-
公开(公告)号：CN117610916A
公开(公告)日：2024-02-27
申请号：CN202311431607.0
申请日：2023-10-31
Applicant: 华中科技大学
IPC: G06Q10/0635 , G06Q50/08 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/049 , G06N3/082 , G06F18/213 , G06F18/25 , G06F18/27
Abstract: 本发明公开了一种基于多源信息融合的空中造楼机动态安全预警方法和系统，该方法包括模型变量的选择和预处理；分别采用快速DTW算法和Direct‑LiNGAM算法构建多源传感器图网络，输入至GraphSAGE中进行节点嵌入与信息聚合；基于时间卷积网络即TCN构建时间特征模块；基于图卷积模块和时间特征模块构建时空预测模型；对平台水平度进行预测和分析。本发明选取多源监测数据，基于时间相似性和因果发现构建传感器之间的多维度图关系结构，分别通过图卷积层、时间卷积层以及注意力机制，具有良好的预测鲁棒性，实现顶升过程中平台水平度的高精度预测，从而提高顶升过程施工动态安全性，减少风险发生概率。
-
公开(公告)号：CN116310486A
公开(公告)日：2023-06-23
申请号：CN202211639333.X
申请日：2022-12-19
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/20 , G06T7/10
Abstract: 本发明公开了一种盾构开挖过程中地质识别方法与系统，涉及盾构开挖过程中地质识别技术领域，该方法包括：采集地质的图像信息，对所述图像信息进行预处理及去除噪声处理，得到新图像信息；建立多个深度学习模型，根据所述新图像信息，计算每个所述深度学习模型的识别结果，将多个所述识别结果进行融合，得到融合识别结果；根据实际地质结果，结合所述融合识别结果，对每个所述深度学习模型进行模型评估操作及模型可解释性操作，对每个所述深度学习进行持续改进，通过改进后的所述深度学习模型对地质进行识别。本发明将多个MobileNet基础模型与DST信息融合在一起，能够基于TBM输送带上的挖掘渣土图像提供可靠的地质状况识别。
-
公开(公告)号：CN116011071A
公开(公告)日：2023-04-25
申请号：CN202211698751.6
申请日：2022-12-28
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06F111/08 , G06F119/02 , G06F119/14
Abstract: 本发明公开了一种基于主动学习的空中造楼机结构可靠性分析方法及系统，包括：建立随机脉动风场，模拟高层建筑脉动风荷载，并建立样本池；建立空中造楼机的有限元模型，并赋予材料属性；根据样本池和有限元模型，并基于改进QBDC主动学习训练AI代理模型；使用训练完成的AI代理模型对样本池中的所有样本进行时程响应的预测，根据预测结果和PDEM算法，确定结构动力可靠度。针对传统可靠度分析方法适用面窄、工作量大、计算耗时等问题，结合人工智能算法、有限元技术(FEM)以及概率密度演化方法(PDEM)，实现随机激励‑结构响应AI代理模型的快速构建过程，从而克服现有方法在结构可靠度评估当中的不足。
-
公开(公告)号：CN118153399A
公开(公告)日：2024-06-07
申请号：CN202410442926.X
申请日：2024-04-12
Applicant: 华中科技大学
IPC: G06F30/23 , G06F30/27 , G06F119/14 , G06F111/06 , G06F111/04
Abstract: 本发明属于柔性设计技术领域，公开了一种适应多工况的造楼机结构柔性设计与优化方法及系统，采用机器学习代理模型预测复杂桁架系统结构响应，设置多种强化措施实现造楼机的结构抗力提升，通过对荷载分级并分别进行优化设计实现造楼机的柔性设计。本发明基于参数化设计方法，生成式设计框架及引入加强措施的柔性设计方法，在一个真实的工程案例中获得了一个包含4个结构的方案集，方案结构在对应工况下最大应力比均保持在1.0以下，保证了结构的安全性。通过与极端大风工况下的鲁棒性方案相比较，本发明得到的最优设计方案在施工工况下用钢量减少了12.45％，在各级大风工况用钢量平均减少了7.02％。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN118938683A
公开(公告)日：2024-11-12
申请号：CN202411146560.8
申请日：2024-08-20
Applicant: 华中科技大学
IPC: G05B13/04
Abstract: 本发明属于液压与同步控制技术领域，公开了一种基于强化学习的造楼机多油缸同步顶升控制方法与装置，本发明提出了一种基于强化学习的造楼机多油缸同步顶升控制方法与装置，针对液压油缸异步顶升问题，结合耦合同步控制技术与多智能体强化学习算法，实现了造楼机顶升过程多油缸自适应同步控制。本发明选取造楼机顶升实际堆载数据，采用位移均值耦合控制技术，以多智能体强化学习方法训练高精度控制器，实现多油缸系统智能感知与协同顶升。研究结果表明本发明提出的智能控制算法能够在顶升过程中自适应调节运动情况，减小多油缸运动误差，保证结构平稳顶升，提高了造楼机智能施工水平。
-
公开(公告)号：CN118223901A
公开(公告)日：2024-06-21
申请号：CN202410266325.8
申请日：2024-03-08
Applicant: 华中科技大学
Abstract: 本发明属于盾构机安全技术领域，公开了一种基于深度学习的盾尾间隙高精测量和控制方法及系统，基于最小盾尾间隙计算理论，假定衬砌环的拼装处于理想状态；将所推导的任意位置盾尾间隙计算方程作为物理约束嵌入DNN框架，得到PDNN模型；以在线学习方式训练PDNN；选择五个统计指标来进行模型性能评估检验所建立的模型的性能；分析每个输入特征对模型的边际贡献，并确定输入特征的重要性排名；利用非支配排序搜寻MOO问题的帕累托解集；通过计算每个解的拥挤距离，以维持解集的多样性和均匀分布；采用拥挤比较运算符进行两个解的比较，其中秩较低的解和拥挤距离较大的解往往会被选择；重复上述步骤直至最大迭代次数，最终生成帕累托前沿。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
