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！

龙图腾网获悉东南大学;中国建筑一局(集团)有限公司;中建一局集团总承包建设有限公司申请的专利一种基于深度时间序列模型的车辆-桥梁参数同步反演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：CN119989456B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411827552.X，技术领域涉及：G06F30/13；该发明授权一种基于深度时间序列模型的车辆-桥梁参数同步反演识别方法是由冯东明;曾琰;黎剑安;郝建兵;朱建军;任翔设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种基于深度时间序列模型的车辆-桥梁参数同步反演识别方法在说明书摘要公布了：本发明公开了一种基于深度时间序列模型的车辆‑桥梁参数同步反演识别方法，包括：收集桥梁响应数据；构建MFNI模型；训练MFNI模型；利用训练好的MFNI模型提取车辆移动力特征，获得车辆各轴在桥梁上的动态力时程；利用DMF‑corr块对解码器的输出进行校正；通过时间序列特征衍生方法从MFNI模型输出的车辆移动力特征中提取轴距和车速信息；获取到车致响应样本；构建PTAD模型，通过PTAD模型捕捉车致响应样本中的损伤敏感特征；通过损伤敏感特征获取到损伤指标，根据损伤指标评估桥梁状态，量化桥梁损伤程度。本发明实现了对桥梁结构损伤的准确、高效检测，为桥梁工程领域的结构健康监测提供新的技术手段，对于推动桥梁工程领域的智能化、精细化发展具有重要意义。

本发明授权一种基于深度时间序列模型的车辆-桥梁参数同步反演识别方法在权利要求书中公布了：1.一种基于深度时间序列模型的车辆-桥梁参数同步反演识别方法，其特征在于，包括如下步骤： S1：收集桥梁响应数据并进行预处理； S2：构建MFNI模型，包括编码器、解码器以及动态移动荷载校正DMF-corr块； S3：基于预处理后的桥梁响应数据对目标桥梁的有限元模型进行修正，生成仿真响应样本用以MFNI模型训练； S4：利用训练好的MFNI模型对实时采集的桥梁响应数据进行处理，提取车辆移动力特征，获得车辆各轴在桥梁上的动态力时程； S5：利用DMF-corr块对解码器的输出进行校正； S6：通过时间序列特征衍生方法从MFNI模型输出的车辆移动力特征中提取轴距和车速信息； S7：通过MFNI模型实时采集和分离桥梁监测信号中的车致响应信号，对车致响应信号进行去噪，并采用滑动窗口技术划分出车致响应样本； S8：基于PatchTST和分组卷积来构建PTAD模型，利用车致响应样本对PTAD模型进行训练； S9：通过训练好的PTAD模型捕捉车致响应样本中的损伤敏感特征； S10：通过损伤敏感特征获取到损伤指标，根据损伤指标评估桥梁状态，量化桥梁损伤程度； 步骤S2中编码器采用扩张因果卷积结构，用于捕捉输入数据中的局部特征信息和交互依赖模式；解码器利用具有堆叠扩张结构的循环神经网络模型，以捕获复杂的时间依赖模式；DMF-corr块用于校正和修正解码结果，提高识别精度； 步骤S2中DMF-corr块的荷载修正功能通过在输出全连接层后添加ReLU激活函数实现，其具体形式为，其中，为修正前的神经网络输出； 步骤S6中时间序列特征衍生方法通过利用修正后的荷载时程结果，求解轴距和车速信息，具体包括： B1：基于互相关函数计算不同车轴作用于桥上的时间步差值，公式如下： ； B2：利用一阶差分获取车轴的上桥和下桥时间步，从而获得各个轴载在桥上的平均作用时间； B3：代入和求解如下线性非齐次方程组求取轴距和车速估计值： ； 步骤S10中损伤指标包括长期损伤指标和短期损伤指标，通过计算测试数据在PTAD模型中的重构误差，得到各传感器在滑动窗口内的平均REI值组成的误差向量，并与健康状态下的参考误差向量进行比较，计算得到和； 计算公式如下： 。

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东南大学;中国建筑一局(集团)有限公司;中建一局集团总承包建设有限公司，其通讯地址为：211102 江苏省南京市江宁区东南大学路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”。

以上内容由龙图腾AI智能生成。