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！

龙图腾网获悉武汉理工大学申请的专利基于深度学习的爆破振动速度波形仿真方法及系统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：CN121234719B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511236493.3，技术领域涉及：G06F30/27；该发明授权基于深度学习的爆破振动速度波形仿真方法及系统是由徐琛;邱浪;朱瑜劼;王超;任高峰;胡英国;刘晓丽设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本基于深度学习的爆破振动速度波形仿真方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的爆破振动速度波形仿真方法及系统，涉及工程爆破技术领域，所述方法步骤包括通过多次采集若干个不同监测点的爆破振动速度波形数据以及对应的爆破参数，并进行预处理，以此构建模型训练用数据库；构建Unet‑VAE‑GAN模型，通过训练使模型学习爆破参数与爆破振动速度波形间的非线性映射关系，并生成潜在向量；建立多层感知机模型，通过训练使不同爆破参数与Unet‑VAE‑GAN模型的潜在向量之间建立非线性映射关系；将实际爆破参数输入至训练好的多层感知机模型中输出对应的潜在向量，并将输出的潜在向量输入至训练好的Unet‑VAE‑GAN模型中，生成仿真爆破振动速度波形。

本发明授权基于深度学习的爆破振动速度波形仿真方法及系统在权利要求书中公布了：1.一种基于深度学习的爆破振动速度波形仿真方法，其特征在于，步骤包括： 通过多次采集若干个不同监测点的爆破振动速度波形数据以及对应的爆破参数，并进行预处理，以此构建模型训练用数据库； 构建Unet-VAE-GAN模型，通过训练使模型学习爆破参数与爆破振动速度波形间的非线性映射关系，并生成潜在向量； 所述Unet-VAE-GAN模型包括编码器、解码器和判别器； 所述编码器采用U-Net下采样路径结构，包含三个卷积块进行特征提取和降采样，每个卷积块包括两个卷积层和ReLU激活函数，后接最大池化层进行降采样，最终通过全连接层输出潜在向量； 所述解码器具有两条并行的上采样路径，其中一条路径通过跳跃连接融合编码器各层的特征图与潜在向量，另一条路径仅使用潜在向量进行上采样重建，最后通过卷积和Tanh激活函数输出重建信号； 所述判别器采用卷积神经网络结构进行真实性判别，通过三个卷积块提取特征，最终由全连接层和Sigmoid激活输出真实概率； 建立多层感知机模型，通过训练使不同爆破参数与Unet-VAE-GAN模型的潜在向量之间建立非线性映射关系； 将实际爆破参数输入至训练好的多层感知机模型中输出对应的潜在向量，并将输出的潜在向量输入至训练好的Unet-VAE-GAN模型中，生成仿真爆破振动速度波形。

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武汉理工大学，其通讯地址为：430000 湖北省武汉市洪山区珞狮路122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”。

以上内容由龙图腾AI智能生成。