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！

龙图腾网恭喜清华大学深圳国际研究生院申请的专利一种基于深度学习的动态电缆动力响应监测方法、计算机可读存储介质及程序产品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：CN119128449B 。

龙图腾网通过国家知识产权局官网在2025-01-17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：202411609188.X，技术领域涉及：G06F18/20；该发明授权一种基于深度学习的动态电缆动力响应监测方法、计算机可读存储介质及程序产品是由李彬彬;刘津;胡振中设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种基于深度学习的动态电缆动力响应监测方法、计算机可读存储介质及程序产品在说明书摘要公布了：一种基于深度学习的动态电缆动力响应监测方法，通过监测系统收集浮式平台的六自由度运动时程数据和浮筒段的三自由度运动时程数据，并结合沿电缆长度的各个监测节点的动力响应数据，形成针对不同疲劳热点的训练数据集。接着，构建一个包含多个并行回归模块的多任务集成模型，每个模块专注于预测特定监测节点的张力或弯矩。通过使用针对不同疲劳热点的训练数据集分别训练每个回归模块，并将它们集成，形成完整的多任务集成模型。最后，实时收集的运动时程数据被输入到该模型中，以预测各监测节点的张力和弯矩，实现动态电缆的动力响应监测。本发明在实现动态电缆运维阶段动力响应的健康监测的同时，降低监测成本，提高浮式风电场的经济效益。

本发明授权一种基于深度学习的动态电缆动力响应监测方法、计算机可读存储介质及程序产品在权利要求书中公布了：1.一种基于深度学习的动态电缆动力响应监测方法，其特征在于，包括以下步骤：S1.通过监测系统收集浮式平台的六自由度运动时程数据以及浮筒段的三自由度运动时程数据，并将浮式平台和浮筒段的运动时程数据与沿电缆长度的各个监测节点监测的动力响应数据相结合，形成针对动态电缆的不同疲劳热点的训练数据集；S2.构建包含多个并行回归模块的多任务集成模型，其中各回归模块分别用于预测不同监测节点的动力响应，包括张力或弯矩；S3.使用针对不同疲劳热点的训练数据集，分别训练每个回归模块，并集成训练好的各个回归模块，形成完整的多任务集成模型；S4.将实时收集的浮式平台和浮筒段的运动时程数据输入所述多任务集成模型，通过所述多任务集成模型预测的各监测节点的张力和弯矩，以监测动态电缆的动力响应。

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清华大学深圳国际研究生院，其通讯地址为：518071 广东省深圳市南山区桃源街道丽水路2279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”。