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！

龙图腾网获悉中南大学申请的专利基于多任务学习的列车结构冲击损伤监测方法及相关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：CN116228664B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202211731597.8，技术领域涉及：G06T7/00；该发明授权基于多任务学习的列车结构冲击损伤监测方法及相关装置是由阳劲松;王田天;谢劲松;甘志强;洪东跑;张小振;李连峰;方伟光设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本基于多任务学习的列车结构冲击损伤监测方法及相关装置在说明书摘要公布了：基于多任务学习的列车结构冲击损伤监测方法及相关装置，包括：获取监测数据；进行多个传感器的数据融合，构建样本数据集，划分训练集、验证集和测试集；将训练集和验证集输入基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络进行训练和优化；将测试集输入训练好的基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络，输出测试集样本的冲击损伤位置和冲击能量。将测试集输入到已训练好的基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络中，输出列车结构冲击损伤位置监测和冲击损伤能量监测的结果。可以进一步针对列车的各种复杂结构实现对冲击损伤的精准定位和损伤程度评价。

本发明授权基于多任务学习的列车结构冲击损伤监测方法及相关装置在权利要求书中公布了：1.基于多任务学习的列车结构冲击损伤监测方法，其特征在于，包括： 通过传感器获取列车结构上的冲击位置及冲击能量的监测数据； 进行多个传感器的数据融合，构建样本数据集，划分训练集、验证集和测试集； 基于样本数据集，构建基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络，将训练集和验证集输入基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络进行训练和优化； 将测试集输入训练好的基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络，输出测试集样本的冲击损伤位置和冲击能量； 构建样本数据集具体包括： 将传感器网络记录的冲击信号绘制为传感器编号-时间-电压幅值的三维表面图，在三维表面图中，颜色代表传感器数据的电压幅值，多个传感器数据点之间通过直线连接，实现多传感器数据融合； 向三维表面图的传感器编号和时间组成的平面作垂直投影得到2D彩色图像，2D彩色图像保留了各个传感器数据的时间信息、幅值信息和各个传感器之间的关系；2D彩色图像具有三个颜色分量值，分别表示彩色图像行的点数和列的点数； 对样本图像进行灰度化显示，图像灰度值定义为： 确定样本标签，包括冲击损伤位置标签、冲击损伤能量标签； 将构件划分为a个冲击损伤位置，则冲击损伤位置标签设置为： 其中，共含有a个分量，每个分量的取值是0或1，同一时刻有且只有一个分量的取值为1，取值为1代表该位置的存在冲击损伤； 将构件划分为b个冲击损伤能量等级，则冲击损伤位置标签设置为： 其中，共含有b个分量，每个分量的取值是0或1，同一时刻有且只有一个分量的取值为1，取值为1代表冲击损伤能量等级为该等级分量； 最后，从构建的所有样本中随机选取80％的样本作为训练集，10％的样本作为验证集，10％的样本作为测试集； 构建基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络，包括： 基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络包含两个分类任务，分别用于检测冲击损伤位置和冲击损伤能量；两个分类任务共享两个卷积层和一个池化层；两个卷积层的卷积核尺寸均为3，卷积核数量分别3和9；冲击损伤位置分类任务和冲击损伤能量分类任务结构一样，均由两个卷积层、一个池化层、一个平坦层、一个dropout层和一个全连接层组成；其中卷积核的大小和数量分别为[3,3]和[12,16]，池化层大小为3；损伤位置分类任务的全连接层的神经元数量与损伤位置数量相同，并应用其softmax激活函数输出损伤位置的分类结果；损伤能量分类任务的全连接层的神经元数量与冲击损伤能量类别数量相同，并应用其softmax激活函数输出冲击损伤能量的分类结果；在两个全连接层中均添加了丢弃机制，其值设置为0.5。

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中南大学，其通讯地址为：410000 湖南省长沙市岳麓山左家垅；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。