-
公开(公告)号：CN120012390A
公开(公告)日：2025-05-16
申请号：CN202510029981.0
申请日：2025-01-08
IPC: G06F30/20 , G06F30/23 , G06F30/13 , G06F17/11 , G01L5/00 , G06F111/10 , G06F119/14
Abstract: 一种32米简支箱梁的轮轨力识别方法，涉及桥梁健康监测技术领域。基于Ansys有限元数值模拟提取轨道线上每个激励位置对应的不同关键测点的应变脉冲响应函数；建立列车‑轨道‑桥梁系统的多体动力学模型，提取列车轮轨力时程曲线和关键测点应变时程曲线；通过将轮轨力分解为若干冗余基函数及其相应系数的乘积转变为l1范数稀疏正则化的求解问题，使用快速迭代收缩阈值算法和贝叶斯信息准则分别寻求l1范数正则化的解和选择最优正则化系数，从而实现轮轨力的精确识别。针对典型列车满载工况，将轮轨力识别问题简化为静态轮重和平均动态分量的识别，简化求解自由度，提高求解精度，节省传感器。
-
公开(公告)号：CN118839278A
公开(公告)日：2024-10-25
申请号：CN202410935958.3
申请日：2024-07-12
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/213 , G06F18/214 , G06F18/2431 , G06F18/27 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多通道时空图卷积网络的异常桥梁监测数据识别方法，所述方法包括：定义映射矩阵，收集某斜拉桥结构健康监测系统的斜拉索索力、主梁挠度、索塔倾斜多类型监测数据并标准化，设计带若干可学习映射矩阵的多通道时空图卷积网络对斜拉桥多类型监测数据进行时空关联建模，使用早期多类型监测数据进行训练，获取邻接关系并计算诊断指标，结合诊断指标与邻接关系进行异常桥梁监测数据识别。该方法解决了数据驱动的状态评估对监测数据利用程度低下、存在传感器故障与结构变异混淆问题的缺点，实现了海量监测数据的有效利用，适用于具有多类型监测数据的桥梁结构健康监测系统运营。
-
公开(公告)号：CN117542038A
公开(公告)日：2024-02-09
申请号：CN202311320936.8
申请日：2023-10-12
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于相机标定的大区域铁路轨道三维空间线形视觉感知方法，首先，采用固定摄像机拍摄不同位置和姿态的平面标定板，计算相机内参和外参矩阵，然后相机径向畸变建模与计算，利用LM算法对相机内外参及畸变迭代计算，角度和尺度自适应模板匹配得到关键点图像坐标，最后将图像坐标转换为三维真实坐标，并采用多项式拟合轨道线形，实验室验证算法有效性。本发明提高了铁路轨道健康监测实时预警子系统智能识别的自动化、智能化、准确性和鲁棒性，为大区域铁路轨道三维空间线形在线实时预警子系统的建立提供了解决方案。
-
公开(公告)号：CN116451322A
公开(公告)日：2023-07-18
申请号：CN202310385163.5
申请日：2023-04-11
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/27 , G06F18/23213 , G06F18/2415 , G06N3/0442 , G06N3/08 , G06N7/01 , G06F111/08 , G06F119/14
Abstract: 一种基于贝叶斯优化的LSTM深度学习网络的力学预测方法，包括：步骤S1：索力数据采集，生成训练数据集、测试数据集与验证数据集，并进行进一步数据处理；步骤S2：LSTM索力预测模型建立，由遗忘门、输入门与输出门组成；步骤S3：多重指标判断预测效果，预测未来索力的LSTM网络模型评估；步骤S4：监测数据网络自修正；步骤S5：网络超参数优化，应用贝叶斯优化算法对LSTM网络中学习速率、隐含层个数、迭代次数超参数进行优化得到模型最优解，突破传统的仅是人为选择参数的LSTM算法，实现了智能化自动选取最优的网络参数，从而提高LSTM网络的预测精度与效率。本发明利用大量数据确定模型关键参数，以实现对桥梁结构拉索索力精准预测，达到评估桥梁重要部件的受力技术状况等级的目的，为桥梁安全运维提供技术保障。
-
公开(公告)号：CN113689380B
公开(公告)日：2023-05-16
申请号：CN202110817763.5
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于深度学习的桁架桥梁铆钉锈蚀病害智能识别方法，解决铆钉锈蚀病害传统检测方法成本高、检测结果主观性强、效率低的问题，方法如下：对桥梁全景图像进行分割，筛选发生锈蚀病害的铆钉图像和状态正常的铆钉图像，对原始图像进行数据增广，划分训练集和测试集，采用单阶段检测网络进行铆钉病害类型和位置的精确判定，训练过程中采用类别置信度和位置的加权损失函数监督网络预测误差，判断模型的收敛状态。基于桁架桥梁铆钉空间分布特征，将网络置信度阈值参数设置为0.6，在网络所有类别预测框中找到类别置信度大于0.6的预测框作为网络最终预测结果。本方法能够对桥梁铆钉锈蚀病害实现精准判别和定位。
