-
公开(公告)号：CN102735686B
公开(公告)日：2014-05-14
申请号：CN201210201948.4
申请日：2012-06-07
Applicant: 哈尔滨工业大学
Abstract: 基于可移动无线传感器的钢结构健康监测系统，包括计算机终端、可移动机器人、机器人控制器、无线加速度传感器、传感器数据接收基站，计算机终端与传感器数据接收基站以及机器人控制器相连，可移动机器人通过机器人控制器无线远程控制，可移动机器人上的机械臂将无线加速度传感器安放在钢结构被测点处，采集完数据之后，可移动机器人拾起无线加速度传感器继续下一个测点的测试，无线传感器的测试数据无线传输给数据接收基站。该系统可以实现钢结构的可视化裂缝、腐蚀检测与分布式振动与温度数据采集，节省人工维护成本；并可以到达人工难以到达的结构部位，极大的提高工程结构日常检测的效率。
-
公开(公告)号：CN119809351A
公开(公告)日：2025-04-11
申请号：CN202510246806.7
申请日：2025-03-04
Applicant: 宁波东方理工大学(暂名) , 哈尔滨工业大学
IPC: G06Q10/0635 , G01V1/30 , G01V1/01 , G06Q50/26 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供一种基于深度学习代理模型的区域地震风险评估方法，包括步骤：准备A份训练地震数据和B份验证地震数据，A份训练地震数据均输入深度学习框架的图像生成器进行迭代生成对应的预测地震动强度分布图及区域地震风险分布图；之后与真实值对比，为评估二者的差异，构建特征损失函数和对抗损失函数；基于特征损失函数和对抗损失函数持续调整生成器参数，直到所构建的损失函数值趋于平稳，所构建的模型训练完成；验证数据输入所构建的模型验证模型的性能，向训练后模型输入待测地震数据后输出待测地震风险分布图并判定损害等级，本发明方法降低了计算二阶段分析产生的误差，提升了区域地震评估效率和准确性。
-
公开(公告)号：CN119648922A
公开(公告)日：2025-03-18
申请号：CN202510141794.1
申请日：2025-02-08
Applicant: 浙江嘉绍跨江大桥投资发展有限公司 , 哈尔滨工业大学 , 中交公路规划设计院有限公司
Abstract: 本发明公开了一种融合三维可变形模型的结构位移视觉识别方法及系统，方法包括：通过消费级单目相机采集工程结构振动视频数据，建立三维可变形网格模型并生成位姿渲染图像以及位移值数据；去除环境噪声干扰；通过光流模型估计渲染图像中的稠密光流数据，构建包含位姿信息的光流特征数据集；输入两组数据序列整体结构图像序列和局部结构图像序列，经过卷积层的多层卷积操作后，分别生成对应的整体特征与局部特征；再经过线性变换生成其特征查询向量、键向量和值向量，并根据这些向量在两种特征之间建立动态权重，得到两种融合特征后进行全局平均池化，通过多层感知器输出位姿估计值。实现了仅通过单目消费级相机即可精确识别三维结构的位移。
-
公开(公告)号：CN119578268A
公开(公告)日：2025-03-07
申请号：CN202510141576.8
申请日：2025-02-08
Applicant: 浙江嘉绍跨江大桥投资发展有限公司 , 哈尔滨工业大学 , 中交公路规划设计院有限公司
IPC: G06F30/27 , G06F30/23 , G06N5/04 , G06N3/0455 , G06N3/082 , G06N3/09 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种基于编码器‑解码器的桥梁车辆荷载感知方法及系统，方法包括：建立基于编码器‑解码器的变分推断模型，约束编码器‑解码器中间隐藏特征空间形状为桥面的离散形式，将自编码器中的编码器部分视为桥面荷载的变分推断模型，解码器部分视为训练编码器网络的约束部分；搭建有限元模型并加载实测车辆荷载序列得到车辆荷载与结构动态变形的响应数据集，作为有监督数据集；并收集桥梁真实运行的结构变形数据，以此为微调数据集，对接预训练阶段成果，用于后续微调阶段；开展网络模型的预训练和微调；输入实时的桥梁结构变形进行特征空间内车辆荷载的推断。解决了传统方法无法获取桥面车辆荷载实时分布，且本模型可以快速部署。
-
公开(公告)号：CN119475000A
公开(公告)日：2025-02-18
申请号：CN202510066741.8
申请日：2025-01-16
Applicant: 宁波东方理工大学(暂名) , 哈尔滨工业大学
IPC: G06F18/24 , G06F18/21 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于物理融合深度学习的非线性模态数据驱动识别方法，该方法利用深度学习技术，仅依赖于非线性系统的响应数据即可识别出非线性模态。这一过程严格遵循非线性正则模态的定义，确保了识别过程的物理可解释性，并适用于各类非线性系统。相较于传统的非线性模态识别方法，本发明有效解决非线性模态识别计算复杂性高、非线性行为的先验知识依赖以及识别方法缺乏物理解释等问题。
