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！

龙图腾网获悉中国海洋大学申请的专利一种基于多源激励融合的顶张力立管损伤识别方法及其模型构建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：CN121682135B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610178392.3，技术领域涉及：G06F18/20；该发明授权一种基于多源激励融合的顶张力立管损伤识别方法及其模型构建方法是由李福恒;李效民;蒋玉峰;何博文;李柯潭;杨天成;王家驹;孙骏龙;吕双君;张成强设计研发完成，并于2026-02-09向国家知识产权局提交的专利申请。

本一种基于多源激励融合的顶张力立管损伤识别方法及其模型构建方法在说明书摘要公布了：本发明提供了一种基于多源激励融合的顶张力立管损伤识别方法及其模型构建方法，属于机器学习与应用技术领域；通过采集立管在升力激励与波浪力激励等多源工况下的振动响应数据，构建涵盖多损伤位置与多损伤程度的标准化多源激励振动响应数据集，实现对立管结构健康状态的端到端智能诊断。基于深度学习总体架构，引入一维卷积神经网络与自适应通道注意力机制，建立多源振动信号与结构损伤状态之间的高维非线性映射关系。通过构建包含信号自适应降噪、多尺度深度特征提取及多任务协同输出的集成模型，能够在强噪声干扰下同步实现损伤位置的精准分类与损伤程度的定量回归，为深海顶张力立管结构的健康运维提供数据驱动、逻辑闭环的技术支撑。

本发明授权一种基于多源激励融合的顶张力立管损伤识别方法及其模型构建方法在权利要求书中公布了：1.一种基于多源激励融合的顶张力立管损伤识别模型构建方法，其特征在于，包括以下步骤： 步骤1，在顶张力立管的关键监测单元与关键监测节点部署传感器阵列，采集多种损伤工况下升力激励振动响应数据与波浪力激励振动响应数据； 步骤2，将同一损伤工况下对应的两种数据进行信号分割及标准化处理后进行拼接，形成融合标准化振动信号子序列；构建数据集并划分训练集与测试集； 步骤3，构建顶张力立管损伤识别模型，包括振动信号自适应降噪预处理模块，将含噪的融合标准化振动信号子序列重构为洁净振动信号；包括立管振动信号一维卷积特征提取网络，采用首层宽核卷积层配合级联的残差注意力特征提取模块，通过并行的一维卷积主路径与恒等映射旁路防止梯度消失，并嵌入挤压与激励通道注意力单元自适应重校准通道权重，输出一维深度振动特征；包括基于多源特征自适应融合与双任务映射的损伤识别模块，通过并行的损伤位置识别分支与损伤程度回归分支分别输出损伤位置和损失程度； 所述振动信号自适应降噪预处理模块采用一个具有对称扩张与收缩路径的深度卷积网络结构，主要由四层一维卷积层、激活函数及跳跃连接构成；接收含噪的融合标准化振动信号子序列作为输入，首先，经由第一层一维卷积层及激活函数对原始含噪信号进行初步特征提取，获取包含高频噪声纹理与基础波形结构的浅层特征图；其次，该浅层特征图输入至第二层一维卷积层及激活函数进行高维映射与编码，生成能够区分随机噪声与结构确定性响应的深层抽象潜在特征；再次，深层特征进入第三层一维卷积层及激活函数，此时通过跳跃连接将第一层输出的浅层特征与当前的深层特征在通道维度进行融合，在利用深层语义抑制噪声的同时通过浅层信息补充信号细节，得到去噪后的重构特征图；最后，重构特征图经过第四层一维卷积层进行降维与平滑处理，将多通道特征映射回原始信号维度，输出降噪重建后的振动信号； 所述立管振动信号一维卷积特征提取网络具体包含依次连接的首层宽核卷积层、四个级联的残差注意力特征提取模块、一个展平层、一个Dropout层和两个全连接层；首先，首层宽核卷积层接收降噪融合标准化振动信号子序列，输出包含长时序信息的浅层粗粒度特征图，随即输入残差注意力特征提取模块；其次，每个残差注意力特征提取模块接收上一层输出作为输入，其内部包含两条并行路径，主路径由两个串联的一维卷积层构成，对输入特征进行深度抽象输出深层语义特征，旁路为恒等映射捷径连接，直接传输输入特征用于保留原始残差信息，每个一维卷积层之后立即连接一个LeakyReLU激活函数；再次，在残差模块中嵌入挤压与激励通道注意力单元，基于深层语义特征通过全局平均池化和全连接操作自适应地学习并重新校准各特征通道的权重，生成加权后的重校准特征图，并与旁路特征逐元素相加得到当前模块输出的残差注意力特征，使网络能够自动聚焦于对损伤更敏感的关键特征通道；最后，经过四个模块级联处理得到的高级特征图被送入展平层，转化为一维向量形式的深度振动特征； 所述基于多源特征自适应融合与双任务映射的损伤识别模块具体为： 首先引入通道加权融合层，通过可训练的参数向量对一维深度振动特征进行自适应加权融合，得到多源融合特征；其次将多源融合特征送入全连接层进行非线性变换，输出损伤语义特征； 基于得到的损伤语义特征，设计一个双分支输出结构，分支一为损伤位置识别分支，由一个全连接层和Softmax函数构成，其全连接层的输出神经元数量等于顶张力立管的关键监测单元总数，分支接收损伤语义特征并输出一个概率分布向量，其中每个元素代表对应立管单元存在损伤的预测概率，最终的损伤位置判定为取概率值最大的单元编号；分支二为损伤程度回归分支，该分支为一个全连接层，其输出神经元数量为一，直接接收损伤语义特征并输出一个连续的标量数值，即模型预测的损伤程度； 步骤4，使用训练集和测试集对模型进行训练，得到最终顶张力立管损伤识别模型。

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海洋大学，其通讯地址为：266000 山东省青岛市崂山区松岭路238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。