-
公开(公告)号：CN117131747B
公开(公告)日：2024-02-23
申请号：CN202311395966.5
申请日：2023-10-26
Applicant: 深圳市路桥建设集团有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F30/23 , G06F30/13 , G06F111/10
Abstract: 本发明公开了一种基于采样点卡尔曼滤波的状态估计方法及装置，包括：建立桥梁结构有限元模型，并生成桥梁结构的物理矩阵；基于采样点卡尔曼滤波器，产生所述桥梁结构在当前时刻的状态采样点，并获取所述状态采样点的先验状态估计；基于序贯重要性重采样方法，将环境激励参数化为噪声参数，并根据监测点的振动数据估计噪声参数特征值；根据估计的噪声参数特征值，在所述采样点卡尔曼滤波器的框架下对所述桥梁结构的物理矩阵进行修正，进行结构响应重构估计并输出估计结果；本发明提高了稳态和非稳态噪声过程的桥梁结构参数估计和响应重构的精度。
-
公开(公告)号：CN118154864A
公开(公告)日：2024-06-07
申请号：CN202410197067.2
申请日：2024-02-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 城市安全发展科技研究院(深圳)
IPC: G06V10/26 , G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06V20/17 , G06V20/40 , G06V10/30 , G06V10/764 , G06N3/0455
Abstract: 本发明提供了一种基于语义分割的桥梁病害智能识别方法、系统及存储介质，包括训练步骤和识别步骤，所述训练步骤包括：数据集准备步骤、数据集标注步骤、图像预处理步骤、数据集划分步骤、网络构建步骤、模型训练步骤；训练步骤结束后，载入训练结果模型，利用识别步骤完成病害的智能识别。本发明的有益效果是：本发明的检测精度及效率高、鲁棒性与泛化能力强、成本低，安全性能够得到保障。
-
公开(公告)号：CN117454100A
公开(公告)日：2024-01-26
申请号：CN202311206761.8
申请日：2023-09-19
Applicant: 深圳市路桥建设集团有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/15 , G06F18/21 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种面向工程结构的缺失数据重构方法，尤其应用于桥梁结构的缺失数据重构，方法包括采集获取工程结构各监测通道数据，利用标准正态变换逐一计算各通道数据的均值及标准差，并利用均值和标准差对各通道数据进行归一化；将归一化处理后的数据进行时序排序，根据数据缺失开始出现位置提取无缺失通道数据，将无缺失通道数据划分为训练集和测试集；根据各通道间的时空相关性及缺失数据通道本身的时间相关性学习基于LSTM单元建立的时序模型神经网络，利用训练集和测试集对学习完成后的时序模型神经网络进行验证，最终输入缺失通道数据进行重构。本发明方法充分利用监测数据，通过精确训练关系模型，提高数据完整性和可靠性。
-
公开(公告)号：CN116821800B
公开(公告)日：2023-11-10
申请号：CN202311108225.4
申请日：2023-08-31
Applicant: 深圳市路桥建设集团有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/241 , G06N3/0475 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了基于半监督生成对抗网络的结构状态分类方法及相关设备，所述方法包括：获取预定长度的结构加速度振动信号的信号样本，对信号样本进行频谱估计得到功率谱信号样本，并构建半监督生成对抗网络模型；基于功率谱信号样本对半监督生成对抗网络模型的生成网络和判别网络进行竞争迭代得到目标生成对抗网络；基于目标生成对抗网络对功率谱信号数据进行真伪性判别得到初步分类数据，并对所述初步分类数据进行状态分类得到目标状态分类结果，并将所述目标状态分类结果进行二维可视化得到可视化分类结果。本发明通过Welch功率谱估计可增强结构状态分类的鲁棒性，通过半监督的生成对抗网络算法使得对结构状态的预测识别效果更准确。
-
公开(公告)号：CN116821800A
公开(公告)日：2023-09-29
申请号：CN202311108225.4
申请日：2023-08-31
