-
公开(公告)号：CN110782041B
公开(公告)日：2022-08-02
申请号：CN201910994657.7
申请日：2019-10-18
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于机器学习的结构模态参数识别方法，包括以下步骤：步骤一、将振动传感器收集到的数据进行初步滤波去噪处理；步骤二、将滤波后的数据输入设计的神经网络，设计目标函数，所述目标函数用于保证神经网络第三层的输出结果具有完全的独立性，使得神经网络的训练过程变为混叠信号的分离过程；步骤三、提取神经网络第三层的结果即为各阶模态响应，神经网络三四层之间的权重即为各阶振型系数；步骤四、对提取得到的模态响应进行功率谱变换求频率，利用对数衰减技术并进行曲线拟合得到阻尼比。本发明利用机器学习的方法实现了对监测数据的自动处理，网络自动化程度较高，分离速度较快。
-
公开(公告)号：CN114742101A
公开(公告)日：2022-07-12
申请号：CN202210316548.1
申请日：2022-03-29
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于机器学习的自适应稀疏模态分解方法，首先待分析离散时间序列以向量形式作为输入；构建傅里叶变换矩阵作为额外已知输入；然后定义一组可变峰值中心与带宽的自适应滤波器组；再采用一个四层神经网络作为非凸最小二乘目标函数的求解器；最终通过定义一个损失函数作为目标函数，训练网络权重，由权重计算得到自适应滤波器组的波峰中心值和带宽以及滤波器权重系数，得到最稀疏本征模函数，完成信号模态的分解；本发明结合了机器学习中神经网络和信号分解方法，实现待分析时间序列的自适应稀疏分解为本征模函数，在此过程中自动学习和优化求解非凸最小二乘问题，对于非线性非平稳时间序列的自适应稀疏分解尤为重要。
-
公开(公告)号：CN113837007B
公开(公告)日：2022-04-12
申请号：CN202110971025.6
申请日：2021-08-23
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法，所述方法首先进行目标车辆图像的获得及车辆荷载信息关联，然后利用基于HardNet深度学习描述符的图像匹配方法实现不同监控视频图像中的车辆识别，最后对给定时刻的所有位置监控视野中的车辆进行识别，结合目标车辆图像附加的车辆荷载信息，实现桥梁上的车辆荷载识别。本发明的图像匹配过程在各种监控场景下都能很好地建立车辆图像间的点特征对应关系，对于不同监控视频图像间存在的亮度、视角以及尺度变化都有着很好的鲁棒性，从而使得本方法能够有效应对复杂多变的实际监控场景的挑战，稳定识别桥上的车辆荷载。
-
公开(公告)号：CN113837007A
公开(公告)日：2021-12-24
申请号：CN202110971025.6
申请日：2021-08-23
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法，所述方法首先进行目标车辆图像的获得及车辆荷载信息关联，然后利用基于HardNet深度学习描述符的图像匹配方法实现不同监控视频图像中的车辆识别，最后对给定时刻的所有位置监控视野中的车辆进行识别，结合目标车辆图像附加的车辆荷载信息，实现桥梁上的车辆荷载识别。本发明的图像匹配过程在各种监控场景下都能很好地建立车辆图像间的点特征对应关系，对于不同监控视频图像间存在的亮度、视角以及尺度变化都有着很好的鲁棒性，从而使得本方法能够有效应对复杂多变的实际监控场景的挑战，稳定识别桥上的车辆荷载。
-
公开(公告)号：CN113378967A
公开(公告)日：2021-09-10
申请号：CN202110720189.1
申请日：2021-06-28
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于卷积神经网络与迁移学习的结构健康监测多元数据异常诊断方法，将某大型结构A的多元监测数据由时间序列分段数据可视化处理，转换为时域响应图像，根据数据段对应的时域响应图像数据进行人工标记，选取带有人工标记的各种异常类型的样本组成数据集A；将数据集A输入至用于异常检测的卷积神经网络模型A中，训练好模型A；将某大型结构B的多元监测数据可视化，人工标记，组成数据集B；在模型A的基础上加入数据集B，进行迁移学习训练，提升分类模型的泛化性能，使卷积神经网络模型能够适应不同分布的数据，迁移学习训练好的模型作为多元数据异常检测器；本发明能够解决目前结构健康监测多元数据无检测方法等问题。
-
Patent Agency Ranking
