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！

龙图腾网获悉哈尔滨工业大学申请的专利基于图网络和状态空间模型的桥梁结构服役状态时空关联诊断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：CN119761203B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411929618.6，技术领域涉及：G06F30/27；该发明授权基于图网络和状态空间模型的桥梁结构服役状态时空关联诊断方法是由徐阳;李惠;林承隆;鲍跃全设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本基于图网络和状态空间模型的桥梁结构服役状态时空关联诊断方法在说明书摘要公布了：本发明提出基于图网络和状态空间模型的桥梁结构服役状态时空关联诊断方法。该方法采用时空图结构，构建时空图融合学习模块，结合图神经网络和时序数据深度学习，同时考虑桥梁结构构件服役状态在空间和时间两个维度上的数据特征，更准确地建模和预测单体桥梁复杂构件系统的动态时空演变。本发明采用状态空间模型，构建结构化的状态空间序列，并引入选择性机制，动态调整模型行为并实现计算资源优化利用。本发明通过对不同复杂度桥梁多类型构件服役状态监测数据的时空特征分解和融合，更好地适配多类型、多尺度、多粒度桥梁结构构件服役状态时空数据的处理需求，提升方法通用性和预测效能。

本发明授权基于图网络和状态空间模型的桥梁结构服役状态时空关联诊断方法在权利要求书中公布了：1.基于图网络和状态空间模型的桥梁结构服役状态时空关联诊断方法，其特征在于，所述方法包括以下步骤： 步骤一：确定所研究的桥梁结构和多类型构件对象，建立考虑不同构件响应时空相关性的单体桥梁图结构模型； 步骤二：基于桥梁结构构件服役状态多类型感知数据设计时空图预测任务，构建对应的输入输出数据集； 步骤三：建立基于图网络和状态空间模型的桥梁结构服役状态时空关联诊断模型，所述桥梁结构服役状态时空关联诊断模型的图选择性状态空间模块包括归一化层、动态滤波图卷积层、拼接层、线性层、分割层、一维卷积层、SiLU激活层、图状态空间选择机制、逐元素相乘层和残差连接层，其中动态滤波图卷积层学习桥梁结构多类型构件服役状态序列数据复杂空间依赖关系，图状态空间选择机制学习桥梁多类型构件服役状态演化和时空相关性； 步骤四：桥梁结构服役状态时空关联诊断模型的训练及预测；基于梯度下降误差反向传播训练桥梁结构服役状态时空关联诊断模型，采用训练好的模型对包括拟静力响应与动力响应关键构件服役状态进行时空关联预测和诊断； 所述动态滤波图卷积层具体指学习图中的多跳连接关系与图结构信息的动态变化；其计算方法为将桥梁结构多类型构件服役状态的近期数据Xr通过层归一化进行变换后传递给动态滤波图卷积层；近期数据是与预测周期直接相邻的一段历史时间序列； 式中，A为单体桥梁图结构的原始邻接矩阵，D为度矩阵，Anorm为归一化的邻接矩阵，表示邻接矩阵的幂级数，B为用于动态调整单体桥梁图结构邻接矩阵的基础滤波器，TB表示对基础滤波器B矩阵的线性变换，λ为人工赋值的原始邻接矩阵与变换后滤波器之间的权重系数，为动态调整的邻接矩阵，分别为权重和偏置，与B为待优化参数，为第i个动态滤波图卷积层结果，Hcat为拼接结果；与B中的每个元素初始化方法为从均值为0、范围为均匀分布中随机取值；m为超参数，N为单体桥梁结构所包含的构件数量； 所述图状态空间选择机制具体为：在进行动态滤波图卷积层之后，用于学习桥梁多类型构件服役状态演化和时空相关性，具体方法为：将动态滤波图卷积层拼接的结果Hcat经过线性层后的输出Hcore_sec分割为核心序列Hcore和次要序列Hsec，两个序列维度相同，核心序列经过一维卷积与SiLU激活后传递给图状态空间选择机制GSSSM，得到输出Hgsssm，计算公式如下： 图状态空间选择机制GSSSM包括状态空间选择机制参数计算更新模块和图选择性扫描模块两部分，将输出Hgsssm与SiLU激活的次要序列逐元素相乘，再经过线性层后得到Hout： Hout＝WoutHgsssm⊙SiLUHsec+bout3 式中，Wout和bout分别表示待优化的权重和偏置参数；Hout与层归一化后的Xr进行残差连接，获得桥梁结构服役状态时空关联诊断模型的图选择性状态空间模块的输出。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。