公开(公告)号：CN117709171A

公开(公告)日：2024-03-15

申请号：CN202410167867.X

申请日：2024-02-06

Applicant: 中南大学

Inventor： 王卫东 ,  尹强 ,  邱实 ,  王劲 ,  彭俊

IPC: G06F30/23 ,  G16C60/00 ,  G06F111/04 ,  G06F111/10 ,  G06F119/04 ,  G06F119/14

Abstract: 本发明公开了一种高周疲劳破坏数值模拟方法，包括获取目标构件的参数信息；建立目标构件的三维几何模型并进行离散化；构建目标构件在高周疲劳破坏下的断裂准则和对应的材料参数；对目标构件进行高周疲劳破坏下的循环荷载计算并完成目标构件在高周疲劳破坏下的数值模拟。本发明还公开了一种实现所述高周疲劳破坏数值模拟方法的系统。本发明建立了完整的近场动力学下的高周疲劳破坏数值模拟方法，能够对大部分金属构件高周荷载下构件的疲劳破坏进行模拟，而且本发明的可靠性高、精确性好且效果较好。

公开(公告)号：CN118711015A

公开(公告)日：2024-09-27

申请号：CN202410810169.7

申请日：2024-06-21

Applicant: 中南大学

Inventor： 王卫东 ,  尹强 ,  彭俊 ,  王劲 ,  邱实

IPC: G06V10/774 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种基于深度估计的铁路扣件松紧度检测方法，包括以下步骤：获取轨道结构二维图像和对应的深度图像，作为深度训练数据集；使用得到的轨道结构二维图像，标注扣件的弹条和螺栓区域，得到轨道标注训练数据集；构建绝对深度分布初始模型；构建轨道二维图像标注初始模型；采用深度训练数据集训练绝对深度分布初始模型，得到绝对深度分布模型；采用标注训练数据集训练轨道二维图像标注初始模型，得到轨道二维图像标注模型；根据得到的绝对深度分布模型和轨道二维图像标注模型，进行实际的铁路扣件松紧度检测。本发明方法所需硬件成本低、计算资源少，只需要标准相机得到的轨道结构二维图像即可实现松动扣件自动化检测。