-
公开(公告)号：CN110490249B
公开(公告)日：2022-06-07
申请号：CN201910757454.6
申请日：2019-08-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/778 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G01N21/88 , G01N21/95
Abstract: 本发明公开一种基于属性类别关系和少样本元学习的结构损伤识别方法，能够对几乎所有的损伤类别产生很好的精度和鲁棒性，采用少样本元学习框架，从初始损伤类别中随机、独立地采样得到元训练批次，训练一个参数化模型。每个元批次样本是由随机抽样的训练和测试子集组成的不同分类任务，元批次任务不断地进行迭代，不断涉及到不同的损伤类别。通过训练端到端的属性提取模型，提取损伤类别的共同类间知识作为属性，生成一系列二元语义特征作为描述向量。通过最小化预测属性表示向量与真实属性表示向量之间的距离，在传递已有属性的基础上，对测试集中的损伤类型进行推断和分类。该方法的总体精度为97.61％，召回率为97.58％，最低检测保证精度为92.5％。
-
公开(公告)号：CN110796047A
公开(公告)日：2020-02-14
申请号：CN201910993859.X
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自适应稀疏时频分析方法，所述方法包括以下步骤：步骤1、传感器测量得到的信号经过滤波得到目标信号矩阵；步骤2、构建初始相位函数和初始基矩阵，作为整个方法的已知输入；步骤3、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；步骤4、通过定义一个损失函数作为目标函数，训练网络权重，由权重计算得到时变频率，并积分更新相位函数和基矩阵，进行神经网络权重进一步优化。该方法结合了机器学习中神经网络和时频分析方法，可实现自动学习和优化求解非凸最小二乘问题，以及显著减少算法对初值的敏感性。
-
公开(公告)号：CN110782041A
公开(公告)日：2020-02-11
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：CN110502965A
公开(公告)日：2019-11-26
申请号：CN201910560913.1
申请日：2019-06-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法，包括以下步骤：S100根据实时多人姿态估计算法模型OpenPose检测并输出图像中的所有个体的身体骨架姿态；S200根据深度学习目标检测算法模型YOLOv3检测出图像中的工人与安全帽，以两类矩形边框分别进行标识和输出；S300整合两种算法模型，根据两类矩形边框的交面比、以及安全帽矩形边框的对角线长度和人物面部中心点到安全帽中心点长度的比对，判断图中工人是否佩戴安全帽。本发明能够准确判断安全帽是否被正确佩戴，该方法逻辑流程清晰，检测速度快，对实时保障施工现场安全帽的有效佩戴，对维护施工人员的生命安全具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN110490249A
公开(公告)日：2019-11-22
申请号：CN201910757454.6
申请日：2019-08-16
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种基于属性类别关系和少样本元学习的结构损伤识别方法，能够对几乎所有的损伤类别产生很好的精度和鲁棒性，采用少样本元学习框架，从初始损伤类别中随机、独立地采样得到元训练批次，训练一个参数化模型。每个元批次样本是由随机抽样的训练和测试子集组成的不同分类任务，元批次任务不断地进行迭代，不断涉及到不同的损伤类别。通过训练端到端的属性提取模型，提取损伤类别的共同类间知识作为属性，生成一系列二元语义特征作为描述向量。通过最小化预测属性表示向量与真实属性表示向量之间的距离，在传递已有属性的基础上，对测试集中的损伤类型进行推断和分类。该方法的总体精度为97.61％，召回率为97.58％，最低检测保证精度为92.5％。
-
公开(公告)号：CN108764601A
公开(公告)日：2018-11-06
申请号：CN201810290291.0
申请日：2018-04-03
Applicant: 哈尔滨工业大学
CPC classification number: G06Q10/0639 , G06N3/0454 , G06Q50/08
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：CN108346144A
公开(公告)日：2018-07-31
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：CN205382416U
公开(公告)日：2016-07-13
申请号：CN201620083420.5
申请日：2016-01-19
Applicant: 哈尔滨工业大学
IPC: E01D19/16
Abstract: 一种便于耐久性病害检测的透明拉索，包括拉索，所述的拉索的全长范围内或者部分区域内的钢丝束外层覆有一定厚度的透明高分子材料涂层，从而形成全透明和部分区域透明的拉索护套，该拉索护套能够满足拉索护套力学性能和耐久性，拉索护套能够隔绝外界空气，拉索护套与钢丝束间能够滑移。本实用新型的透明拉索材料成本低，制备过程较为简单，易于批量生产，并具有直接观察到钢丝束锈蚀情况的优点。过透明的拉索护套能直观地观察拉索全长范围内或部分区域内钢丝束腐蚀、断裂等耐久性病害情况。
-
公开(公告)号：CN204775290U
公开(公告)日：2015-11-18
申请号：CN201520455540.9
申请日：2015-06-29
IPC: B61K9/08
Abstract: 本实用新型公开了一种无砟轨道结构检测装置。该装置包括：设置在车体底部的至少一套检测部；所述检测部包括：固定杆、主减震器、支撑杆、调节杆、次减震器和检测天线；所述固定杆的上端与车体底部固定连接，所述固定杆的下端与支撑杆通过固定铰相连，所述支撑杆的另一端与调节杆通过固定铰相连；所述主减震器的两端分别连接固定杆和支撑杆；所述次减震器的两端分别连接支撑杆和调节杆；所述检测天线与调节杆连接。通过使用本实用新型所提供的无砟轨道结构检测装置，可以有效地进行连续检测，而且便于维护，工作性能可靠，速度快、效率高。
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.026 seconds)
