-
公开(公告)号：CN120012390A
公开(公告)日：2025-05-16
申请号：CN202510029981.0
申请日：2025-01-08
IPC: G06F30/20 , G06F30/23 , G06F30/13 , G06F17/11 , G01L5/00 , G06F111/10 , G06F119/14
Abstract: 一种32米简支箱梁的轮轨力识别方法，涉及桥梁健康监测技术领域。基于Ansys有限元数值模拟提取轨道线上每个激励位置对应的不同关键测点的应变脉冲响应函数；建立列车‑轨道‑桥梁系统的多体动力学模型，提取列车轮轨力时程曲线和关键测点应变时程曲线；通过将轮轨力分解为若干冗余基函数及其相应系数的乘积转变为l1范数稀疏正则化的求解问题，使用快速迭代收缩阈值算法和贝叶斯信息准则分别寻求l1范数正则化的解和选择最优正则化系数，从而实现轮轨力的精确识别。针对典型列车满载工况，将轮轨力识别问题简化为静态轮重和平均动态分量的识别，简化求解自由度，提高求解精度，节省传感器。
-
公开(公告)号：CN118839278A
公开(公告)日：2024-10-25
申请号：CN202410935958.3
申请日：2024-07-12
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/213 , G06F18/214 , G06F18/2431 , G06F18/27 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多通道时空图卷积网络的异常桥梁监测数据识别方法，所述方法包括：定义映射矩阵，收集某斜拉桥结构健康监测系统的斜拉索索力、主梁挠度、索塔倾斜多类型监测数据并标准化，设计带若干可学习映射矩阵的多通道时空图卷积网络对斜拉桥多类型监测数据进行时空关联建模，使用早期多类型监测数据进行训练，获取邻接关系并计算诊断指标，结合诊断指标与邻接关系进行异常桥梁监测数据识别。该方法解决了数据驱动的状态评估对监测数据利用程度低下、存在传感器故障与结构变异混淆问题的缺点，实现了海量监测数据的有效利用，适用于具有多类型监测数据的桥梁结构健康监测系统运营。
-
公开(公告)号：CN117542038A
公开(公告)日：2024-02-09
申请号：CN202311320936.8
申请日：2023-10-12
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于相机标定的大区域铁路轨道三维空间线形视觉感知方法，首先，采用固定摄像机拍摄不同位置和姿态的平面标定板，计算相机内参和外参矩阵，然后相机径向畸变建模与计算，利用LM算法对相机内外参及畸变迭代计算，角度和尺度自适应模板匹配得到关键点图像坐标，最后将图像坐标转换为三维真实坐标，并采用多项式拟合轨道线形，实验室验证算法有效性。本发明提高了铁路轨道健康监测实时预警子系统智能识别的自动化、智能化、准确性和鲁棒性，为大区域铁路轨道三维空间线形在线实时预警子系统的建立提供了解决方案。
-
公开(公告)号：CN116451322A
公开(公告)日：2023-07-18
申请号：CN202310385163.5
申请日：2023-04-11
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/27 , G06F18/23213 , G06F18/2415 , G06N3/0442 , G06N3/08 , G06N7/01 , G06F111/08 , G06F119/14
Abstract: 一种基于贝叶斯优化的LSTM深度学习网络的力学预测方法，包括：步骤S1：索力数据采集，生成训练数据集、测试数据集与验证数据集，并进行进一步数据处理；步骤S2：LSTM索力预测模型建立，由遗忘门、输入门与输出门组成；步骤S3：多重指标判断预测效果，预测未来索力的LSTM网络模型评估；步骤S4：监测数据网络自修正；步骤S5：网络超参数优化，应用贝叶斯优化算法对LSTM网络中学习速率、隐含层个数、迭代次数超参数进行优化得到模型最优解，突破传统的仅是人为选择参数的LSTM算法，实现了智能化自动选取最优的网络参数，从而提高LSTM网络的预测精度与效率。本发明利用大量数据确定模型关键参数，以实现对桥梁结构拉索索力精准预测，达到评估桥梁重要部件的受力技术状况等级的目的，为桥梁安全运维提供技术保障。
-
公开(公告)号：CN113689380B
公开(公告)日：2023-05-16
申请号：CN202110817763.5
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于深度学习的桁架桥梁铆钉锈蚀病害智能识别方法，解决铆钉锈蚀病害传统检测方法成本高、检测结果主观性强、效率低的问题，方法如下：对桥梁全景图像进行分割，筛选发生锈蚀病害的铆钉图像和状态正常的铆钉图像，对原始图像进行数据增广，划分训练集和测试集，采用单阶段检测网络进行铆钉病害类型和位置的精确判定，训练过程中采用类别置信度和位置的加权损失函数监督网络预测误差，判断模型的收敛状态。基于桁架桥梁铆钉空间分布特征，将网络置信度阈值参数设置为0.6，在网络所有类别预测框中找到类别置信度大于0.6的预测框作为网络最终预测结果。本方法能够对桥梁铆钉锈蚀病害实现精准判别和定位。
