-
公开(公告)号：CN104198144B
公开(公告)日：2015-07-08
申请号：CN201410464807.0
申请日：2014-09-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于长标距光纤应变传感器的中小桥梁快速检测方法，步骤如下：在中小桥梁主要受力构件表面布置长标距光纤传感器，然后通过加载冲击力对桥面进行冲击激励，在冲击激励过程中，通过所布置的光纤传感器记录桥梁动应变的时程数据并同时记录冲击力的时程数据；根据获取的桥梁动应变和冲击力的时程数据，识别得出结构的应变柔度中识别得出结构的应变柔度矩阵。本发明方法不同于文献中研究较多的针对加速度数据的处理方法，该发明方法针对所测量的长标距动应变，具体研究了基于长标距应变测量的应变柔度识别，通过冲击振动下长标距动态应变的测量，可识别得出结构的应变柔度进行结构的安全评估，这是国内外首个针对应变柔度识别的方法。
-
公开(公告)号：CN102767720A
公开(公告)日：2012-11-07
申请号：CN201210256921.5
申请日：2012-07-23
Applicant: 东南大学
IPC: F21S2/00 , F21V17/12 , F21V17/14 , F21Y101/02
Abstract: 本发明公开了一种LED灯的结构，包括灯头组件、绝缘隔套、驱动电源组件、灯体散热件、灯板组件和连接组件，所述灯体散热件前端内腔安装灯板组件，后端部安装驱动电源组件，所述灯板组件、灯体散热件和驱动电源组件上通过连接组件连接固定在一起，所述灯体散热件后端安装绝缘隔套和灯头组件，所述驱动电源组件设置于绝缘隔套和灯头组件的内侧，驱动电源组件的电流输入端与灯头组件通过电线连接。本发明可以提高LED照明点光源（球泡系列和射灯系列）自动装配，提高了生产效率，适用于LED灯内的灯板在平面布置，也可适用于LED灯内的灯板为柱形布置。
-
公开(公告)号：CN101792251A
公开(公告)日：2010-08-04
申请号：CN201010126516.2
申请日：2010-03-17
Applicant: 东南大学
IPC: C03B23/043
CPC classification number: Y02P40/57
Abstract: 本发明解决的是现有的螺旋灯弯管(成形)机的玻璃管电加热部分生产效率低、易损坏、维护成本高的问题，提供一种“辐射式火焰加热炉”，其对玻璃管加热的均匀性好，温度的稳定性高，炉膛能够快速升温与稳定，不易损坏，能够减少维修，减少电能消耗，提高生产率，降低使用成本。它包括相对间隔设置的前炉体、后炉体，前炉体与后炉体之间形成炉膛；在前炉体、后炉体上分别设置有火头体，火头体具有内凹成碗形的辐射面，前炉体、后炉体上火头体的碗形辐射面相对设置；碗底中心设置有平行于碗形辐射面中心轴线的、与燃气源相通的火孔；一个用于将从火孔喷出的火焰反射到碗底的挡板在靠近碗底部处，并在火孔的前端；它还包括用于夹持从炉膛穿过的玻璃管两端的玻璃管夹持机构。
-
公开(公告)号：CN100477061C
公开(公告)日：2009-04-08
申请号：CN200610040281.9
申请日：2006-05-12
Applicant: 东南大学
CPC classification number: Y02B20/19
Abstract: 紧凑型荧光灯的接桥工艺采用快换夹持装置是一种应用于24工位的间歇转位式接桥设备的技术，对2U或2π～4U或4π形紧凑型荧光灯的夹持装置采用可同时装夹4只U形玻管的夹头；每台接桥设备顺序布置2组加热、爆孔和对接工位，本发明首次将整只4U(π)形紧凑型荧光灯的接桥集成在一台间歇转位式接桥设备上完成；同时，在设备回转速度相同条件下，将2U(π)形紧凑型荧光灯的接桥生产率提高了4倍。
-
公开(公告)号：CN119941612A
公开(公告)日：2025-05-06
申请号：CN202411701154.3
申请日：2024-11-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于分布式相机网络的钢箱梁底损伤识别与同步定位方法。包括：S1、一系列成像设备单元按照空间平行的结构组成，上述成像设备单元之间通过蓝牙、无线域网连接在一起，用以对钢箱梁底任意位置进行图像数据采集；S2、根据每个成像设备单元的拍摄覆盖范围，对钢箱梁底区域进行横向划分；S3、基于深度学习驱动的两阶段同步识别与定位，在第一阶段，MobilenetV4作为关键特征提取工具，对全景图像进行轻量化重构，在全局层面进行病害区域识别与定位；第二阶段利用YOLOv9目标检测框架，对病害区域进行分析，在局部层面提供病害信息。本发明的设计可以广泛应用于大跨度桥梁底部巡检，对病害进行高效分析。
-
Patent Agency Ranking
公开(公告)号：CN119478726A
公开(公告)日：2025-02-18
申请号：CN202411370731.5
申请日：2024-09-29
Applicant: 东南大学
IPC: G06V20/17 , G06V10/26 , G06V10/40 , G06V10/762 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06F18/2321 , G06T17/00 , G01B11/00 , G01C21/20
