-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN119516259A
公开(公告)日：2025-02-25
申请号：CN202411550426.4
申请日：2024-11-01
Applicant: 深圳大学
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的多层次复合结构损伤识别方法及系统，涉及结构健康监测领域，该方法包括：基于结构损伤数据集依次构建一级损伤识别模型和二级损伤识别模型；基于训练完成后的一级损伤识别模型，对结构损伤数据集中的图像数据进行一级损伤识别，并基于一级损伤识别结果将所述结构损伤数据集中的图像数据划分为无损伤图像数据集与有损伤图像数据集；基于训练完成后的二级损伤识别模型，对有损伤图像数据集中的图像数据进行二级损伤识别，获得二级损伤识别结果。本发明通过采用多层次复合深度学习模型，能够兼顾不同复杂度的检测任务，全面覆盖了结构损伤检测的需求，大大提升了识别的精度和全面性。
-
公开(公告)号：CN119478508A
公开(公告)日：2025-02-18
申请号：CN202411531162.8
申请日：2024-10-30
Applicant: 深圳大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/10 , G06V20/70 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了基于深度学习分类算法的结构损伤分级识别方法及系统，涉及结构健康监测技术领域，该结构损伤分级识别方法包括以下步骤：对一级数据集中的结构损伤图像数据进行预处理和增强，形成二级数据集；保留最佳质量的结构损伤图像作为三级数据集；将分类概率值最大的类别作为有损伤图像块的损伤类型；将无损伤图像块与标注的有损伤图像块进行拼接，获取最终识别结果。本发明基于深度学习分类算法实现多层级结构损伤识别功能，相比于传统的单层模型或其它现有的检测模型，其深度神经网络模型经过模块化设计具有逐步精细化检测识别的特征，具有可自动识别结构多种损伤类型、位置和程度的结构损伤自适应识别能力。
-
公开(公告)号：CN119146565A
公开(公告)日：2024-12-17
申请号：CN202411484331.7
申请日：2024-10-23
Applicant: 深圳大学
IPC: F24F11/89 , G06N20/00 , F24F11/64 , F24F11/70 , F24F130/10
Abstract: 本发明公开了一种基于多维机器学习的多目标智能优化空调控制方法和系统，旨在通过实时采集建筑物内外的人员流动和环境数据，并结合天气预报信息等获取室外环境数据，利用机器学习算法预测未来人员流动趋势及环境变化情况，为空调系统的人工智能控制策略提供数据支撑。基于这些预测结果，运用多目标优化控制算法对空调运行效果进行多维参数回归，动态调整空调系统的温度、湿度和风速等运行参数。本发明适用于各种大型建筑物，如办公楼、商场、机场等，在确保室内环境舒适度的前提下，实现显著提高空调系统的能源利用效率，大幅降低能源消耗，具有显著的节能减碳效果，具有广泛的应用前景和显著的经济、环保效益。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.047 seconds)