-
Patent Agency Ranking
公开(公告)号：CN114742101B
公开(公告)日：2024-12-10
申请号：CN202210316548.1
申请日：2022-03-29
Applicant: 哈尔滨工业大学
IPC: G06F18/10 , G06F17/16 , G06F18/214 , G06N3/0464 , G06N3/084
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：CN119068114A
公开(公告)日：2024-12-03
申请号：CN202411134555.5
申请日：2024-08-19
Applicant: 哈尔滨工业大学
IPC: G06T17/00
Abstract: 本发明是一种建筑自动化三维重建方法。本发明涉及土木工程基础设施健康监测技术领域，本发明操控无人机围绕建筑飞行并拍摄不同视角下的建筑外立面，得到多视角图片集；基于SfM算法，计算每张图片的相机参数并得到初始点云；根据得到的相机参数，计算建筑物点云的空间边界并生成伪视角相机；根据相机的距离和方向的权重，由相邻已知视角的高斯椭球定义并优化未知视角的高斯椭球属性；基于密度的DBSCAN算法过滤建筑物点云优化高斯模型，得到高精度建筑三维模型。本发明便捷、快速，不依赖于人工调参，对无人机拍摄得到的图片重叠率要求低，不受光照影响，提升了建筑三维模型的重建效率和几何细节区域的精度。
-
公开(公告)号：CN118520767A
公开(公告)日：2024-08-20
申请号：CN202410645984.2
申请日：2024-05-23
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F30/13 , G06F17/11 , G06N3/0455 , G06N3/042 , G06F119/08 , G06F119/14
Abstract: 一种基于图神经网络的桥梁结构火灾响应快速预测方法及系统。涉及土木工程结构健康监测技术领域，具体涉及土木结构火灾响应技术领域。本发明利用有限元方法建立目标结构的模型，通过顺序热力耦合方法生成用于网络训练的数据集，并将有限元模型中的节点与边映射为GNN中的节点与边；利用GNN信息更新阶段的节点聚合函数模拟热平衡方程；根据节点温度时变曲线单调递增的特点，通过对各个时步分开预测的方式以避免滚动时序预测的累计误差；在热应力与热变形预测环节，在节点特征编码时直接输入热流量和火灾时间来消除编入预测温度带来的累积误差。本发明尤其适用于实际大型、复杂结构的火灾响应预测工作。
-
公开(公告)号：CN118505879A
公开(公告)日：2024-08-16
申请号：CN202410636413.2
申请日：2024-05-22
Applicant: 广东省公路建设有限公司湾区特大桥养护技术中心 , 哈尔滨工业大学
IPC: G06T15/04 , G06T17/20 , G06T17/05 , G06N3/0464 , G06N3/0499 , G06N3/0895
Abstract: 基于改进的NeRF的工程结构三维细纹理表观模型重建方法，属于深度学习技术领域，尤其涉及工程结构表观模型重建；解决了现有NeRF模型无法得到显式的三维表面模型，且对复杂细节纹理的处理存在局限性，对细小纹理的捕捉能力不足的问题，以及当前工程结构三维表观模型重建领域存在的计算效率低的问题；所述方法包括以下步骤：获得训练完成的权重计算网络；根据训练完成的权重计算网络和获得相机参数后的多视角样本集，获得训练完成的Weighted NeRF模型；基于提出的NeRF to Mesh算法将多视角样本集和Weighted NeRF模型输出的深度图转换为三维表观模型。所述的基于改进的NeRF的工程结构三维细纹理表观模型重建方法，适用于一般工程结构的三维细纹理表观模型的重建。
-
公开(公告)号：CN118365817A
公开(公告)日：2024-07-19
申请号：CN202410488892.8
申请日：2024-04-23
Applicant: 哈尔滨工业大学 , 广东省公路建设有限公司湾区特大桥养护技术中心
IPC: G06T17/10 , G06T15/20 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于神经辐射场的结构三维模型更新方法、装置、设备及介质，所述方法包括：建立运动结构恢复模块；建立损伤结构场景渲染的颜色与体密度估计神经网络模型；基于体渲染技术对模型进行训练；针对待渲染图像，采用训练好的模型预测每个采样点的颜色值和体密度值；采用体渲染技术生成待渲染图像的像素点颜色值，将每个预测出颜色值的像素块组合在一起生成新视角图像；针对新损伤结构图像，采用运动结构恢复模块将相机中心坐标和方向向量变换到世界坐标系；将新损伤结构图像增加到损伤结构图像数据集中，对模型进行再训练，实现结构三维模型更新。本发明可以实现损伤演化场景下高效、准确、自动、智能的结构三维模型更新。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.024 seconds)
