-
公开(公告)号：CN119269775A
公开(公告)日：2025-01-07
申请号：CN202411228722.2
申请日：2024-09-03
Applicant: 北京市政建设集团有限责任公司 , 北京交通大学
Inventor： 赵帅 , 王乃义 , 王现敏 , 黄明利 , 吴雯豪 , 杜艳威 , 葛青立 , 白飞 , 杜学建 , 郭欣 , 刘全 , 李鹏 , 王宪巍 , 周莹 , 汤涛 , 卢树壮 , 程旭 , 吴超
IPC: G01N33/38 , F16M11/42 , F16M11/04 , F16M11/10 , F16M11/18 , B65D25/10 , B65D25/02 , B65D25/24 , B65D81/05 , B65D85/68
Abstract: 本发明属于混凝土防渗面板开裂预警技术领域，具体的说是一种混凝土防渗面板开裂预警装置，包括移动底座，移动底座一端上对称安装有两组把手，两组把手之间固定安装有支撑架，支撑架上固定安装有探伤仪操作部，移动底座另一端上固定安装有收纳箱，收纳箱内设置有用于安装探伤仪探测部的检测组件，检测组件包括主板，主板位于收纳箱内，螺接主板中部的螺杆，螺杆上端转动连接收纳箱，主板两端均设置有折叠板，通过将检测组件的折叠收纳入收纳箱内部，实现将探伤仪探测部收入到收纳箱内，避免探伤仪探测部在搬运过程中受到碰损，其次折叠后的检测组件体积减小，从而减小整个装置占用的空间，便于工作人员对装置的搬运与储放。
-
公开(公告)号：CN119077920A
公开(公告)日：2024-12-06
申请号：CN202411228725.6
申请日：2024-09-03
Applicant: 北京市政建设集团有限责任公司 , 北京交通大学
Inventor： 王现敏 , 王乃义 , 赵帅 , 黄明利 , 杜艳威 , 吴雯豪 , 葛青立 , 白飞 , 杜学建 , 郭欣 , 刘全 , 李鹏 , 王宪巍 , 周莹 , 汤涛 , 卢树壮 , 程旭 , 吴超
Abstract: 本发明属于混凝土构件防开裂养护技术领域，具体的说是一种混凝土构件防开裂养护装置，包括底座，底座上对称固定安装有两组支撑板，两组支撑板一侧均等距离固定安装有若干组用于支撑混凝土构件的放置架，底座一侧连接有排水管，底座另一侧设置有喷淋机构，由于混凝土构件上下两面均正对有喷孔，使混凝土构件上下两面都能够接收到喷淋水，使混凝土构件接收到喷淋水更加均匀，提高了对混凝土构件的养护质量，通过若干组放置架的设定，实现对若干组混凝土构件的堆叠，接着通过喷淋机构对混凝土构件进行喷淋，使本装置集储放、养护于一体，提高了对混凝土构件的养护效率。
-
公开(公告)号：CN111122161A
公开(公告)日：2020-05-08
申请号：CN201911346761.1
申请日：2019-12-24
Applicant: 北京交通大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明属于机械零部件故障诊断技术领域，具体涉及一种基于fast kurtogram和深度残差学习的变工况轴承故障诊断方法。该方法将振动加速度信号通过快速谱峭度图方法转换成一系列谱峭度图，并处理后制成包括训练集测试集和验证集的数据集，构建基于残差块和深度卷积神经网络的深度残差网络，利用数据集训练所述深度残差网络，得到训练完成的轴承健康状态分类模型，采用轴承健康状态分类模型能够对待测信号进行轴承健康状态的诊断。本发明所述方法生成的特征，也就是谱峭度图基本上不受噪声干扰，而且同一故障在不同运行条件下的谱峭度图具有相当的相似性；在分类器方面，采用深度残差学习技术，利用其强大的特征自学习特性，进一步增强了该方法对噪声和不同工况的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN111144418B
公开(公告)日：2022-12-02
申请号：CN201911417328.2
申请日：2019-12-31
Applicant: 北京交通大学
