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！

龙图腾网获悉北京理工大学申请的专利复合材料弯板缺陷识别方法、系统及可读存储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：CN115166047B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202210811552.5，技术领域涉及：G01N29/06；该发明授权复合材料弯板缺陷识别方法、系统及可读存储介质是由周世圆;赵明华;于全朋;邓垚;孙晓莹设计研发完成，并于2022-07-11向国家知识产权局提交的专利申请。

本复合材料弯板缺陷识别方法、系统及可读存储介质在说明书摘要公布了：本发明公开了一种复合材料弯板缺陷识别方法、系统及可读存储介质，属于复合材料结构损伤检测技术领域，识别方法包括以下步骤：制作复合材料弯板试样；采集复合材料弯板试样折弯处的健康区域以及缺陷处区域的超声导波信号，并对健康区域和缺陷区域的超声导波信号分别给定标签；将超声导波信号转化为对应的时频图像；基于时频图像，构建卷积神经网络模型；步骤五：对卷积神经网络模型进行训练，获得复合材料弯板缺陷识别模型；步骤六：将待测复合材料弯板的超声导波信号对应的时频图像输入至复合材料弯板缺陷识别模型，对复合材料弯板折弯处缺陷进行识别。该方法基于机器学习与超声导波技术，能够对复合材料弯板折弯区域的缺陷进行快速准确地识别。

本发明授权复合材料弯板缺陷识别方法、系统及可读存储介质在权利要求书中公布了：1.复合材料弯板缺陷识别方法，其特征在于，包括以下步骤： 步骤一：制作复合材料弯板试样，所述复合材料弯板试样折弯处存在健康区域以及两个以上不同的缺陷区域； 步骤二：采集所述复合材料弯板试样折弯处的健康区域以及缺陷处区域的超声导波信号，并对所述健康区域和所述缺陷区域的超声导波信号分别给定标签； 步骤三：将步骤二中所述超声导波信号转化为对应的时频图像； 步骤四：基于步骤三中的时频图像，构建卷积神经网络模型； 步骤五：将步骤三所述时频图像作为步骤四中卷积神经网络模型的输入，步骤二中对应的所述标签作为输出，对所述卷积神经网络模型进行训练，获得复合材料弯板缺陷识别模型； 步骤六：将待测复合材料弯板的超声导波信号对应的时频图像输入至步骤五中复合材料弯板缺陷识别模型，依据所述复合材料弯板缺陷识别模型输出的标签对复合材料弯板折弯处缺陷进行识别； 步骤三采用的是短时傅里叶变换方法中的Hamming窗函数对所述超声导波信号进行截取，获得所述超声导波信号的时频图像； 步骤四中的所述卷积神经网络模型基于LeNet-5模型构建，且使用Relu激活函数代替Sigmoid激活函数，包括三个卷积层、三个池化层和三个全连接层； 步骤二采集所述复合材料弯板试样折弯处的健康区域和缺陷区域的超声导波信号时，激励换能器与接收换能器分别设置在所述复合材料弯板试样的两平面上，并且所述缺陷区域与所述健康区域位于所述激励换能器与所述接收换能器之间； 步骤二采集所述复合材料弯板试样折弯处的健康区域和缺陷区域的超声导波信号时，通过改变耦合条件进行多次采集； 步骤五对所述卷积神经网络模型进行训练时采用批标准化方法，且随机初始化卷积神经网络权重，并使用Adam优化器进行计算。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。