-
公开(公告)号：CN114037002B
公开(公告)日：2024-12-03
申请号：CN202111185481.4
申请日：2021-10-12
Applicant: 东南大学
IPC: G06F18/2433 , G06F18/27 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G01M5/00
Abstract: 本发明公开了一种基于深度学习模型的斜拉桥主梁异常挠度监测方法，首先凝练温度变量，并提取温致挠度；以多种温度变量形成矩阵作为输入，以温致挠度作为输出，构造输入输出映射关系，利用深度神经网络拟合时序映射模型；所述神经网络的核心为一层具有与温度变量相同个数卷积核的卷积神经网络层、一层堆栈长短时记忆网络层和一层整合输出数据的卷积神经网络层；以模型输出的挠度回归值作为基准值，设定允许误差后，根据实测温致挠度与基准值的残差直接识别异常挠度。本方法针对斜拉桥主梁挠度建模提出了去黑箱化的深度学习模型，搭建的神经网络具备可解释性，精度极高，广泛适用于斜拉桥，可以高灵敏感知斜拉桥主梁异常变形。
-
公开(公告)号：CN114529596B
公开(公告)日：2024-11-08
申请号：CN202210104963.0
申请日：2022-01-28
Applicant: 东南大学
IPC: G06T7/521 , G06T3/06 , G06T3/08 , G06T3/4007 , G06T17/10 , G06Q10/0639
Abstract: 本发明公开了基于切片法的预制构件逆向建模与质量控制方法，包括：获取预制构件表面三维点云数据；对三维点云数据进行预处理；根据预处理后的点云数据设置参考线，沿参考线对预制构件进行切片分割，提取各切片的高度信息，将切片投影到二维平面；从二维切片平面外围轮廓上的点中提取特征点；将特征点连起来得到切片二维轮廓，将切片二维轮廓依据切片高度信息拉伸成三维切片，将所有的三维切片按照原位置组合形成逆向重建模型；对逆向重建模型以及正向设计的BIM模型进行配准，按照质量控制要求进行分析综合，评估装配式预制构件的质量是否符合要求。本发明方法替代传统人工肉眼观察以及尺量的方式，实现更严格、更自动化的生产质量控制。
-
公开(公告)号：CN111291490B
公开(公告)日：2022-11-18
申请号：CN202010102343.4
申请日：2020-02-19
Applicant: 东南大学
IPC: G06F30/20 , G06F30/13 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种结构多尺度异类响应的非线性映射智能建模方法，包括如下步骤：提取各次荷载作用下的结构全局响应（位移等）时序数据和局部响应（应变等）时序数据的非平稳段，并存储为一一对应的两个或多个数据集（全局/局部）；将全局/局部响应数据集按照固定比例划分为训练集与检验集，并进行归一化等预处理；设计长短期记忆（LSTM）回归网络，设定网络训练参数，采用训练集数据对神经网络进行训练学习；模型训练达到预设Epoch后，检查已训练模型回归预测结果与检验集数据的均方根误差（RMSE），如其足够小，则该网络模型可投入使用，反之则调整网络参数和训练参数进行重新训练。与现有技术相比，本发明方法逻辑严密，考虑因素全面，实施有章可循。
-
公开(公告)号：CN115099303A
公开(公告)日：2022-09-23
申请号：CN202210564619.X
申请日：2022-05-23
Applicant: 东南大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于全卷积神经网络(FCN)的结构健康监测传感器异常分类识别的方法。通过传感网络获取传感器原始的监测数据集并划分为训练集和测试集，通过Tsfresh提取原始数据特征，搭建FCN神经网络用于异常数据分类识别。本方法首先对原始数据进行预处理然后采用Tsfresh提取训练数据集和测试数据集的特征数据，继而对其做可视化处理并进行标记异常分类。本方法的训练和测试集用于网络训练和验证方法的准确性。本方法是基于有监督的深度学习网络，包括卷积层、池化层和分类层。将人为标记的异常分类与FCN神经网络的测试集数据的预测输出进行对比判断FCN网络的优良性，最终将训练准确率好的模型保存即可用于预测数据并完成分类。
-
公开(公告)号：CN114878117A
公开(公告)日：2022-08-09
申请号：CN202210394872.5
申请日：2022-04-14
Applicant: 东南大学
