-
公开(公告)号：CN117787080A
公开(公告)日：2024-03-29
申请号：CN202311463287.7
申请日：2023-11-06
Applicant: 华中科技大学
Inventor： 张立茂 , 李永胜 , 王堃宇 , 王开强 , 孙庆 , 王志云 , 冯文强 , 王迦淇 , 黄锦庭 , 邬毛志 , 朱晓冬 , 王畅 , 崔立山 , 肖仲华 , 吴贤国 , 邢朋飞 , 吴剑波 , 郭靖 , 刘汉凯 , 任文豪
IPC: G06F30/27 , G06F30/10 , G06N3/0455 , G06N3/082 , G06N3/084 , G06F111/04 , G06F119/14
Abstract: 本发明属于盾构施工技术领域，并具体公开了一种基于可信人工智能的盾构机油缸压力精准预测方法及系统。包括：采集获取连续掘进盾构机的各类动力学和油缸的实验数据及仿真数据；基于所述实验数据及仿真数据，对油缸驱动力估算中的物理规律进行分析和推导，其中，结合牛顿力学和拉格朗日乘子法构造液压油缸的压力约束边界，并将其转化为损失函数；将多头注意力深度神经网络作为油缸压力预测的基本框架，基于所述损失函数，构建连续掘进盾构机油缸压力预测模型，基于该油缸压力预测模型对油缸压力进行预测。本发明引入物理信息神经网络，结合先进的深度学习方法，实现连续掘进盾构机管片安装过程的应力精准预测，减少施工过程的危险工况。
-
公开(公告)号：CN117057052A
公开(公告)日：2023-11-14
申请号：CN202310795239.1
申请日：2023-06-30
Applicant: 华中科技大学 , 中建三局集团有限公司
Inventor： 张立茂 , 李永胜 , 王堃宇 , 王开强 , 孙庆 , 王志云 , 冯文强 , 王迦淇 , 黄锦庭 , 邬毛志 , 朱晓冬 , 王畅 , 崔立山 , 肖仲华 , 吴贤国 , 邢朋飞 , 吴剑波 , 郭靖 , 刘汉凯 , 任文豪
IPC: G06F30/17 , E21D9/06 , E21D9/093 , E21F17/18 , E21F17/00 , G06F30/27 , G06F18/214 , G06F18/20 , G06F119/14 , G06F111/04
Abstract: 本发明属于盾构机优化技术领域，并具体公开了一种改善连续掘进盾构机掘进油缸应力集中的方法及系统。包括根据管片安装与刀盘掘进的同步施工场景，分析管片安装过程中的不同管片形式以及对应的油缸作业状态，构建油缸动力学模型；确定连续掘进油缸施工场景的关键参数，构建BO‑XGBoost的油缸状态诊断模型；以油缸状态诊断模型为决策变量，以确保液压缸压力重新分配的效果和效率为目标函数，以油缸压力优化前后应实现力守恒和力矩守恒为约束条件，构建在线多目标场景优化的油缸压力优化模型；构建在线多目标阿基米德优化算法，采用TOPSIS方法来筛选油缸压力优化模型的最优解。本发明可实现连续掘进盾构机管片安装过程的稳定、可靠。
-
公开(公告)号：CN116220713A
公开(公告)日：2023-06-06
申请号：CN202310186685.2
申请日：2023-02-28
Applicant: 华中科技大学
IPC: E21D9/093 , E21D9/06 , G06N3/0442
Abstract: 本发明属于盾构施工控制技术领域，并具体公开了一种盾构施工条件下盾构机姿态自适应控制方法及系统。所述方法包括：构建用于TBM姿态自适应控制的虚拟施工环境；确定TBM掘进过程中强化学习模型的状态和奖励，其中，TBM的状态根据本构关系进行更新，奖励用于前进速度和TBM姿态；基于上述虚拟施工环境、状态和奖励，构建盾构掘进施工过程中的DGDPG模型，并对DGDPG模型进行优化训练；基于优化训练后的DGDPG模型，对TBM掘进过程进行评估。本发明针对传统盾构掘进过程中不可重复、控制精度差、智能化水平低等特点，实现基于深度强化学习方法的盾构机掘进姿态高精度自适应控制，从而克服目前盾构机姿态预测以及优化方法在工程应用中的不足。
-
公开(公告)号：CN116030076A
公开(公告)日：2023-04-28
申请号：CN202310065678.7
申请日：2023-01-12
Applicant: 华中科技大学
IPC: G06T7/11 , G06V10/764 , G06V10/82 , G06N3/08 , G06V10/80 , G06V10/762 , G06N3/0464
Abstract: 本发明公开了一种基于因果推理的隧道点云多目标分割集成方法及系统，方法包括：采集隧道的点云数据并基于圆投影算法转化为二维点图；基于二维点图和二维Unet模型提取点云数据的全局特征，基于二维点图和边缘卷积提取点云数据的局部特征；基于因果推理模型对隧道的点云数据进行数据增强；分别根据全局特征和局部特征数据增强后的隧道的点云数据进行分类，基于改进的D‑S基于证据的特征融合方法对分类结果进行特征融合。针对有效迅速的解决三维点云语义分割问题，提出了一种基于点投影和动态图卷积神经网络的集成方法，对输入点云进行处理，并进行良好的语义推理，从而进行高精度快速的进行渗流类别的识别确定。
-
公开(公告)号：CN111985796B
公开(公告)日：2021-06-18
申请号：CN202010787552.7
申请日：2020-08-07
Applicant: 华中科技大学
Abstract: 本发明属于混凝土结构抗渗性预测技术领域，并具体公开了一种基于随机森林和智能算法预测混凝土结构耐久性的方法。包括：构建混凝土抗渗性指标体系，建立原始样本集，将训练数集作为随机森林回归模型的输入，对抗渗性指标体系的影响因素进行重要性评价，选出随机森林回归模型误差最小的影响因素集合，将最优特征变量集作为所述最小二乘支持向量机模型的输入变量，混凝土氯离子扩散系数预测结果作为输出变量，对最小二乘支持向量机模型进行训练，然后采用所述测试数集验证训练后的最小二乘支持向量机模型的预测结果；对所述预测结果进行分析，验证最小二乘支持向量机模型预测混凝土结构抗渗性的效果。本发明方法预测速度快，预测结果精准可靠。
