温度自适应阻尼器及其在长吊杆中的应用

    公开(公告)号:CN118498190A

    公开(公告)日:2024-08-16

    申请号:CN202410741042.4

    申请日:2024-06-11

    IPC分类号: E01D19/00 F16F15/02

    摘要: 本发明属于桥梁减振(震)技术领域,公开了一种温度自适应阻尼器及其在长吊杆中的应用。所述温度自适应阻尼器包括外约束层、阻尼层、内约束层、上橡胶垫圈、下橡胶垫圈、上剪切变形环形引导槽、下剪切变形环形引导槽和环形夹板;所述外约束层和内约束层的两端错位同轴放置;二者形成的半环形空腔主体内充满阻尼层,所述环形夹板与橡胶垫圈形成夹持组件,夹持组件与约束层预留竖向间距,形成剪切变形环形引导槽。将上述若干个温度自适应阻尼器分别安装于长吊杆每个索股底部、顶部和紧邻分割器的两侧,能同时抑制多吊索同相位和异相位振动,对面内外振动均有效果,增强起振负阻尼延时效果,且能满足施工期临时减振需求,操作方便。

    车辆超载识别系统、方法及电子设备

    公开(公告)号:CN117576919B

    公开(公告)日:2024-04-02

    申请号:CN202410077280.X

    申请日:2024-01-19

    摘要: 本申请中提供一种车辆超载识别系统、方法及车辆超载识别模型训练方法中,雷视一体机获取车辆基本信息与车辆驾驶行为信息;载重称量模块获取车辆基本信息以及载重信息;超载判定模块根据载重信息以及车辆额定重量,判断是否超载;根据超载信息以及车辆的额定载重,计算超载率以对载重信息进行分级并为对应的车辆构造超载标签;模型训练模块以车辆为单位,基于对应的车辆基本信息、车辆驾驶行为信息、超载标签,构建车辆信息数据集;基于车辆信息数据集,对车辆超载识别模型进行训练,使得车辆超载识别模型根据目标车辆的车辆基本信息以及车辆驾驶行为信息判断目标车辆是否超载,避免了设备的安装和维护成本,防止了司机采取绕道等行为来躲避检查。

    基于文本分类模型对桥梁检评文本的自动分类方法

    公开(公告)号:CN117591674A

    公开(公告)日:2024-02-23

    申请号:CN202410073747.3

    申请日:2024-01-18

    摘要: 本申请提供一种基于文本分类模型对桥梁检评文本的自动分类方法,包括:获取若干篇桥梁检评文本;针对每篇桥梁检评文本进行分句处理得到若干条文本语句;对桥梁检评文本进行检评类型的标注得到检评类型标签,检评类型包括:病害、养护、检测和结构;对文本分类模型中的Bert模型、词汇嵌入模块中的神经网络和特征融合模型进行训练:基于包括训练完成的Bert模型,词汇嵌入模块中的神经网络和特征融合模型、以及被冻结的词汇嵌入模块中的向量化部分、关键词提取模块,确定目标桥梁检评文本的检评类型,既构建了桥梁检评领域的文本标注数据集,又探索了桥梁检评领域内的长文本分类技术。

    针对桥梁管养文本数据的多特征融合命名实体识别方法、装置

    公开(公告)号:CN116956929A

    公开(公告)日:2023-10-27

    申请号:CN202311212214.0

    申请日:2023-09-20

    摘要: 本申请中提供一种针对桥梁管养文本数据的多特征融合命名实体识别方法、装置,方法包括:对桥梁管养样本语句进行标注得到桥梁管养实体抽取样本词的标签以及桥梁管养实体分类样本词的标签;基于桥梁管养样本语句和桥梁管养实体抽取样本词的标签对实体抽取模型进行多特征融合训练,直至训练结束,得到完成训练的实体抽取模型;基于桥梁管养样本语句和桥梁管养实体分类样本词的标签对实体分类模型进行多特征融合训练,直至训练结束,得到完成训练的实体分类模型;获取待处理的桥梁管养数据,并基于完成训练的实体抽取模型抽取桥梁管养专业词,基于完成训练的实体分类模型对桥梁管养专业词进行分类。

    基于桥梁养护非结构化数据构建Embedding数据的方法

    公开(公告)号:CN116644157A

    公开(公告)日:2023-08-25

    申请号:CN202310926969.0

    申请日:2023-07-27

    摘要: 本申请中提供的基于桥梁养护非结构化数据构建Embedding数据的方法,其包括:访问第一桥梁养护非结构化文本数据源,以获取第一桥梁养护非结构化文本数据;对所述第一桥梁养护非结构化文本数据进行预处理,以得到Word2Vec模型的输入数据;基于所述输入数据对所述Word2Vec模型进行训练,直至完成所述Word2Vec模型的训练;访问第二桥梁养护非结构化文本数据源,以获取第二桥梁养护非结构化文本数据;基于训练完成的Word2Vec模型,预测所述第二桥梁养护非结构化文本数据中桥梁养管专业词汇的embedding形式表示,以得到对应的embedding数据,从而实现将桥梁养护非结构化数据转换成embedding数据。

