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！

龙图腾网恭喜哈尔滨工业大学申请的专利基于贝叶斯更新和自适应元学习采样方法的结构系统识别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：CN119513540B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202411598546.1，技术领域涉及：G06F18/20；该发明授权基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法是由黄永;孟祥浩;李琦;李惠设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法在说明书摘要公布了：本发明提出基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法。所述方法首先基于任务数据判断是否已有适配具体结构系统识别任务的自适应元学习采样器，若没有则训练一个适配该任务的自适应元学习采样器，最后利用训练好的采样器执行基于贝叶斯更新的自适应元学习采样方法实现高效采样，完成结构系统识别任务。本发明通过提出自适应元学习采样方法，在贝叶斯更新的详尽概率分布识别结果基础上，利用神经网络的精细化策略学习能力提高采样效率，利用自适应元学习设计节省神经网络训练时间，使方法适用于更复杂的结构系统识别问题，从而更好的服务于结构健康检测领域。

本发明授权基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法在权利要求书中公布了：1.基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法，其特征在于，所述方法包括以下步骤：步骤一、在目标结构上布设振动传感器，得到一段时间内每个测点振动指标的测量数据；步骤二、查找是否有已保存的针对同类结构训练过的自适应元学习采样器，若有，进入步骤五，否则进入步骤三；步骤三、根据目标结构各参数类型，建模一个具有同类参数的规模同类训练结构，利用数值模拟或缩尺实验方法，获取由目标结构简化的同类结构在一段时间内多个测点的振动响应测量数据；步骤四、基于训练结构的测量数据和贝叶斯更新方法，运行自适应元学习采样方法，开启训练模式，获得并保存训练过的自适应元学习采样器；步骤五、基于目标结构的测量数据和贝叶斯更新方法，运行自适应元学习采样方法，使用训练过的自适应元学习采样器，关闭训练模式，获得服从结构参数联合后验分布的样本，表征各参数的联合概率分布情况，即实现结构系统识别；所述步骤四及步骤五中基于贝叶斯更新方法的自适应元学习采样过程具体为：步骤四及步骤五中基于贝叶斯更新方法的自适应元学习采样过程，是基于贝叶斯定理，根据由已知信息得到的结构参数先验概率分布pθ及由测量数据得到的似然函数利用马尔可夫链模拟出多个服从结构参数后验概率分布的参数样本点的过程，其中为结构模型参数，其维度D即为参数个数，可根据计算效率需求和计算设备性能限制选择同时并行K条马尔可夫链；所述采样方法的模拟过程具体为：步骤4.1、定义势能其中c*为便于计算的任意常数；步骤4.2、若有训练过的自适应元学习采样器，直接使用其中的神经网络的架构及参数，否则选择两个输出恒正的人工神经网络用于后续步骤中构建自适应元学习采样器中旋度矩阵子块以及扩散矩阵子块的网络参数化架构并随机初始化其网络参数，其中两个子块矩阵Qz和Dz的非对角元素为零，对角元素在后续步骤中根据神经网络的输出计算确定；步骤4.3、每条链根据先验分布pθ随机生成初始样本z0＝θ0,p0，其中模型参数θ在后续模拟中被视为D维空间中一个粒子的位置，辅助变量被视为粒子动量，服从标准正态分布，从而增广向量被称为粒子的状态变量，令t＝0，t0＝0；步骤4.4、当tN时，重复步骤4.5至步骤4.11，每次重复将基于当前样本zt＝θt,pt模拟出一个新样本zt+1＝θt+1,pt+1，总模拟步数N取N＝9000；步骤4.5、获取当前样本信息，包括势能Uθt、位置θt、动量pt和势能梯度其中粒子第i维的位置分量、动量分量、势能梯度分量以及对应参数类别分别记作θt,i、pt,i、和Catei，i＝1,…,D；步骤4.6、若采样过程处于自适应调整阶段，则根据当前样本信息中的势能Uθt和各位置分量θt,i,i＝1,…,D，分别更新势能Uθ的前两阶矩μU和σU的自适应估计，及参数后验分布各维标准差σi,i＝1,…,D的自适应估计；步骤4.7、计算归一化势能和各归一化势能梯度分量步骤4.8、输入当前样本信息即pt,i、和Catei，调用神经网络学到的元采样策略，对该策略控制下的扩散过程进行离散动力学模拟，得到一个新的样本zt+1＝θt+1,pt+1；步骤4.9、令t＝t+1；步骤4.10、若为训练模式，创建zt的新副本供后续计算使用，以停止梯度流；步骤4.11、若为训练模式且t能被TT整除，计算损失函数并反向传播更新神经网络参数，令t0＝t，设置TT＝15，M＝3，式中为由样本近似估计的样本概率密度函数；步骤4.12、若为训练模式，保存自适应元学习采样器，否则输出预热阶段之后的所有样本。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。