-
公开(公告)号：CN116644652A
公开(公告)日：2023-08-25
申请号：CN202310371896.3
申请日：2023-04-07
Applicant: 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司
Abstract: 本发明涉及一种基于深度学习的饱和瞬态渗流问题的计算，属于人工智能和饱和瞬态渗流计算方法技术领域，首先构建神经网络模型，然后给予深度学习对数据集进行学习，输出神经网络模型参数，最后利用训练好的模型对渗流问题进行预测。通过对水头的实际分布情况进行统计，并将统计结果与本发明拟合的结果进行对比，深度学习神经网络对饱和瞬态问题的求解结构具有准确性和正确性，因此本发明提出的基于深度学习的饱和瞬态渗流问题取得了较好的效果。
-
公开(公告)号：CN116629093A
公开(公告)日：2023-08-22
申请号：CN202310371696.8
申请日：2023-04-07
Applicant: 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司
Abstract: 本发明涉及一种基于深度学习的饱和稳态渗流计算，属于人工智能和饱和稳态渗流计算方法技术领域，首先构建神经网络模型，然后基于深度学习对数据集进行学习，保存神经网络模型参数，最后利用训练好的模型对渗流问题进行预测。数据集；为构建的神经网络；为偏微分方程中的待求解参数。采用有限元方法对该饱和稳态渗流问题的求解结果与采用深度学习对该饱和稳态渗流问题的求解结果对比误差较小，可以看出深度学习对饱和稳态渗流稳态具有准确性和正确性，因此本发明提出的一种基于深度学习的饱和稳态渗流问题取得了较好的效果。
-
公开(公告)号：CN116644651A
公开(公告)日：2023-08-25
申请号：CN202310368621.4
申请日：2023-04-07
Applicant: 中国电建集团昆明勘测设计研究院有限公司 , 华能澜沧江水电股份有限公司
IPC: G06F30/27 , G06F30/13 , G06N3/048 , G06N3/08 , G06F113/08
Abstract: 本发明涉及一种基于深度学习求解自由面渗流的方法，属于人工智能和自由面渗流计算方法技术领域，在于通过深度学习对数据集进行学习，保存神经网络模型参数，最后利用训练好的神经网络模型对自由面渗流问题进行预测。该方法求解的渗流自由面和通过试验得到的渗流自由面拟合程度高，可以看出深度学习对于自由面渗流问题具有准确性和正确性，因此本发明的基于深度学习求解自由面渗流问题的方法效果良好。
-
公开(公告)号：CN116910884A
公开(公告)日：2023-10-20
申请号：CN202311007545.0
申请日：2023-08-10
Applicant: 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司 , 河海大学
IPC: G06F30/13 , G06F30/20 , G06F111/10 , G06F119/14
Abstract: 本申请公开了一种围绕开挖面空间定位的三棱柱单元三维数值模型构造方法，包括：步骤S1：根据开挖面的平面位置与边坡周围地形等高线确定建模范围；步骤S2：根据开挖面平面位置与马道高程设计，将空间开挖面向基准面投影；步骤S3：对判断结果为是的空间开挖面设置单元边长度；步骤S4：采用建模区域与开挖轮廓线控制，将开挖投影面向外扩展为规则的模型控制底面；步骤S5：从地表面开始向下，直到模型基准面，形成Nk+Nm+2层控制层面建模体系；步骤S6：单元、节点编号后输入FLAC3D平台，得到基于边坡开挖面空间定位的三维开挖边坡模型。该方法直接利用开挖面空间定位划分区域，通过边界匹配、地层分配控制，减少数值模型单元数目，提高计算效率。
-
公开(公告)号：CN117215206A
公开(公告)日：2023-12-12
申请号：CN202311488171.9
申请日：2023-11-09
Applicant: 中国电建集团昆明勘测设计研究院有限公司
IPC: G05B13/04 , G06F30/23 , G06N20/00 , G06F30/27 , G06F119/14
Abstract: 本申请公开了一种水电站厂房的振动控制方法、装置、设备及存储介质，涉及电数字数据处理技术领域，方法通过获取所述水电站厂房的有限元网格模型和振动数据；通过时程分析法对所述振动数据进行动力分析，得到基于所述有限元网格模型的结构响应；将所述结构响应输出至所述有限元网格模型，形成动态模型；通过机器学习算法获取所述动态模型的最优解；获取所述最优解并定义为所述磁流变阻尼器的控制策略；输出所述控制策略至所述磁流变阻尼器。在对水电站厂房减振控制时，将学习得到的每一步最优的动作值输入磁流变阻尼器，从而让其提供最优的阻尼力对结构进行减振控制。使得磁流变阻尼器在每一步控制瞬时均处于最优的阻尼状态，提高减振效果。
-
Patent Agency Ranking