-
Patent Agency Ranking
公开(公告)号：CN111985796A
公开(公告)日：2020-11-24
申请号：CN202010787552.7
申请日：2020-08-07
Applicant: 华中科技大学
Abstract: 本发明属于混凝土结构抗渗性预测技术领域，并具体公开了一种基于随机森林和智能算法预测混凝土结构耐久性的方法。包括：构建混凝土抗渗性指标体系，建立原始样本集，将训练数集作为随机森林回归模型的输入，对抗渗性指标体系的影响因素进行重要性评价，选出随机森林回归模型误差最小的影响因素集合，将最优特征变量集作为所述最小二乘支持向量机模型的输入变量，混凝土氯离子扩散系数预测结果作为输出变量，对最小二乘支持向量机模型进行训练，然后采用所述测试数集验证训练后的最小二乘支持向量机模型的预测结果；对所述预测结果进行分析，验证最小二乘支持向量机模型预测混凝土结构抗渗性的效果。本发明方法预测速度快，预测结果精准可靠。
-
公开(公告)号：CN117235840A
公开(公告)日：2023-12-15
申请号：CN202311038888.3
申请日：2023-08-17
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/27 , G06F30/23 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/126 , G06N5/01 , G06F111/04 , G06F111/06 , G06F111/08 , G06F111/10 , G06F119/02 , G06F119/14
Abstract: 本发明涉及结构化设计技术领域，更具体涉及一种适应多工况空中造楼机的结构设计与优化方法及系统。所述方法包括：通过对空中造楼机结构进行参数化处理，获取空中造楼机结构参数；基于snapshot策略使用空中造楼机结构参数的数据训练集成深度学习模型，经过M个周期训练后获取M个神经网络模型，求解M个神经网络模型的输出平均值作为预测结果；基于预测结果使用NSGA‑II多目标优化算法，提出基于LHS的随机优化方法，通过采用LHS方法在外界荷载概率密度分布中进行多次抽样，从而模拟外界荷载的不确定性，获取适应多工况的空中造楼机钢平台结构。通过本发明实现多种工况下造楼机结构设计方案的快速生成与灵活选择。
-
公开(公告)号：CN117145503A
公开(公告)日：2023-12-01
申请号：CN202310941694.8
申请日：2023-07-28
Applicant: 华中科技大学
Abstract: 本发明属于盾构施工技术领域，并具体公开了一种基于物理信息强化学习的盾构机掘进控制方法及装置。所述方法包括：基于TBM运行数据，将土压平衡理论嵌入以DNN为神经网络架构的模型中，构建TBM在隧道施工过程中的环境网络模型；以物理信息环境为基础，通过在双延迟深度确定性算法的奖励函数和惩罚中考虑盾构机内外的土压平衡、掘进速度非负性以及中部土仓压力介于顶部和底部土仓压力之间的物理规律和约束条件，构建基于物理的双延迟深度确定性算法模型；基于双延迟深度确定性算法模型，实时动态调整TBM参数，从而达到隧道开挖所需的掘进速度和保持开挖过程中土压力的平衡。本发明采用于物理信息强化学习方法可同时提高隧道开挖的施工效率和稳定性。
-
公开(公告)号：CN116467802A
公开(公告)日：2023-07-21
申请号：CN202310316011.X
申请日：2023-03-28
Applicant: 华中科技大学
IPC: G06F30/17 , G06F30/27 , G06F119/02
Abstract: 本发明属于盾构施工技术领域，并具体公开了一种基于能量数据的盾构机健康状态诊断方法及设备。所述方法包括：构建TBM能量流模型，确定该能量模型的能量数据；确定影响盾构机健康状态的健康性能评估参数，构建盾构机健康状态评估指标，根据选取的健康性能评估参数，对该健康性能评估参数对应的能量数据进行分解处理；构建能量数据和健康性能评估参数之间相关性的CLDNN深度学习网络，以实现对健康性能评估参数的高精度预测，采用SHAP对上述CLDNN深度学习网络进行模型解释；基于上述预测结果，采用健康状态参数构建健康状态评价指标，并通过引入分类方法，实现基于能量数据的健康状态诊断。本发明基于能量驱动的健康状况诊断方法适应性强，准确性更高。
-
公开(公告)号：CN116245020A
公开(公告)日：2023-06-09
申请号：CN202310099063.6
申请日：2023-02-03
Applicant: 华中科技大学
IPC: G06F30/27 , E21D9/087 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于盾构机掘进的刀盘磨损和能耗优化方法及系统，方法包括：采集TBM的运行数据，并进行数据预处理，其中，运行数据包括可调运行参数；基于预处理后的数据，采用LightGBM建立TBM效能预测模型，其中，以贝叶斯优化对LightGBM进行超参数优化，以预测误差为损失函数评估TBM效能预测模型，直至得到满足预设要求的TBM效能预测模型；以刀盘磨损和刀盘能耗的最小化为目标，建立基于NSGA‑II的多目标优化模型，得到帕累托前沿；求解帕累托前沿，得到最优的TBM的可调运行参数。本发明可减少刀具磨损和刀盘能耗，提升隧道掘进机的性能，指导隧道施工，促进隧道工程项目的施工。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.033 seconds)