Applicant: 深圳市路桥建设集团有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/241 , G06N3/0475 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了基于半监督生成对抗网络的结构状态分类方法及相关设备，所述方法包括：获取预定长度的结构加速度振动信号的信号样本，对信号样本进行频谱估计得到功率谱信号样本，并构建半监督生成对抗网络模型；基于功率谱信号样本对半监督生成对抗网络模型的生成网络和判别网络进行竞争迭代得到目标生成对抗网络；基于目标生成对抗网络对功率谱信号数据进行真伪性判别得到初步分类数据，并对所述初步分类数据进行状态分类得到目标状态分类结果，并将所述目标状态分类结果进行二维可视化得到可视化分类结果。本发明通过Welch功率谱估计可增强结构状态分类的鲁棒性，通过半监督的生成对抗网络算法使得对结构状态的预测识别效果更准确。
-
Patent Agency Ranking
公开(公告)号：CN109254321B
公开(公告)日：2020-06-26
申请号：CN201810842715.X
申请日：2018-07-27
Applicant: 同济大学
IPC: G01V1/30
Abstract: 本发明涉及一种地震激励下快速贝叶斯模态参数识别方法，包括以下步骤：S1、采集得到已知地震激励下的地震输入和结构响应数据；S2、选择一个频域段并从步骤S1中数据的奇异值谱中获得固有频率的初始值，设定阻尼比的初始值；S3、通过最小化由贝叶斯公式得到的目标函数，得到固有频率和阻尼比的最优值；S4、通过固有频率和阻尼比的最优值得到模态贡献因子。与现有技术相比，本发明使用过程方便，只需要选择频域段，然后输入初始频率和阻尼比就可以直接进行计算，不需要专业人士进行经验分析，比传统方法计算速度快，通常完成分析只要几秒钟，可以直接在测试时使用。
-
公开(公告)号：CN109254321A
公开(公告)日：2019-01-22
申请号：CN201810842715.X
申请日：2018-07-27
Applicant: 同济大学
IPC: G01V1/30
Abstract: 本发明涉及一种地震激励下快速贝叶斯模态参数识别方法，包括以下步骤：S1、采集得到已知地震激励下的地震输入和结构响应数据；S2、选择一个频域段并从步骤S1中数据的奇异值谱中获得固有频率的初始值，设定阻尼比的初始值；S3、通过最小化由贝叶斯公式得到的目标函数，得到固有频率和阻尼比的最优值；S4、通过固有频率和阻尼比的最优值得到模态贡献因子。与现有技术相比，本发明使用过程方便，只需要选择频域段，然后输入初始频率和阻尼比就可以直接进行计算，不需要专业人士进行经验分析，比传统方法计算速度快，通常完成分析只要几秒钟，可以直接在测试时使用。
-
公开(公告)号：CN106897717B
公开(公告)日：2020-11-03
申请号：CN201710070511.4
申请日：2017-02-09
Applicant: 同济大学
Abstract: 本发明目的在于克服传统方法的缺点，给出一种基于环境激励数据的多次测试下贝叶斯模型修正方法，可实现对多次测试数据进行直接的处理分析，可对多次测试得到的模态参数进行一次性输入，模型修正结果直接输出。本发明技术方案可用来解决基于实际测试数据的有限元模型修正问题。本发明分两个阶段，第一阶段是对多次测试下采集的环境激励下结构加速度数据进行分析，得到每次测试测得的结构的固有频率和振型，并计算这些模态参数的不确定性，用协方差矩阵来表示。第二个阶段是基于多次测试得到的结构模态参数及其协方差矩阵，基于贝叶斯理论构建目标函数，通过对目标函数的优化，得到需要修正的有限元模型的模型参数的最优值。
-
公开(公告)号：CN106897717A
公开(公告)日：2017-06-27
申请号：CN201710070511.4
申请日：2017-02-09
Applicant: 同济大学
Abstract: 本发明目的在于克服传统方法的缺点，给出一种基于环境激励数据的多次测试下贝叶斯模型修正方法，可实现对多次测试数据进行直接的处理分析，可对多次测试得到的模态参数进行一次性输入，模型修正结果直接输出。本发明技术方案可用来解决基于实际测试数据的有限元模型修正问题。本发明分两个阶段，第一阶段是对多次测试下采集的环境激励下结构加速度数据进行分析，得到每次测试测得的结构的固有频率和振型，并计算这些模态参数的不确定性，用协方差矩阵来表示。第二个阶段是基于多次测试得到的结构模态参数及其协方差矩阵，基于贝叶斯理论构建目标函数，通过对目标函数的优化，得到需要修正的有限元模型的模型参数的最优值。
-
公开(公告)号：CN108052958B
公开(公告)日：2021-11-16
申请号：CN201711096093.2
申请日：2017-11-09
Applicant: 同济大学
IPC: G06K9/62 , G06F30/27 , G06F111/08
Abstract: 本发明为基于已知激励且同时考虑环境激励影响的贝叶斯模态识别方法，其特征在于，针对已知激励和环境激励共同激励情况下结构加速度数据进行分析，通过对目标函数的优化，得到结构的固有频率、阻尼比以及振型，并同时计算这些模态参数的不确定性。由于在构建理论模型的时候充分考虑了环境激励，因此从根本上解决了环境激励对结果精度的影响，从而对动力参数进行更准确的评估，是一种更加高效的方法，基于最终优化的程序计算时间只需几秒钟。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.06 seconds)
