述采集终端安装于古建筑的相应监测位置,其包括加速度传感器、倾斜传感器、位移传感器、裂缝传感器及多路时序控制模块,所述加速度传感器用于检测古建筑的振动,所述位移传感器用于检测古建筑的位移,所述倾斜传感器用于检测古建筑的倾斜变化,所述裂缝传感器用于检测古建筑存在的裂缝宽度变化,所述加速度传感器、倾斜传感器、位移传感器、裂缝传感器构成多模传感器组以实现对古建筑的测量和监测,所述多路时序控制模块的输入端连接多模传感器组的信号输出端,并保证多模传感器组的采集到的各个电脉冲信号同步,所述多路时序控制模块将采集到的各个电脉冲信号通过传输单元传输给控制器,所述控制器包括信号所述控制器包括时间校准器、时间幅度转换器、信号转换模块及数据分析模块,所述时间校准器用于记录电脉冲信号的瞬时值以及时间间隔,所述信号转换模块基于电脉冲信号的瞬时值以及时间间隔将电脉冲信号转换成一组离散的脉冲时间序列,所述时间幅度转换器用于将电脉冲信号的时间间隔转换成脉冲幅度,并输出与时间成正比的模拟脉冲,然后通过信号转换模块生成一组带时间信息的时间幅度脉冲序列,所述信号转换模块将脉冲时间序列和时间幅度脉冲序列发送给数据分析模块,进行古建筑健康状态分析评估,所述数据分析模块包括多模感知器及脉冲神经网络系统,所述多模感知器用于对脉冲时间序列进行二值化拟合,所述多模感知器为多个感知器连接在一起进行异或布尔运算,所述脉冲神经网络系统包括建筑状态特征提取层及建筑状态检测层,所述建筑状态特征提取层基于二值化拟合后的脉冲时间序列获得建筑状态特征脉冲序列,所述建筑状态检测层基于建筑状态特征脉冲序列进行建筑状态检测,并获得建筑状态评估结果;所述传输单元包括电光调制器、波分复用器、分波器及光电转换器,所述电光调制器、波分复用器、分波器依次通过光纤串联在同一光路上,所述电光调制器的输入端连接所述多路时序控制模块的输出端,用于将多路时序控制模块输出的多个电脉冲信号转换成多个光脉冲信号,所述波分复用器用于将多个光脉冲信号合波并通过光纤进行传输,所述分波器用于对合波的光脉冲信号进行分离得到多个光脉冲信号,所述光电转换器用于将多个光脉冲信号转换成多个电脉冲信号;所述控制器还包括信号融合模块,所述信号融合模块用于将所述脉冲时间序列与时间幅度脉冲序列进行求和,作为多模感知器的输入;所述多模感知器的二值化拟合通过以下公式实现: 其中,为n个输入的产出值,代表输入向量,代表输入向量的数量,代表当值权重,代表调整系数,为第i时刻所有输入的产出值,作为激活函数的输入,激活函数的输出为二值化拟合的结果;所述激活函数采用阶跃函数,其表示为: 其中,二值化拟合的结果,作为激活函数的输入,为产出阈值;所述脉冲神经网络的网络结构包括输入层、隐藏层、输出层,每一层由一组LIF神经元模型组成,所述输入层和所述隐藏层组成记忆生成模块;所述输入层二值化拟合后的脉冲时间序列引入脉冲神经网络,使相应的输入神经元产生脉冲,并将脉冲传递到隐藏层进行信息进行处理和转换;所述建筑状态特征脉冲序列为代表建筑风险因子的脉冲序列,所述建筑状态评估结果为代表古建筑可能存在风险的结果;所述的建筑状态检测层基于建筑状态特征脉冲序列进行建筑状态检测,通过皮尔逊相关性分析模型实现,所述皮尔逊相关性分析模型为: 其中,和两个变量的观测值,其基于建筑状态特征脉冲序列确定,和为两个变量的观测值,k是样本大小。

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河南建保盒子科技发展有限公司,其通讯地址为:471000 河南省洛阳市洛龙区古城路与龙门大道交叉口隋唐城遗址博物馆内1排2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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。