公开(公告)号：CN117807895B
公开(公告)日：2024-06-04
申请号：CN202410218474.7
申请日：2024-02-28
Applicant: 中国电建集团昆明勘测设计研究院有限公司
IPC: G06F30/27 , G06F17/13 , G06N3/092 , F16F9/53 , G06F119/14
Abstract: 本发明公开了一种基于深度强化学习的磁流变阻尼器控制方法和装置，属于人工智能及智能建造技术领域。该方法包括以下步骤：建立磁流变阻尼器控制系统模型，建立磁流变阻尼器控制系统的微分方程，采用Bouc‑Wen模型建立磁流变阻尼器模型；选择深度Q‑learning作为深度强化学习模型并设置模型动作和状态，建立奖励评价函数；采集学习训练数据，模型训练输出模型参数，利用训练得到的模型对结构采用磁流变阻尼器进行减振控制。本发明通过深度强化学习引入深度神经网络函数拟合的方法，以预测连续状态值。该方法的应用有望提高磁流变阻尼器的控制精度，从而进一步增强其减振控制效果，为解决磁流变阻尼器控制中的挑战提供了新的途径。
-
公开(公告)号：CN118061345A
公开(公告)日：2024-05-24
申请号：CN202410475025.0
申请日：2024-04-19
Applicant: 中国电建集团昆明勘测设计研究院有限公司
Abstract: 本申请公开了一种预制梁的喷水养护方法、装置、设备及存储介质，涉及电数字数据处理技术领域。本申请通过对不同型号的预制梁赋予不同的喷水时长和喷水间隔，并通过车间内的喷水终端自动喷水，同时对于型号越大的预制梁采用更大的喷水时长和更短的喷水间隔，以保证大型号的预制梁的吸水连续性和保水连续性。本申请全程不需要人工参与，通过现有自动化运输手段即可将预制梁运输至匹配的位置，在预制梁触发进入信号即可开启后续喷水操作，减小或者消除了预制梁养护的主观因素误差，同时养护连续、效果均匀，使得预制梁的养护效果较好。
-
公开(公告)号：CN118061345B
公开(公告)日：2024-07-02
申请号：CN202410475025.0
申请日：2024-04-19
Applicant: 中国电建集团昆明勘测设计研究院有限公司
Abstract: 本申请公开了一种预制梁的喷水养护方法、装置、设备及存储介质，涉及电数字数据处理技术领域。本申请通过对不同型号的预制梁赋予不同的喷水时长和喷水间隔，并通过车间内的喷水终端自动喷水，同时对于型号越大的预制梁采用更大的喷水时长和更短的喷水间隔，以保证大型号的预制梁的吸水连续性和保水连续性。本申请全程不需要人工参与，通过现有自动化运输手段即可将预制梁运输至匹配的位置，在预制梁触发进入信号即可开启后续喷水操作，减小或者消除了预制梁养护的主观因素误差，同时养护连续、效果均匀，使得预制梁的养护效果较好。
-
公开(公告)号：CN118166799A
公开(公告)日：2024-06-11
申请号：CN202410314881.8
申请日：2024-03-19
Applicant: 中国电建集团昆明勘测设计研究院有限公司
Abstract: 本发明公开了一种抗滑桩及其成型装置，涉及边坡阻滑技术领域，改善抗滑桩伸出地面的部分容易受力变形弯折，而常规抗滑桩不具备防变形的能力，长时间使用时容易发生形变的问题，包括圆筒桩体，所述圆筒桩体内部呈圆形空腔设计，所述圆筒桩体在桩身不同高度、桩前桩后不同位置分别开设有排水孔，所述圆筒桩体内部所开设排水孔的内壁固定安装有塑料网格板，所述塑料网格板的外表面包裹有多层涤纶短纤针刺土工布。本发明在使用时，可金属套筒套接在两个相邻的圆筒桩体上，将紧固成型板插入到金属套筒上的卡接块内部，使相邻的两个圆筒桩体连接成型，形成一个较为稳定的结构，减少圆筒桩体伸出地面的部分容易受力变形弯折的情况。
-
公开(公告)号：CN117807895A
公开(公告)日：2024-04-02
申请号：CN202410218474.7
申请日：2024-02-28
Applicant: 中国电建集团昆明勘测设计研究院有限公司
IPC: G06F30/27 , G06F17/13 , G06N3/092 , F16F9/53 , G06F119/14
Abstract: 本发明公开了一种基于深度强化学习的磁流变阻尼器控制方法和装置，属于人工智能及智能建造技术领域。该方法包括以下步骤：建立磁流变阻尼器控制系统模型，建立磁流变阻尼器控制系统的微分方程，采用Bouc‑Wen模型建立磁流变阻尼器模型；选择深度Q‑learning作为深度强化学习模型并设置模型动作和状态，建立奖励评价函数；采集学习训练数据，模型训练输出模型参数，利用训练得到的模型对结构采用磁流变阻尼器进行减振控制。本发明通过深度强化学习引入深度神经网络函数拟合的方法，以预测连续状态值。该方法的应用有望提高磁流变阻尼器的控制精度，从而进一步增强其减振控制效果，为解决磁流变阻尼器控制中的挑战提供了新的途径。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.075 seconds)
