-
公开(公告)号：CN119829778A
公开(公告)日：2025-04-15
申请号：CN202411924013.8
申请日：2024-12-25
Applicant: 中建数字科技有限公司 , 哈尔滨工业大学
IPC: G06F16/38 , G06F16/36 , G06F16/31 , G06F40/194 , G06F40/279 , G06F40/30 , G06F40/126 , G06N5/022
Abstract: 本发明提出土木工程领域知识大模型检索增强生成方法。所述方法包括土木工程领域知识处理与向量化存储，大语言模型土木工程领域知识能力评估与适配，土木工程领域知识向量数据库高效检索机制，以及基于检索结果的知识增强生成引导。本发明通过数据清洗、文本分割等预处理过程，将土木工程领域知识编码并建立为向量数据库。通过语义困惑度指标选择适用于土木工程领域知识检索增强生成的通用大语言模型，通过相似度计算检索目标知识形成提示词，增强大语言模型土木工程领域专业知识生成能力。
-
公开(公告)号：CN119513540B
公开(公告)日：2025-05-16
申请号：CN202411598546.1
申请日：2024-11-11
Applicant: 哈尔滨工业大学
IPC: G06F18/20 , G06F18/214 , G06F18/15 , G06N3/047 , G06N3/084 , G06N3/0985 , G06N7/01 , G01D21/02 , G06N3/048
Abstract: 本发明提出基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法。所述方法首先基于任务数据判断是否已有适配具体结构系统识别任务的自适应元学习采样器，若没有则训练一个适配该任务的自适应元学习采样器，最后利用训练好的采样器执行基于贝叶斯更新的自适应元学习采样方法实现高效采样，完成结构系统识别任务。本发明通过提出自适应元学习采样方法，在贝叶斯更新的详尽概率分布识别结果基础上，利用神经网络的精细化策略学习能力提高采样效率，利用自适应元学习设计节省神经网络训练时间，使方法适用于更复杂的结构系统识别问题，从而更好的服务于结构健康检测领域。
-
公开(公告)号：CN119513540A
公开(公告)日：2025-02-25
申请号：CN202411598546.1
申请日：2024-11-11
Applicant: 哈尔滨工业大学
IPC: G06F18/20 , G06F18/214 , G06F18/15 , G06N3/047 , G06N3/084 , G06N3/0985 , G06N7/01 , G01D21/02 , G06N3/048
Abstract: 本发明提出基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法。所述方法首先基于任务数据判断是否已有适配具体结构系统识别任务的自适应元学习采样器，若没有则训练一个适配该任务的自适应元学习采样器，最后利用训练好的采样器执行基于贝叶斯更新的自适应元学习采样方法实现高效采样，完成结构系统识别任务。本发明通过提出自适应元学习采样方法，在贝叶斯更新的详尽概率分布识别结果基础上，利用神经网络的精细化策略学习能力提高采样效率，利用自适应元学习设计节省神经网络训练时间，使方法适用于更复杂的结构系统识别问题，从而更好的服务于结构健康检测领域。
-
公开(公告)号：CN117409379B
公开(公告)日：2024-07-12
申请号：CN202311341478.6
申请日：2023-10-17
Applicant: 哈尔滨工业大学
IPC: G06V20/54 , G06V10/25 , G06V10/62 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁车辆追踪与车辆荷载谱智能识别方法。所述方法针对路侧摄像头在桥上分布布置的工况，首先通过训练后YOLOv7深度网络获取单摄像头数据中的车辆外观图像信息与对应车辆类型、时间等信息，并结合车道线识别方法实现车辆横向位置识别；然后引入L2‑Net深度描述符，通过各摄像头数据设计搜索匹配策略，实现行车方向各车辆行驶轨迹的精确追踪，得到车辆在桥上任意时刻的位置信息；最后将方法集成为车辆荷载谱识别系统，其可结合动态称重数据，以较低的运算耗时和较高的精度实现各种监控场景下车辆荷载谱的识别。
-
公开(公告)号：CN115618273B
公开(公告)日：2023-06-30
申请号：CN202211121446.0
申请日：2022-09-15
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G01D21/02
Abstract: 本发明提出一种基于并行图卷积神经网络的铁路轨道状态评估方法及系统。所述方法包括选择数据异常识别通道和数据整理、并行图卷积神经网络模型设计、训练模型并利用模型预测、通过预测结果判断数据异常情况以及利用有向图分析修正预测结果、根据异常结果对铁路轨道状态进行评估。本发明是针对铁路轨道异常状态评估的方法，利用多个并行图卷积层对数据进行图卷积运算并在融合层进行融合，预测结果不会过度依赖单个测点，提高了预测精度。若出现异常漂移数据，可以利用有向图进行分析，对预测结果进行修正。所述方法具有预测结果受异常数据影响小以及统一利用多种类型传感器类型数据实现铁路轨道状态评估等优势。
