買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廈門大學申請的專利基于遷移深度學習的高層結構風荷載譜識別方法、裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120336861B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510845161.9，技術領域涉及：G06F18/214；該發明授權基于遷移深度學習的高層結構風荷載譜識別方法、裝置是由雷鷹;張富博;王耀;劉麗君設計研發完成，并于2025-06-23向國家知識產權局提交的專利申請。

本基于遷移深度學習的高層結構風荷載譜識別方法、裝置在說明書摘要公布了：本公開提供了一種基于遷移深度學習的高層結構風荷載譜識別方法、裝置。該方法包括：根據目標結構在目標風荷載作用下的動態響應時程數據進行計算，得到對應的觀測響應功率譜矩陣；對目標風荷載的風速譜進行離散余弦變換分解，得到降維后的DCT系數；構建基于物理引導機制的深度學習模型，將觀測響應功率譜矩陣作為深度學習模型的輸入，DCT系數作為輸出，通過訓練以使深度學習模型學習二者之間的映射關系；采用訓練完成的深度學習模型基于輸入的觀測響應功率譜矩陣，輸出對應的DCT系數，并根據DCT系數重構風荷載的功率譜矩陣。本公開實施例的技術方案可以有效建立響應功率譜與荷載功率譜之間的關聯關系，保證風荷載識別的準確性。

本發明授權基于遷移深度學習的高層結構風荷載譜識別方法、裝置在權利要求書中公布了：1.一種基于遷移深度學習的高層結構風荷載譜識別方法，其特征在于，包括： 根據目標結構在目標風荷載作用下的動態響應時程數據進行計算，得到對應的觀測響應功率譜矩陣； 對所述目標風荷載的風速譜進行離散余弦變換分解，得到降維后的DCT系數； 構建基于物理引導機制的用于風荷載識別的深度學習模型，將所述觀測響應功率譜矩陣作為所述深度學習模型的輸入，所述DCT系數作為輸出，通過訓練以使所述深度學習模型學習二者之間的映射關系，其中，所述物理引導機制通過嵌入風荷載與結構響應的頻域傳遞方程至損失函數中，以約束模型訓練過程； 在進行風荷載識別時，采用訓練完成的所述深度學習模型基于輸入的觀測響應功率譜矩陣，輸出對應的DCT系數，并根據所述DCT系數重構風荷載的功率譜矩陣； 在對所述深度學習模型訓練完成后，所述方法還包括： 基于遷移學習策略，針對不同頻率離散點的風荷載，利用基于源頻率的風荷載訓練后的模型參數初始化目標頻率的模型，并通過目標頻率數據微調模型參數，以得到目標頻率的風荷載對應的深度學習模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廈門大學，其通訊地址為：361005 福建省廈門市思明區思明南路422號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。