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！

龙图腾网恭喜山东建勘集团有限公司申请的专利一种建筑施工用安全防护装置的状态预警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：CN119760406B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202510244872.0，技术领域涉及：G06F18/213；该发明授权一种建筑施工用安全防护装置的状态预警方法是由房华光;孙会超;国兴亮;陈涛;杨阳;李明堂设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种建筑施工用安全防护装置的状态预警方法在说明书摘要公布了：本申请公开了一种建筑施工用安全防护装置的状态预警方法，属于建筑施工技术领域。包括：步骤1，实时监测防护装置的变形量、倾斜角度和振动加速度，并同步采集施工现场的环境数据；步骤2，对采集的数据进行预处理，采用滑动时间窗口法进行数据分段，结合小波变换技术提取各个时间窗口内的特征参数，生成标准化特征向量集；步骤3，计算特征间动态关联强度，并利用递归神经网络分析各指标间的时序演化特征；步骤4，通过最小化预警误差的目标函数实现权重的自适应调整；步骤5，基于获得的动态权重结果，建立权重与阈值的映射关系，实现多级预警阈值的协同调整；步骤6，实时评估预警性能并直观展示防护装置状态和预警信息。

本发明授权一种建筑施工用安全防护装置的状态预警方法在权利要求书中公布了：1.一种建筑施工用安全防护装置的状态预警方法，其特征在于，包括以下步骤： 步骤1，实时监测防护装置的变形量、倾斜角度和振动加速度，并同步采集施工现场的环境数据； 步骤2，对采集的数据进行预处理，采用滑动时间窗口法进行数据分段，结合小波变换技术提取各个时间窗口内的特征参数，生成标准化特征向量集； 步骤3，计算特征间动态关联强度，并利用递归神经网络分析各指标间的时序演化特征； 步骤4，通过最小化预警误差的目标函数实现权重的自适应调整； 步骤5，基于获得的动态权重结果，建立权重与阈值的映射关系，实现多级预警阈值的协同调整； 步骤6，实时评估预警性能并直观展示防护装置状态和预警信息； 步骤1包括以下步骤：在主要受力点、变形敏感区和关键连接处布置应变传感器阵列，实时监测防护装置的应力分布和变形状态；在防护装置的转角节点和倾斜敏感区域安装高精度角度传感器，采用双轴或三轴测量方案，持续监测防护装置的空间姿态变化，同时建立倾斜预警阈值体系，实现对防护装置稳定性的实时评估；在防护装置的关键构件上布置三轴加速度传感器网络，通过高采样频率的数据采集，实时捕捉防护装置在施工过程中的振动响应特征；在施工现场部署环境监测网络，包括温度传感器、湿度传感器、风速传感器和雨量传感器，建立环境参数与结构响应的关联分析机制，评估环境因素对防护装置性能的影响；搭建基于工业物联网的数据采集与传输网络，采用有线和无线相结合的通信方式，确保数据传输的实时性和可靠性，同时建立数据备份机制和网络冗余设计，防止数据丢失和通信中断； 防护装置在施工过程中的振动响应特征用公式表示为：，其中，atotalt表示防护装置在所有方向上的综合加速度信号，它是三轴加速度信号的合成值，用于衡量整体振动响应；axt表示防护装置在x轴方向上的加速度信号；ayt表示防护装置在y轴方向上的加速度信号；azt表示防护装置在z轴方向上的加速度信号； 步骤2包括以下步骤：对采集的原始数据进行异常值检测和剔除，同时进行噪声滤波处理，并执行数据归一化，以确保数据的一致性和可比性；基于滑动窗口法对处理后的数据进行分段，并根据信号特性优化窗口大小和滑动步长参数，以确保信号特征得到准确反映；对每个时间窗口的数据序列进行小波变换，得到信号的多尺度时频分解结果，形成完整的时频域特征表示；从时频域特征表示中提取能量特征、统计特征和小波系数，以确保特征能够全面反映数据的本质特性；对提取的特征进行标准化处理，消除量纲的影响，并将标准化后的特征组成特征向量，最终形成特征向量集； 