Abstract: 本发明公开了一种基于多层表征学习的无人机自适应巡检方法，包括自动粗检和自适应细检两个阶段，逐层学习桥梁的空间结构、构件特性和病害特征。在自动粗检阶段，结合空间聚类后处理方法和点云语义分割网络，快速学习桥梁构件的实例属性。随后，利用模拟视场模型和降维技术对点云空间进行压缩和转换，指导无人机在平面几何中进行高效而全面的空间巡查。在自适应细检阶段，利用空间‑通道双维度优化的混合卷积结构Light‑PVIT，学习并提取自动粗检阶段中的病害特征作为先验信息。这些信息指导无人机在小视场下对病害区域进行精细的检测。本发明无人机自适应巡检方法显著提升了桥梁巡检的效率和精度，为桥梁维护工作提供了可靠的技术支持。
-
公开(公告)号：CN119289852A
公开(公告)日：2025-01-10
申请号：CN202411247162.5
申请日：2024-09-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于图像和激光数据融合的构件三维位置的智能验收方法，包括：(1)针对采用单一目标检测网络难以准确标记并定位构件位置的问题，提出倾斜摄影自动校正模型并采用分步检测的方法，将构件图像的分析过程分为目标检测和定位两个独立步骤。(2)针对相机与激光雷达位姿难以实时标定的问题，提出基于环境感知的点云分割、点云与图像配准的方法。融合以上方法，本发明可成功应用于某核电厂房的预埋板件质量检测与评估，实现了高效的数据采集及自动处理，结果表明该方法可以在3min内自动化分析一面墙体构件的三维位置、旋转角度与缺失，并结合BIM模型可视化展示碰撞检查结果。
-
公开(公告)号：CN119272558A
公开(公告)日：2025-01-07
申请号：CN202411220152.2
申请日：2024-09-02
Applicant: 东南大学
IPC: G06F30/23 , G06T17/20 , G06V10/26 , G06F119/14
Abstract: 本发明涉及土木工程中的结构健康检测领域，尤其是涉及一种基于点云几何模型的力学模型自动建立方法。步骤为：采用深度学习网络的语义分割，将待分析结构以不同材料分割为单独构件；分割后的单独构件基于有限胞元法嵌入到划分的网格中，得到整体结构的网格模型；根据整体结构的网格模型，设置位移边界条件及力的边界条件；基于整体结构的网格模型、位移边界条件、力移边界条件进行力学性能自动分析，运用三维拓扑关系判断法则形成结构刚度矩阵，运用面积分至域积分的转化过程计算离散表面的节点荷载向量，完成待分析结构的力学分析。本发明提供的一种基于点云几何模型的力学模型自动建立方法，引入了有限胞元法作为理论支撑，完成了无需表面重建和参数化测量的、具备高噪音鲁棒性的基于点云模型的自动力学建模分析。
-
公开(公告)号：CN114612395B
公开(公告)日：2024-06-14
申请号：CN202210186049.5
申请日：2022-02-28
Applicant: 东南大学
IPC: G06T7/00 , G06V10/94 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T17/20
Abstract: 本发明公开了一种基于Abaqus的深度学习图像批量处理与分析方法，包括以下步骤：步骤S1、建立所需检测的结构有限元模型，提取结构有限元模型的信息输入文件；步骤S2、读取信息输入文件，利用Python编制图像批量处理方法，在结构有限元模型基础上批量模拟结构内部损伤；步骤S3、将结构内部损伤全部输入到Abaqus中批量分析，得到步骤S2中结构内部损伤的表面位移与应力云图，并进行三维标注，根据经过三维标注的结构内部损伤的表面位移与应力云图建立样本库；步骤S4、基于步骤S3得到的样本库，开展目标检测神经网络模型的训练、图像识别分析，其中目标检测神经网络模型的损失函数引入三维交并比预测误差的影响，在提高图像处理效率的同时，增加了预测精度。
-
公开(公告)号：CN114612394B
公开(公告)日：2024-04-09
申请号：CN202210185613.1
申请日：2022-02-28
Applicant: 东南大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T17/20
Abstract: 本发明公开了一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，引入三维交并比概念，并将其应用于深度学习的训练中，包括以下步骤：步骤S1、构建多个梁的损伤模型和多个柱的损伤模型，构建位移云图样本库；步骤S2、构建一种新的经过优化的Yolo神经网络模型；步骤S3、基于步骤S2新的经过优化的Yolo神经网络模型，通过位移云图样本库训练新的经过优化的Yolo神经网络模型，其中损失函数考虑了三维交并比预测误差LossIoU的影响。步骤S4、利用步骤S3中通过位移云图样本库训练的优化的Yolo神经网络模型，识别出的混凝土内部损伤位置和深度，完成混凝土内部损伤的预测。本方法更准确、效率高、成本低。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.025 seconds)