Abstract: 本发明公开了多模态系统随机非平稳振动频率特征的转移概率确定方法，包括：提取各段非平稳振动功率谱中能量最大的频率结果，以之为该段非平稳振动的主导频率，对各段非平稳振动的主导频率数据进行一维层次聚类，根据非平稳振动的发生时间，对每个当前非平稳振动主导频率所属聚类簇的下一个非平稳振动主导频率所属聚类簇进行计数并建立转移概率矩阵，计算聚类簇的出现概率行向量并将其与转移概率矩阵相乘，则可得到每个聚类簇从其它聚类簇转移的转移概率行向量，转移概率行向量中各转移概率值分别表示随机过程中从其他频率特征转移到各频率特征的概率大小。本发明方法可为系统的智能振动控制提供实时的非平稳振动频率及其控制优先级信息。
-
Patent Agency Ranking
公开(公告)号：CN105956218B
公开(公告)日：2019-05-31
申请号：CN201610238017.X
申请日：2016-04-15
Applicant: 东南大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于非均匀温度响应监测值的钢桥有限元模型修正方法，包括以下主要步骤：1)对钢桥全年监测数据进行分析，找出非均匀温度场作用下结构的响应规律2)根据设计数据建立初始有限元模型3)采用迭代法初步确定钢桥支座水平刚度4)基于钢桥温度响应数据对钢桥进行灵敏度分析，确定与实测数据相关系数较高的设计变量5)通过缩小有限元计算结果与实测数据的差值对钢桥有限元模型进行优化分析。该方法与普遍采用的基于试验模态数据等动力响应结果的有限元模型修正方法相比，具有简单准确，费用较低，安全性好的优点。
-
公开(公告)号：CN106568557B
公开(公告)日：2018-08-21
申请号：CN201610942526.0
申请日：2016-10-31
Applicant: 东南大学
IPC: G01M5/00
Abstract: 本发明公开了一种高速铁路桥梁车–桥振动性能的安全预警方法，包括如下步骤：采集每次列车通过的加速度响应幅值最大值和对应的车速数据，将两组序列的相应元素进行配对，并按车速大小进行排列；采用小波包分解技术对主梁加速度响应幅值序列进行分解并提取加速度–车速中值线，并以加速度序列在固定序列长度内的加速度幅值均值的匹配度确定最优的小波包分解参数；基于区间估计理论获取各子序列内加速度幅值围绕加速度–车速中值线的波动区间；将加速度波动区间与加速度–车速中值线进行叠加，得到高速铁路桥梁车–桥振动性能的安全预警区间。与现有技术相比，本发明方法考虑因素全面，方法准确合理，并且物理意义明确，便于理解实施，应用范围广泛。
-
公开(公告)号：CN105550534B
公开(公告)日：2018-02-06
申请号：CN201610147714.4
申请日：2016-03-15
Applicant: 东南大学
IPC: G06F19/00
Abstract: 本发明公开了一种应变动力系数的测定方法，包括如下步骤：步骤10)：采集动应变样本：将光栅应变计配接到应变采集系统中，然后利用光栅应变计对测点的动应变进行采集，形成动应变样本；步骤20)：设计FIR凯塞窗滤波器参数，设置理想滤波模式为理想低通滤波，确定FIR凯塞窗低通滤波器的截止频率、过度带和波纹；步骤30)：生成FIR凯塞窗低通滤波器，对动应变样本进行滤波；步骤40)：测定结构局部应变的动力系数。该测定方法可以准确测定结构局部应变的动力系数。
-
公开(公告)号：CN105825009A
公开(公告)日：2016-08-03
申请号：CN201610148057.5
申请日：2016-03-15
Applicant: 东南大学
CPC classification number: G06F17/5036 , G01B21/32
Abstract: 本发明提出一种基于建筑信息模型的桥梁竖向变形性能预警方法，是桥梁健康监测系统与BIM技术的有效结合。该方法包括如下步骤：步骤1：建立带有健康监测系统数据的桥梁结构信息模型BIM；步骤2：基于桥梁结构健康监测系统获取桥梁结构的竖向挠度的实时监测数据；步骤3：运用多项式插值算法对全桥各点竖向挠度进行计算，并将计算得到的结果反映在已建成的桥梁BIM模型中；步骤4：对于竖向挠度数据使用BIM技术的碰撞检查功能，将当前桥梁状态与设定阈值进行碰撞检查，不仅实现预警功能，而且可以直观显示预警部位。本发明有效提高了桥梁竖向变形性能预警的实时性和直观性，必将得到广泛应用和推广。
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.025 seconds)
