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！

龙图腾网获悉中国科学院深圳先进技术研究院申请的专利基于深度学习的冲击定位方法、装置、设备及介质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：CN116337385B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202111614942.5，技术领域涉及：G01M7/08；该发明授权基于深度学习的冲击定位方法、装置、设备及介质是由郭师峰;丁豪;冯伟;李叶海;熊新红设计研发完成，并于2021-12-20向国家知识产权局提交的专利申请。

本基于深度学习的冲击定位方法、装置、设备及介质在说明书摘要公布了：本发明涉及结构健康监测技术领域，特别是涉及基于深度学习的冲击定位方法、装置、设备及介质。方法包括获取目标区域中多个监测点监测到的冲击信号；将所述冲击信号输入训练好的神经网络模型中，得到产生所述冲击信号的冲击源到每个所述监测点的距离值；根据所述距离值，确定由所述冲击源相对于每个所述监测点的可能存在位置所形成的存在轨迹；将所述存在轨迹之间的所有交点中的干扰点剔除，并确定剩余交点的中心点为最终中心点；将所述最终中心点作为所述冲击源的实际位置，输出冲击定位结果。本发明能够应用于各种复杂的工程结构，并确保工程结构健康监测的实时性及准确性。

本发明授权基于深度学习的冲击定位方法、装置、设备及介质在权利要求书中公布了：1.一种基于深度学习的冲击定位方法，其特征在于，包括： 获取目标区域中多个监测点监测到的冲击信号，所述目标区域被布控有传感器阵列，所述传感器阵列的超声波传感器所处位置为所述监测点； 将所述冲击信号输入训练好的神经网络模型中，得到产生所述冲击信号的冲击源到每个所述监测点的距离值，所述神经网络模型为一维深度残差神经网络，所述冲击信号为一维时域信号，所述一维深度残差神经网络，包括依序连接的卷积层、批量归一化层、第一修正线性单元、最大池化层、多个平均池化层、第一全连接层、第二修正线性单元和第二全连接层；在所述最大池化层和每个所述平均池化层之间分别配置有连接分支，每条连接分支内含有顺序衔接的若干个残差块，所述残差块为两层恒等残差块或三层恒等残差块，每个所述残差块由两条路径构成，一条路径进行特征向量提取，另一条路径对输入做简单映射，两条路径之和作为整个残差块的输出；其中，将所述冲击信号输入训练好的神经网络模型中，得到产生所述冲击信号的冲击源到每个所述监测点的距离值，包括：所述冲击信号依序经过所述卷积层的特征向量提取、所述批量归一化层的加速训练、所述第一修正线性单元的非线性组合、所述最大池化层和所述平均池化层的特征向量选择，然后被选择的特征向量经由被所述第二修正线性单元间隔开的所述第一全连接层和所述第二全连接层做回归处理，得到产生所述冲击信号的冲击源到每个所述监测点的距离值； 根据所述距离值，确定由所述冲击源相对于每个所述监测点的可能存在位置所形成的存在轨迹，包括：以每个所述监测点为圆心且以对应的所述距离值为半径形成一圆形轨迹，并以所述圆形轨迹作为所述冲击源相对于所述监测点的存在轨迹； 将所述存在轨迹之间的所有交点中的干扰点剔除，并确定剩余交点的中心点为最终中心点，包括：确定所述存在轨迹之间的现有交点对应的中心点；将距离所述中心点最远的交点视为干扰点进行剔除；重复执行上述步骤，直至剔除所有交点中的一半交点；以剩余的一半交点对应的中心点，作为最终中心点； 将所述最终中心点作为所述冲击源的实际位置，输出冲击定位结果。

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国科学院深圳先进技术研究院，其通讯地址为：518055 广东省深圳市南山区深圳大学城学苑大道1068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。