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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于物理信息融合生成对抗神经网络的导波全波场反演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：CN119643723B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411671577.5，技术领域涉及：G01N29/44；该发明授权一种基于物理信息融合生成对抗神经网络的导波全波场反演方法是由黄永;薛事成;李惠;张浩宇;魏世银;周文松设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种基于物理信息融合生成对抗神经网络的导波全波场反演方法在说明书摘要公布了：本发明提出一种基于物理信息融合生成对抗神经网络的导波全波场反演方法。所述方法包括损伤波场特征提取、生成对抗网络的网络架构设计和导波波场与损伤几何图像重构方法等。本发明所述方法采用训练完成后生成对抗网络的导波波场生成器输出信号与实际测量信号进行匹配，通过匹配结果对应的随机序列重构导波波场与损伤图像。该方法可灵活应用于各种测点布置方案的工况中，并且重构效率较高，对噪声有一定的鲁棒性。

本发明授权一种基于物理信息融合生成对抗神经网络的导波全波场反演方法在权利要求书中公布了：1.一种基于物理信息融合生成对抗神经网络的导波全波场反演方法，其特征在于，所述方法包括以下步骤： 步骤一、建立包含结构缺陷并且具备多样性的原始数据集，从原始数据集中提取导波波场特征组成新数据集，用于训练生成对抗网络； 步骤二、分别设计生成对抗神经网络中的生成器Gθ,I和Gθ,II与判别器Dθ的网络架构；设置网络训练超参数的初始值，训练生成对抗神经网络，通过对超参数调优，获得能准确生成导波波场特征与缺陷图像且具备多样性的生成器Gθ,I和Gθ,II； 步骤三、对目标结构的导波信号进行测量，记录为实际测量信号Y； 步骤四、全波场反演的过程通过优化低维向量z与缺陷位置参数xd实现；通过生成器生成初始的重构全波场特征Gθ,Iz，将重构全波场特征Gθ,Iz转化为重构全波场信号u[xd,Gθ,Iz]；根据实际测量信号Y、目标结构的测量矩阵Φ和重构全波场信号u[xd,Gθ,Iz]，基于优化低维向量z与缺陷位置xd的目标函数得到最优的低维向量与缺陷位置将低维向量与缺陷位置代入生成器Gθ,I和Gθ,II重构全波场信号与对应的重构缺陷几何图像 所述步骤一具体为： 步骤1.1、使用物理数值计算方法计算结构在不同缺陷工况下的导波测量信号YFEM，根据导波传播的物理方程，在结构激励点s处激励导波信号v0[t]，导波信号在缺陷点r处发生散射，测量信号YFEM中的波场特征可按下式提取： 其中，传播算子可由下式计算： 其中，a，b分别取对应的r，q或s，q或s，r；算子与分别为傅里叶变换及其逆变换；dref为参考距离，可取为激励点到各接收点距离的均值；cpf为导波在频率f时的相速度； 步骤1.2、将步骤1.1中提取到的波场特征与对应的缺陷图像Dd组成新数据集其中N为样本个数； 在步骤二中，对于波场特征与缺陷图像的生成任务，分别选择能有效提取图像特征的卷积神经网络来构建生成器Gθ,I和Gθ,II以及判别器Dθ的网络架构；其中，生成器Gθ,I和Gθ,II输入从标准正态分布中随机采样的低维向量zi，所述低维向量zi经由生成器Gθ,I和Gθ,II网络分别投影为生成波场特征与缺陷图像Gθ,Izi和Gθ,IIzi；判别器Dθ输入真实数据集中的样本或生成器的输出Gθ,Izi,Gθ,IIzi，经由判别器Dθ输出一个数值；生成器输出整体对应的数值与真实数据集样本整体对应的数值越接近，则生成器输出的数据分布越接近真实数据集的样本分布； 在步骤二中，采用对抗训练的方法对生成对抗网络进行训练，其中，判别器网络以判断输入是否来自于真实数据集为目标，其训练误差函数为： 其中，与xi分别表示生成器输出与真实数据集样本，即Gθ,Izi,Gθ,IIzi与 为生成器输出与真实数据集样本的内插值，即为而∈i服从0到1的均匀分布U[0,1]；m为每个minbatch中的样本数量；λ为梯度惩罚稀疏。

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”。