    基于图像和激光点云检测钢箱梁桥病害的穿戴式设备

    公开(公告)号:CN117314850B

    公开(公告)日:2024-10-29

    申请号:CN202311235810.0

    申请日:2023-09-22

    摘要: 本申请提供一种基于图像和激光点云检测钢箱梁桥病害的穿戴式设备、检测方法、电子设备,设备中,第一环形背板与第二环形背板之间形成间隙;若干个摄像头以及摄像头固定架,摄像头固定架固定在支撑架上并位于间隙内,若干个摄像头沿着间隙的周向固定在摄像头固定架上,以使得每个摄像头可沿着对应的视场角对钢箱梁桥的表面进行局部拍摄从而得到局部图像;若干个补光模块,设置在支撑架上,在若干个摄像头对钢箱梁桥进行图像拍摄时进行补光频闪;激光扫描模块设置在支撑架上,与若干个摄像头联动,以在若干个摄像头对钢箱梁桥的表面进行局部图像拍摄时,同步对钢箱梁桥的内部相同的表面进行激光扫描得到激光点云数据。

    车辆荷载下中小桥梁动态响应的前触式监测方法及系统

    公开(公告)号:CN117373231A

    公开(公告)日:2024-01-09

    申请号:CN202310930441.0

    申请日:2023-07-27

    摘要: 本申请实施例提供了一种车辆荷载下中小桥梁动态响应的前触式监测方法及系统,基于设置在所述中小桥梁上的第一视频采集装置对行驶在路面上的即将上桥车辆进行视频捕获,得到第一视频流;基于设置在所述中小桥梁上的第二视频采集装置对所述中小桥梁的桥面进行视频捕获,得到第二视频流;对所述第一视频流进行目标识别,以确定所述即将上桥车辆的车辆类型;若所述车辆类型对应超限和/或超载车辆,则生成预警信号;基于所述预警信号,触发设置在所述中小桥梁下方的位移计进行所述中小桥梁的挠度数据的采集,以对所述即将上桥车辆行驶到桥面上后所述中小桥梁的结构整体性和运营安全状态进行预测,实现了运营风险的提前感知,保障了桥梁结构安全运行。

    针对桥梁管养文本数据的多特征融合命名实体识别方法、装置

    公开(公告)号:CN116956929B

    公开(公告)日:2023-12-15

    申请号:CN202311212214.0

    申请日:2023-09-20

    摘要: 本申请中提供一种针对桥梁管养文本数据的多特征融合命名实体识别方法、装置,方法包括:对桥梁管养样本语句进行标注得到桥梁管养实体抽取样本词的标签以及桥梁管养实体分类样本词的标签;基于桥梁管养样本语句和桥梁管养实体抽取样本词的标签对实体抽取模型进行多特征融合训练,直至训练结束,得到完成训练的实体抽取模型;基于桥梁管养样本语句和桥梁管养实体分类样本词的标签对实体分类模型进行多特征融合训练,直至训练结束,得到完成训练的实体分类模型;获取待处理的桥梁管养数据,并基于完成训练的实体抽取模型抽取桥梁管养专业词,基于完成训练的实体分类模型对桥梁管养专业词进行分类。

    基于桥梁养护非结构化数据构建Embedding数据的方法

    公开(公告)号:CN116644157B

    公开(公告)日:2023-10-10

    申请号:CN202310926969.0

    申请日:2023-07-27

    摘要: 本申请中提供的基于桥梁养护非结构化数据构建Embedding数据的方法,其包括:访问第一桥梁养护非结构化文本数据源,以获取第一桥梁养护非结构化文本数据;对所述第一桥梁养护非结构化文本数据进行预处理,以得到Word2Vec模型的输入数据;基于所述输入数据对所述Word2Vec模型进行训练,直至完成所述Word2Vec模型的训练;访问第二桥梁养护非结构化文本数据源,以获取第二桥梁养护非结构化文本数据;基于训练完成的Word2Vec模型,预测所述第二桥梁养护非结构化文本数据中桥梁养管专业词汇的embedding形式表示,以得到对应的embedding数据,从而实现将桥梁养护非结构化数据转换成embedding数据。

    针对桥梁检评文本的抽取式问答方法

    公开(公告)号:CN118132738A

    公开(公告)日:2024-06-04

    申请号:CN202410561898.3

    申请日:2024-05-08

    摘要: 本申请中提供针对桥梁检评文本的抽取式问答方法,其包括:对桥梁检评文本样本按照语义信息分割得到多个语句段落,以根据多个语句段落生成上下文文本;获取针对每个语句段落提出的问题以生成问题文本样本;根据桥梁检评文本样本,生成问题文本样本以及上下文文本样本;对问题文本样本与上下文文本样本进行拼接处理,以生成训练数据集;基于问题文本样本在上下文文本样本中的答案生成答案位置标签;根据训练数据集以及答案位置标签,对抽取问答模型进行训练,直至训练完成;基于训练完的抽取问答模型对待处理问题文本进行处理,以从对应的待处理上下文文本中确定出答案文本,避免了上下文文本中的完整信息的丢失。