-
Patent Agency Ranking
公开(公告)号：CN114970239B
公开(公告)日：2023-06-30
申请号：CN202210469070.6
申请日：2022-04-29
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/04 , G06F111/08
Abstract: 本发明提出一种基于贝叶斯系统识别和启发式深度强化学习的多类型监测数据测点布置方法、设备及介质。涉及结构健康监测和随机振动领域。首先，根据工程结构设计信息并依据动力学和随机振动理论建立多类型测点布置的目标函数，随后利用基于深度强化学习及启发式思想的多类型监测数据测点布置优化算法对结构监测数据测点布置进行优化得到最终布置方案。本发明结合了深度强化学习和启发式思想，用于离散的测点优化布置问题，能够较好避免陷入局部最优问题，获得良好的优化效果，可以为多类型监测数据的测点优化布置提供有效的决策支持。此外，该优化算法亦可用于其他类似组合优化问题。
-
公开(公告)号：CN115618273A
公开(公告)日：2023-01-17
申请号：CN202211121446.0
申请日：2022-09-15
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G01D21/02
Abstract: 本发明提出一种基于并行图卷积神经网络的铁路轨道状态评估方法及系统。所述方法包括选择数据异常识别通道和数据整理、并行图卷积神经网络模型设计、训练模型并利用模型预测、通过预测结果判断数据异常情况以及利用有向图分析修正预测结果、根据异常结果对铁路轨道状态进行评估。本发明是针对铁路轨道异常状态评估的方法，利用多个并行图卷积层对数据进行图卷积运算并在融合层进行融合，预测结果不会过度依赖单个测点，提高了预测精度。若出现异常漂移数据，可以利用有向图进行分析，对预测结果进行修正。所述方法具有预测结果受异常数据影响小以及统一利用多种类型传感器类型数据实现铁路轨道状态评估等优势。
-
公开(公告)号：CN115032283A
公开(公告)日：2022-09-09
申请号：CN202210633550.1
申请日：2022-06-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于复数稀疏贝叶斯学习的超声导波频散曲线反演方法，涉及超声无损检测技术领域。本发明是为了解决超声导波在板状薄壁结构中传播时，由于频散特性产生波包畸变导致难以准确提取导波信号里的损伤信息的问题。本发明根据导波频率响应模型转化为稀疏线性模型，并将复数稀疏线性模型转换为实数线性模型且采用相同的超参数控制稀疏向量的实部和虚部，保证实部和虚部稀疏一致性，从而提高稀疏贝叶斯学习效果。本发明进行复数稀疏贝叶斯学习时对未知权重系数采用Laplace先验，促进了波数权重向量的稀疏性，提高导波波数识别的精度。基于随机布设的传感器识别频散曲线，克服了超声导波在薄壁结构中传播时由于频散特性产生波包畸变的问题。
-
公开(公告)号：CN113297790B
公开(公告)日：2022-05-10
申请号：CN202110542901.3
申请日：2021-05-19
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/08
Abstract: 本发明提出一种基于稀疏贝叶斯宽度学习的高铁轨道响应预测方法，所述方法包括对输入的温度场变量进行线性和非线性特征提取、对隐含层神经元节点输出层权值的最大后验估计、结构响应输出结果的预测，并初步评估轨道结构状态等。本发明采用稀疏贝叶斯宽度学习方法对高铁轨道监测系统数据进行相关关系挖掘，通过对反映数据变量间关系的权值w的稀疏求解可以有效地避免回归预测的过拟合问题，并且具有较高的预测精度、高效的计算速度和宽松的设备硬件要求，从而能够实现对大量监测数据中隐含的温度荷载与结构应变相关关系的挖掘，通过及时发现监测数据模型的演变作为判别轨道结构服役状态异常的依据。
-
公开(公告)号：CN111368970B
公开(公告)日：2020-10-16
申请号：CN202010097228.2
申请日：2020-02-17
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于深度强化学习的传感器优化布置方法，涉及结构健康监测和振动测试领域，首先，基于互信息相关理论推导得到工程结构传感器优化布置准则，然后通过基于深度强化学习的优化算法快速有效地寻找目标函数的最优解，即结构的最优传感器布置位置。本发明可以更加快速有效地寻找到工程结构的传感器最优布置，基于深度强化学习的优化算法可以同时利用深度神经网络的计算能力以及强化学习的决策能力，可以有效地解决复杂工程结构传感器布置时目标函数非凸、高维的问题，同时该方法的输出结果可以实现{0，1}离散表示，其中0表示未布置传感器，1表示布置传感器，从而明确地为某一位置传感器是否布置提供决策支持。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.055 seconds)