公开(公告)号：CN113239730A
公开(公告)日：2021-08-10
申请号：CN202110384984.8
申请日：2021-04-09
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种基于计算机视觉的结构虚假模态参数自动剔除方法。利用待测结构的已有数据绘制模态振型图；按虚假模态与真实模态阶次进行人工标定并制作成为待测结构的数据集；利用待测结构的数据集训练振型图像分类器；将结构的待测响应信号输入模态参数求解器；求解得到待测结构的真实模态参数与虚假模态参数掺杂的识别结果；进行各阶次的有效分类；利用自动分类器实现待测结构模态参数的自动分类。用以解决模态参数识别的准确结果主要人为判断，面对海量的结构监测数据，人工选取的方式效率低下，难以实现结构模态在线自动分析，严重影响了结构健康监测系统实时预警等功能的问题。
-
公开(公告)号：CN108764601B
公开(公告)日：2021-07-16
申请号：CN201810290291.0
申请日：2018-04-03
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种基于计算机视觉和深度学习技术的结构健康监测异常数据诊断方法，是为了解决现有方法难以处理具有多种异常模式的情形，容易产生过处理和欠处理的问题，且人工专家干预的自动化程度低，成本昂贵的缺点而提出的，包括：将待诊断监测数据由时间序列数据通过数据可视化处理转换为时域响应图像数据和频域响应图像数据；根据同一个数据段对应的时域响应图像数据和频域响应图像数据组成双通道时频响应图；从双通道时频响应图中选取样本并标注样本的异常类型，构成训练集；将训练集输入至卷积神经网络模型中，将训练后的模型作为异常数据诊断器；将待诊断监测数据输入至异常数据诊断器中得到诊断结果。本发明适用于结构健康数据监测。
-
公开(公告)号：CN108346144B
公开(公告)日：2021-03-16
申请号：CN201810089404.0
申请日：2018-01-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种基于计算机视觉的桥梁裂缝自动监测与识别方法，通过构建训练深度网络模型，以拍摄得到的图像为输入，经过各隐藏层的运算，最终输出得到图像的分类标签，实现裂缝识别，完成计算机对输入图像内容的理解。本发明针对桥梁裂缝的自动监测与识别问题，实现了对于包含复杂背景干扰信息的真实钢箱梁裂缝图像的模型训练、裂缝识别、结果展示的全过程自动化处理。本方法便捷、准确，提升了桥梁裂缝检测的效率以及检测结果的准确度和稳定性。
-
公开(公告)号：CN107894402B
公开(公告)日：2020-02-07
申请号：CN201711079620.9
申请日：2017-11-06
Applicant: 哈尔滨工业大学
IPC: G01N21/27
Abstract: 一种基于光纤光栅和石墨烯薄膜的结冰监测与融冰一体化系统，涉及一种结冰监测与融冰一体化系统。目的是解决现有测冰融冰技术不能实时同步监测结冰和融冰的过程、现有测冰融冰装置使用受到环境限制和检测结果准确性低的问题。该系统，由测冰融冰复合膜、光纤光栅传感解调仪、复合膜输入电源和计算机构成；该系统由测冰融冰复合膜、光纤光栅传感解调仪、复合膜输入电源和计算机构成；测冰融冰复合膜由光纤布拉格光栅传感带、石墨烯薄膜、上层聚对苯二甲酸乙二醇酯膜、下层聚对苯二甲酸乙二醇酯膜和塑料套管构成；光纤布拉格光栅传感带由数个光纤布拉格光栅传感器串接构成。该系统能够实时同步监测结冰和融冰的过程，布置灵活，准确性高，效率高。
-
公开(公告)号：CN107171771A
公开(公告)日：2017-09-15
申请号：CN201710595044.7
申请日：2017-07-20
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种结构健康监测无线传感器数据丢失无损恢复嵌入式算法，嵌入智能无线传感器平台的无损压缩编码、随机增加信号的冗余度的矩阵运算以及信号传输方法。其嵌入的随机冗余矩阵通过函数随机产生，该方法产生的随机冗余矩阵只有相当少的非零元素，且非零元素的值均为+1。设该矩阵为ΦI，相比于传统的全随机冗余矩阵Φ，无线传感器存储ΦI所需的内存空间小；且用ΦI对数据增加冗余度的计算速度较快。在该嵌入式算法的支持下，无线传感器相对耗时耗电的数据包重复传输协议可被更加快速简洁的传输协议代替，基站收到的不完整数据能够恢复。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.027 seconds)