-
Patent Agency Ranking
公开(公告)号：CN119989213A
公开(公告)日：2025-05-13
申请号：CN202510029986.3
申请日：2025-01-08
IPC: G06F18/2433 , G06F18/2131 , G06F30/23 , G06F30/13 , G06N3/006 , G06F111/10 , G06F119/14 , G06F123/02
Abstract: 一种32米简支箱梁局部损伤辨识方法，涉及桥梁健康监测技术领域。建立列车‑轨道‑桥梁的多体动力学模型，提取桥梁各关键断面的应变响应作为算法验证的数据集，基于板元分析法将关键断面划分为不同的板元构件，通过小波变换将车致应变信号转换为小波时频图，将时频图中的小波系数和作为损伤特征的潜在指标，使用粒子群算法选出最优频率区间，最优频率区间的小波系数和对不同基线工况的过车不敏感而只对桥梁的损伤大小敏感，通过比较损伤指标是否超出基线工况的置信边界来识别和量化损伤，从而实现关键断面不同板元构件的损伤辨识。
-
公开(公告)号：CN118820746B
公开(公告)日：2025-04-08
申请号：CN202410829387.5
申请日：2024-06-25
Applicant: 哈尔滨工业大学
IPC: G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，所述方法包括如下步骤：一、收集大跨径斜拉桥健康监测数据，执行数据预处理去除随机效应，获取长期趋势数据；二、对每个传感器的长期趋势数据进行标准化，创建数据集；三、以有向图的形式对多类型结构健康监测数据进行时空关联建模；四、建立多通道时空图卷积网络模型；五、设计多通道时空图卷积网络损失函数；六、对多通道时空图卷积网络模型进行训练，训练完成后，输出各一阶映射矩阵获取多类监测数据的空间有向关联表征。本发明解决了现有桥梁结构状态评估工作涉及数据量过少、数据类型单一的缺点，实现了海量监测数据的有效利用。
-
公开(公告)号：CN118365582A
公开(公告)日：2024-07-19
申请号：CN202410289947.2
申请日：2024-03-14
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明提出了一种基于视觉大模型蒸馏的桥梁表观裂缝提取方法，属于桥梁表观病害智能提取领域，包括：收集通用目标分割数据集和桥梁裂缝分割数据集，形成蒸馏数据集和表观裂缝提取数据集；建立与视觉大模型SAM进行蒸馏的轻量化裂缝提取编码器；采用蒸馏数据集进行蒸馏，蒸馏目标为视觉大模型SAM和轻量化裂缝提取编码器生成的图像嵌入差别最小；在轻量化裂缝提取编码器后增加裂缝提取解码器，形成桥梁表观裂缝提取模型；使用组合损失函数对桥梁表观裂缝提取模型进行训练；利用训练好的模型进行桥梁表观裂缝图像的裂缝提取。本发明显著地降低了模型的参数量和运行时间，即能准确又能快速的对裂缝进行提取。
-
公开(公告)号：CN113657144B
公开(公告)日：2024-02-27
申请号：CN202110741122.6
申请日：2021-07-01
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种桥梁区域通航船舶的快速检测和跟踪方法，解决了现有桥区通航船舶辨识所需设备昂贵、计算代价大的问题，如下：在对应航道的桥梁关键位置布设监控相机，采集航道监控视频并在视频中标注航道或者河岸位置；对关键帧使用稀疏表示算法对监控图像中水面部分进行处理，得到船舶疑似位置；并利用训练好的船舶判别器对疑似船舶进行确认；建立通航船舶在桥区的像素运动方程，并对所有帧使用运动方程进行船舶位置的预测，同时使用关键帧的船舶确认结果修正运动方程，从而可以对桥区多个通航船舶进行检测和追踪。本发明便捷、准确，提升了桥梁区域船舶定位的准确度和稳定性，有效提升检测效率。
-
公开(公告)号：CN113689331B
公开(公告)日：2023-06-23
申请号：CN202110817433.6
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明提出了一种复杂背景下的全景图像拼接方法，如下：在RGB颜色空间用高斯混合模型对原始图像进行建模，去除图像背景像素；对完成背景去除的图像构建多尺度空间，检测图像的局部特征点；采用快速最近邻搜索匹配算法对相邻图像之间的局部特征点进行初步匹配；采用随机采样一致性算法对误匹配的特征点进行筛选，以特征点经过单应性变换与匹配特征点之间距离的平方等于4.0为筛选阈值，获取准确匹配结果；根据单应性矩阵对相邻图像进行位置变换拼接图像；采用直接平均融合法处理图像间的重叠区域，生成全景图像。本方法能够实现复杂背景下的全景图像拼接，消除了大视差图像中背景区域对全景图像拼接的干扰，极大地降低了全景图像获取成本。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.027 seconds)