Abstract: 本发明提供的一种铁路轨道区域分割提取的方法，首先利用无人机搭载可见光相机采集铁路沿线场景地物图像，并将其制作为数据集，然后构建铁路沿线场景分割模型，并利用制作好的训练集对构建的网络模型进行训练。模型训练完成后，采用测试集中的图像输入到铁路沿线场景分割模型中，可得到相应的分割好的灰度图像LBL，对图像和LBL应用双矩形法，完成轨道区域和相应标签图像的提取；本发明提供的方法能够实现对铁路沿线场景图像中轨道区域的分割提取，而且根据铁路线相对平直的特性，采用双矩形法对轨道区域进行提取一定程度上有利于增加轨道区域分割提取的准确度，在未来无人机巡线条件下，具有明显的应用价值。
-
公开(公告)号：CN111144418A
公开(公告)日：2020-05-12
申请号：CN201911417328.2
申请日：2019-12-31
Applicant: 北京交通大学
Abstract: 本发明提供的一种铁路轨道区域分割提取的方法，首先利用无人机搭载可见光相机采集铁路沿线场景地物图像，并将其制作为数据集，然后构建铁路沿线场景分割模型，并利用制作好的训练集对构建的网络模型进行训练。模型训练完成后，采用测试集中的图像输入到铁路沿线场景分割模型中，可得到相应的分割好的灰度图像LBL，对图像和LBL应用双矩形法，完成轨道区域和相应标签图像的提取；本发明提供的方法能够实现对铁路沿线场景图像中轨道区域的分割提取，而且根据铁路线相对平直的特性，采用双矩形法对轨道区域进行提取一定程度上有利于增加轨道区域分割提取的准确度，在未来无人机巡线条件下，具有明显的应用价值。
-
公开(公告)号：CN111122161B
公开(公告)日：2021-06-08
申请号：CN201911346761.1
申请日：2019-12-24
Applicant: 北京交通大学
IPC: G01M13/045 , G06N3/04 , G06N3/08
Abstract: 本发明属于机械零部件故障诊断技术领域，具体涉及一种基于fast kurtogram和深度残差学习的变工况轴承故障诊断方法。该方法将振动加速度信号通过快速谱峭度图方法转换成一系列谱峭度图，并处理后制成包括训练集测试集和验证集的数据集，构建基于残差块和深度卷积神经网络的深度残差网络，利用数据集训练所述深度残差网络，得到训练完成的轴承健康状态分类模型，采用轴承健康状态分类模型能够对待测信号进行轴承健康状态的诊断。本发明所述方法生成的特征，也就是谱峭度图基本上不受噪声干扰，而且同一故障在不同运行条件下的谱峭度图具有相当的相似性；在分类器方面，采用深度残差学习技术，利用其强大的特征自学习特性，进一步增强了该方法对噪声和不同工况的鲁棒性。
-
公开(公告)号：CN111242891B
公开(公告)日：2024-07-12
申请号：CN201911371161.0
申请日：2019-12-27
Applicant: 北京交通大学
Abstract: 本发明提供的一种钢轨表面缺陷识别分类方法，基于无人机监测图像和深度森林模型分析，首先使用无人机监测图像预处理，然后基于比例加强最大熵阈值算法的钢轨表面缺陷提取，最后利用深度森林方法实现小样本缺陷数据分类；本发明提供的方法优点与积极效果在于：解决了传统检测方式在钢轨表面缺陷检测领域的盲区问题，提出了一种改进的处理无人机图像的方法，对于利用无人机进行轨道缺陷检测有一定的促进作用；提出一种适用于小样本的缺陷分类方法，能在保证正确率的基础上解决目前存在的样本数据量不够的问题。
-
公开(公告)号：CN111242891A
公开(公告)日：2020-06-05
申请号：CN201911371161.0
申请日：2019-12-27
Applicant: 北京交通大学
Abstract: 本发明提供的一种钢轨表面缺陷识别分类方法，基于无人机监测图像和深度森林模型分析，首先使用无人机监测图像预处理，然后基于比例加强最大熵阈值算法的钢轨表面缺陷提取，最后利用深度森林方法实现小样本缺陷数据分类；本发明提供的方法优点与积极效果在于：解决了传统检测方式在钢轨表面缺陷检测领域的盲区问题，提出了一种改进的处理无人机图像的方法，对于利用无人机进行轨道缺陷检测有一定的促进作用；提出一种适用于小样本的缺陷分类方法，能在保证正确率的基础上解决目前存在的样本数据量不够的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.099 seconds)