-
Patent Agency Ranking
公开(公告)号：CN118839278B
公开(公告)日：2025-02-18
申请号：CN202410935958.3
申请日：2024-07-12
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/213 , G06F18/214 , G06F18/2431 , G06F18/27 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多通道时空图卷积网络的异常桥梁监测数据识别方法，所述方法包括：定义映射矩阵，收集某斜拉桥结构健康监测系统的斜拉索索力、主梁挠度、索塔倾斜多类型监测数据并标准化，设计带若干可学习映射矩阵的多通道时空图卷积网络对斜拉桥多类型监测数据进行时空关联建模，使用早期多类型监测数据进行训练，获取邻接关系并计算诊断指标，结合诊断指标与邻接关系进行异常桥梁监测数据识别。该方法解决了数据驱动的状态评估对监测数据利用程度低下、存在传感器故障与结构变异混淆问题的缺点，实现了海量监测数据的有效利用，适用于具有多类型监测数据的桥梁结构健康监测系统运营。
-
公开(公告)号：CN118379237B
公开(公告)日：2024-11-15
申请号：CN202410289927.5
申请日：2024-03-14
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于视觉大模型SAM的桥梁表观裂缝像素级辨识方法，包括：采集桥梁表观裂缝图像并进行像素级标注，使用随机采样法进行训练、验证和测试集的划分；对视觉大模型SAM进行修改，删除图像嵌入之后的部分，对剩余的部分添加裂缝特征低秩适应器，形成SAM‑Crack编码器；在SAM‑Crack编码器后增加裂缝像素级辨识解码模块，形成完整的SAM‑Crack模型；使用训练集对SAM‑Crack模型进行训练，训练损失函数为DICE损失和交叉熵损失的组合函数；使用训练好的SAM‑Crack模型对待辨识的桥梁表观裂缝图像进行处理，生成裂缝像素级辨识结果。本发明大幅度提升了有限标注数据下的裂缝辨识准确率。
-
公开(公告)号：CN118379237A
公开(公告)日：2024-07-23
申请号：CN202410289927.5
申请日：2024-03-14
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于视觉大模型SAM的桥梁表观裂缝像素级辨识方法，包括：采集桥梁表观裂缝图像并进行像素级标注，使用随机采样法进行训练、验证和测试集的划分；对视觉大模型SAM进行修改，删除图像嵌入之后的部分，对剩余的部分添加裂缝特征低秩适应器，形成SAM‑Crack编码器；在SAM‑Crack编码器后增加裂缝像素级辨识解码模块，形成完整的SAM‑Crack模型；使用训练集对SAM‑Crack模型进行训练，训练损失函数为DICE损失和交叉熵损失的组合函数；使用训练好的SAM‑Crack模型对待辨识的桥梁表观裂缝图像进行处理，生成裂缝像素级辨识结果。本发明大幅度提升了有限标注数据下的裂缝辨识准确率。
-
公开(公告)号：CN117456005A
公开(公告)日：2024-01-26
申请号：CN202311187301.5
申请日：2023-09-14
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于相机标定的铁路轨道扣件空间位移提取方法，首先，采用固定摄像机拍摄不同位置和姿态的平面标定板，计算相机内参和外参矩阵，然后相机径向畸变建模与计算，利用LM算法对相机内外参及畸变迭代计算，最后建立扣件二维图像位移提取模型，将扣件二维图像位移转换为三维空间位移，实验室验证算法有效性。本发明能作为铁路轨道扣件健康监测实时预警子系统的组成部分，直接实时地对铁路轨道扣件的空间位置与位移是否异常进行判断识别。本发明提高了铁路轨道扣件健康监测实时预警子系统智能识别的自动化、智能化、准确性和鲁棒性，为铁路轨道扣件位置与空间位移在线实时预警子系统的建立提供了解决方案。
-
公开(公告)号：CN115100126A
公开(公告)日：2022-09-23
申请号：CN202210663664.0
申请日：2022-06-10
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种桥梁结构平面位移场智能感知方法，属于监测领域，包括：在待测桥梁关键位置处设置靶标，利用固定在自动旋转云台上摄像机对桥梁进行扫描式成像，通过透视变换将扫描得到的图像投影至同一个平面并拼接，得到二维全景图像；对相机扰动进行消除，采用GrabCut算法提取待测桥梁结构部位的图像，进行网格离散化；利用靶标对相机进行标定以消除畸变，同时计算出像素‑位移转换系数，采用二次曲面拟合改进的模板匹配算法得出关键节点位移；采用三角形形函数和矩形形函数对关键节点位移信息进行传递，从而获取待测桥梁结构平面位移场。本方法实现了桥梁结构平面位移场的准确快速非接触获取。本发明具有便捷、准确的优点。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.019 seconds)
