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！

龙图腾网获悉广东真正工程检测有限公司申请的专利金属结构节点损伤的声发射深度学习实时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：CN120948627B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202511484222.X，技术领域涉及：G01N29/14；该发明授权金属结构节点损伤的声发射深度学习实时诊断方法是由刘宇平;梁炳墙;陈文振;钟凯能;林晓锐;郭杰林;陈立铭;张姗姗;刘国威;刘丽芳;黄海丽;林艺彬设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本金属结构节点损伤的声发射深度学习实时诊断方法在说明书摘要公布了：本发明涉及金属结构健康监测技术领域，公开一种金属结构节点损伤的声发射深度学习实时诊断方法，包括：通过计算环境噪声下的声学传递函数指纹，并生成其相对于健康基准的微扰度时间序列，以连续感知结构物理状态的演化；当序列呈现持续劣化趋势时，触发主动声波质询以鉴别损伤的物理性质，并周期性地进行传感器网络自校验，最终，将微扰度时间序列与损伤性质、传感器状态共同输入深度学习模型，输出诊断信息。本发明将诊断焦点从稀发事件转向连续状态监测，解决了传统声发射技术在事件间歇期的监测空白问题。

本发明授权金属结构节点损伤的声发射深度学习实时诊断方法在权利要求书中公布了：1.一种金属结构节点损伤的声发射深度学习实时诊断方法，其特征在于，包括以下步骤： 步骤S1，基于参考传感器与监测传感器所采集的环境背景噪声，计算并存储表征金属结构节点健康状态的基准声学传递函数指纹； 步骤S2，周期性地获取实时的声学传递函数指纹，并计算实时的声学传递函数指纹与基准声学传递函数指纹之间的微扰度，从而生成一个微扰度时间序列； 步骤S3，判断微扰度时间序列的数值是否连续在预定数量的计算周期内持续增长且其增长斜率超过劣化速率阈值； 步骤S4，若步骤S3的判断为是，则触发一次主动质询，该主动质询控制监测传感器中的一个切换至声波发射模式以发射质询声波，并由其余监测传感器接收响应声波，通过分析响应声波中所产生的谐波非线性声学特征，来确定损伤的物理性质； 步骤S5，周期性地选择监测传感器中的至少一对，互为声波发射者与接收者，基于声学互易性原理比较正向与反向声学传递函数，以诊断传感器自身及其与金属结构节点之间的耦合状态； 步骤S6，将微扰度时间序列输入深度学习模型，并依据损伤的物理性质与传感器和耦合的状态，输出关于金属结构节点损伤状态的诊断信息； 其中分析响应声波中所产生的谐波非线性声学特征，是通过计算一个非线性响应指数R_nlt来实现的，其中：R_nlt=E_harmonicE_fundamental，其中，E_fundamental为响应声波在质询声波的基准频率处的能量，E_harmonic为响应声波在新产生的谐波频率处的能量；并将非线性响应指数R_nlt与一个根据金属结构材料的断裂力学属性预先标定的非线性损伤阈值进行比较； 以及微扰度是通过计算实时的声学传递函数指纹的对数幅值与基准声学传递函数指纹的对数幅值之差在整个频带内的积分来确定； 以及劣化速率阈值，是根据金属结构节点的设计安全等级与材料疲劳属性预先设定的； 并且该方法还建立并执行以下规则：并行获取由微扰度时间序列构成的连续状态序列与由监测到的瞬态高能声发射事件构成的离散事件序列；采用转移熵算法，计算从离散事件序列到连续状态序列的信息流，以生成一个表征两者时序因果关联度的指标；并根据该指标，对外部伪源风暴干扰工况进行识别并抑制误报； 以及深度学习模型为一个自编码器模型，该模型通过识别微扰度时间序列的重构误差是否超过一个由该模型在处理健康状态下的微扰度时间序列时所生成的重构误差统计分布确定的动态基线，来判断该时间序列是否存在异常演化模式，从而输出诊断信息。

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真正工程检测有限公司，其通讯地址为：510000 广东省广州市黄埔区云埔工业区云埔一路18号自编第一、二栋；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。