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！

龙图腾网获悉东莞理工学院申请的专利基于双输入自编码神经网络的桥梁实时监测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：CN120705686B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202510601152.5，技术领域涉及：G06F18/2415；该发明授权基于双输入自编码神经网络的桥梁实时监测方法是由林隽;郑明方;武静;林逸洲;聂振华;胡东;马宏伟设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本基于双输入自编码神经网络的桥梁实时监测方法在说明书摘要公布了：本发明涉及一种基于双输入自编码神经网络的桥梁实时监测方法，包括以下步骤：①首先在桥梁任意位置部署少量动态振动传感器采集移动荷载作用下的振动信号；②随后对信号进行频谱分析，提取桥梁结构基频f11作为核心参数，基于采样频率fs与基频f11的动态关系，按公式l≥2fsf11的准则计算截取移动窗长；③将窗口化信号输入双通道自编码器神经网络进行训练；④利用训练完成的网络实现结构状态判断，输入待测试的响应数据，输出对应的特征向量，并计算得到特征敏感因子，根据特征敏感因子变化趋势判断桥梁结构是否发生了损伤，实现了无监督条件下的结构损伤实时识别。

本发明授权基于双输入自编码神经网络的桥梁实时监测方法在权利要求书中公布了：1.基于双输入自编码神经网络的桥梁实时监测方法，其特征在于，包括以下步骤： ①首先在桥梁任意位置部署少量动态振动传感器，动态振动传感器实时采集移动荷载作用下的振动信号； ②随后对信号进行频谱分析，提取桥梁结构基频作为核心参数，基于采样频率与基频的动态关系，按公式的准则计算截取移动窗长，代表截取输入的移动窗长，代表采样频率，代表基频； ③双通道自编码器神经网络由编码器和解码器构成，编码器由若干个一维卷积卷积层与池化层组成，编码器对输入的响应数据片段压缩进行特征提取，获得对应的特征向量，解码器由反卷积层和上采样层组成，根据编码器提取出的特征向量，对输入响应数据片段进行还原，为了对编码器输出的特征向量进行约束，神经网络同时拥有两个输入响应数据片段，这两个输入响应数据片段取自时序响应数据上两个相邻的片段，输入响应数据片段同步输入神经网络当中共享神经网络参数，在训练过程中对编码器输出的两个特征向量施加一定约束，使两个特征向量在特征空间中的距离缩短， 将窗口化信号输入双通道自编码器神经网络进行训练，通过SeLU自动化标准激活函数引入非线性特征表达能力缓解梯度消失问题， 其函数表达式为： ，其中x为输入数据，λ和α为两个常数，本方法中取λ为1.05，α为1.67， 通过RMSprop均方根传播优化算法，动态调整学习率并结合历史梯度信息平滑参数更新过程，RMSprop算法只需要在训练开始时设定初始学习率，即可在训练过程中自动调整不同参数的学习率，其具体算法如下公式所示： ，， 其中为初始学习率；为梯度方向的指数平均值；为时间梯度，p为衰减系数，本方法取值为0.9，ε为10-8，为迭代更新的参数，t为时间步，t-1为上一时间步，t+1为下一时间步，Vt-1相当于前一步的指数平均值，Δw是参数迭代的更新值，wt+1是下一步的学习率， 通过优化算法动态调整学习率并结合历史梯度信息平滑参数更新过程，在神经网络训练阶段，神经网络试图不断降低真实数据与生成数据之间的差异，在损失函数的约束下试图学习到输入数据的共性特征； ④利用训练完成的网络实现结构状态判断，训练完成的神经网络不再关注生成数据的情况只是充当特征提取器的作用，输入待测试的响应数据，输出对应的特征向量，并计算得到特征敏感因子，根据特征敏感因子变化趋势判断桥梁结构是否发生了损伤。

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莞理工学院，其通讯地址为：523000 广东省东莞市松山湖科技产业园区大学路1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。