-
公开(公告)号:CN115908778A
公开(公告)日:2023-04-04
申请号:CN202211369575.1
申请日:2022-11-03
Applicant: 湖北工业大学
Abstract: 公开了一种用于盾尾间隙智能监测的管片区域和激光标定区域提取方法,该方法利用深度学习目标检测、深度学习语义分割、图像处理方法快速识别经由工业相机获取现场图片中的管片区域和激光标定区域。本发明排除图像采集过程中曝光的影响以及原始图像中的干扰信息,以达到在盾构掘进施工和管片拼装过程中对盾尾间隙进行实时和连续性测量的目的,并克服现有测量方法实时性差,测量结果不够精确等方面的缺陷。
-
公开(公告)号:CN115115820A
公开(公告)日:2022-09-27
申请号:CN202210687564.1
申请日:2022-06-16
Applicant: 湖北工业大学
Abstract: 公开了一种用于盾尾间隙智能监测的图像特征提取方法、系统及装置,该方法包括:获取现场采集到的盾尾间隙图像;利用目标检测算法获取管片区域ROI;对激光标定区域运计算激光十字交点;应用对比度增强算法提升图像对比度;计算管片下边缘;保存激光十字交点和管片下边缘这2类特征;将特征带入盾尾间隙计算模型中计算盾尾间隙值;盾尾间隙智能监测的图像特征提取方法结束。本发明克服现有基于机器视觉的盾尾间隙测量方法对环境变化极其敏感的弊端。
-
公开(公告)号:CN111667098A
公开(公告)日:2020-09-15
申请号:CN202010405975.8
申请日:2020-05-14
Applicant: 湖北工业大学
Abstract: 本发明提出了一种基于多模型组合优化的风力电站输出功率预测方法。获取目标风力电站的气象影响因子数据、风电功率数据,依次进行数据缺失值补齐、数据归一化,并通过灰色关联度分析法分析二者的关联度;进一步建立支持向量机预测模型,通过灰狼群优化算法优化参数;将优化后支持向量机模型作为弱回归器,通过建立AdaBoost集成模型构建强回归器,利用强回归器预测获得训练集风电功率预测值序列;进一步构建门控循环单元网络对误差序列E进行预测;将修正后的预测误差值与AdaBoost集成预测模型的预测结果进行叠加,获得最终预测结果。本发明提升了风电功率预测模型的预测效率、预测精度,有助于电力系统的科学调度和并网运行的安全稳定。
-
公开(公告)号:CN111636881A
公开(公告)日:2020-09-08
申请号:CN202010439731.1
申请日:2020-05-22
Applicant: 湖北工业大学
Abstract: 公开了一种盾尾间隙监测装置,包括:安装座(12),其包括固定在盾构机盾壳筋板(11)上的固定底板(1),和可拆卸地设置在固定底板(1)上的定位板(2);盾尾间隙监测器(4),其固定在定位板(2)上,并使盾尾间隙监测器(4)中激光器的激光束从两个撑靴(9)之间的空隙(14)中投射出去。选择盾构机盾壳筋板(11)作为盾尾间隙监测装置的安装位置,不会与盾构机机械结构发生任何干涉;在盾构机正常掘进过程中液压油缸伸缩时,及管片拼装过程中拼装机旋转时,均不会影响盾尾间隙监测装置的正常工作,为盾尾间隙的实时和连续性测量提供了必要的前提条件。
-
-
-