基于滑动窗口法对处理后的数据进行分段，并根据信号特性优化窗口大小和滑动步长参数，以确保信号特征得到准确反映，包括以下步骤：根据信号的时域特性和频率特征，设定窗口大小W和滑动步长S；按设定的窗口大小W和步长S，从数据序列中提取连续的窗口；对每个窗口内的数据进行信号特征提取，以获取有效的信号特征；建立窗口数据的有效性验证机制，对每个窗口内的数据进行质量检查，包括数据完整性、异常值比例与信噪比指标，当窗口数据质量不满足要求时，自动调整窗口参数；设计窗口参数的动态优化机制，通过评估特征提取效果、计算资源占用和响应时间指标，定期对窗口大小和滑动步长进行调整； 对每个时间窗口的数据序列进行小波变换，得到信号的多尺度时频分解结果，形成完整的时频域特征表示，包括以下步骤：对每个时间窗口内的数据序列，使用选定的小波基函数进行多尺度分解,以将信号分解为不同频率成分的近似分量和细节分量；根据分析需求设定分解层数，获取每一分解层对应的小波系数；将获得的小波系数按照时间和频率两个维度重组排列，构建完整的时频特征表征矩阵，实现信号的时频域联合表示； 能量特征用公式表示为：，其中，Ej为第j层小波变换的能量；Wjk为在第j层小波变换中，第k个小波系数的值；N为小波变换后的信号采样点数； 统计特征用公式表示为：，其中，为第j层小波系数的峰度，表示数据分布的尖锐程度；σj为第j层小波系数的方差，表示数据的离散程度或波动范围； 小波系数用公式表示为：，其中，xn为原始信号；为小波基函数； 步骤3包括以下步骤：构建多维时序关联网络，将每个特征参数作为网络节点，确定节点间的初始连接关系，形成基础网络结构；在不同时间段内计算特征间的动态关联强度，量化节点间的关联程度，并将关联强度作为网络边的权重，构建带权有向图；运用图论方法分析网络结构，计算节点的度中心性、介数中心性和特征向量中心性指标，识别网络中的关键节点和重要路径，揭示主要影响因素之间的传导机制；构建长短时记忆网络模型，将时序关联网络中识别出的关键特征作为输入，通过递归神经网络的深度学习能力，捕捉各指标间的非线性时序演化特征； 构建多维时序关联网络，将每个特征参数作为网络节点，确定节点间的初始连接关系，形成基础网络结构，包括以下步骤：将预处理后的标准化特征参数映射为网络节点，并为每个节点分配唯一标识符，建立特征参数与网络节点之间的双射映射关系；计算所有节点对之间的皮尔逊相关系数和互信息值；设定连接阈值λ作为关联强度的判定标准，当两个节点之间的关联强度超过λ时，在邻接矩阵中记录相应的连接关系；基于邻接矩阵构建初始网络拓扑结构，边的权重根据相关系数或互信息值设定；在多个时间窗口内进行扰动分析，评估网络结构随时间的演化特性，验证节点间关联关系的时序稳定性； 运用图论方法分析网络结构，计算节点的度中心性、介数中心性和特征向量中心性指标，识别网络中的关键节点和重要路径，揭示主要影响因素之间的传导机制，包括以下步骤：对网络中的每个节点，统计其直接相连的边数量，得到节点的度中心性；通过计算网络中所有最短路径中经过该节点的比例，获得节点的介数中心性指标；基于邻接矩阵的特征值分解，计算节点的特征向量中心性；综合比较度中心性、介数中心性和特征向量中心性，识别网络中的关键节点，并分析其特征属性；通过分析网络中的最短路径和关键边，识别出网络中的重要传播路径；基于关键节点和重要路径的分析结果，绘制影响传导机制的图谱，以清晰展示主要影响因素之间的传导关系，包括传导方向、强度和时序特征。

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山东建勘集团有限公司，其通讯地址为：250031 山东省济南市天桥区无影山西路686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”。