-
公开(公告)号：CN117409379A
公开(公告)日：2024-01-16
申请号：CN202311341478.6
申请日：2023-10-17
Applicant: 哈尔滨工业大学
IPC: G06V20/54 , G06V10/25 , G06V10/62 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁车辆追踪与车辆荷载谱智能识别方法。所述方法针对路侧摄像头在桥上分布布置的工况，首先通过训练后YOLOv7深度网络获取单摄像头数据中的车辆外观图像信息与对应车辆类型、时间等信息，并结合车道线识别方法实现车辆横向位置识别；然后引入L2‑Net深度描述符，通过各摄像头数据设计搜索匹配策略，实现行车方向各车辆行驶轨迹的精确追踪，得到车辆在桥上任意时刻的位置信息；最后将方法集成为车辆荷载谱识别系统，其可结合动态称重数据，以较低的运算耗时和较高的精度实现各种监控场景下车辆荷载谱的识别。
-
公开(公告)号：CN116818069A
公开(公告)日：2023-09-29
申请号：CN202310281218.8
申请日：2023-03-21
Applicant: 中交公规土木大数据信息技术(北京)有限公司 , 哈尔滨工业大学 , 北京智宸天驰科技有限公司
Abstract: 本发明涉及于车辆动态称重领域，公开了一种车辆动态称重装置，包括：路基；称重传感器，安装于路基的底端；T型板，连接于称重传感器的底端；地锚板，设置在称重传感器的底端；压板，设置于路基顶端的一侧；固定板，连接于压板的一端；固定机构，设置在T型板的内部，用于实现对T型板和地锚板进行快速安装固定的操作；打开机构，设置在固定板的内部，用于实现对压板进行打开操作。本发明通过采用固定机构，有利于对地锚板进行快速固定，有利于提高装置的安装效率，操作更加便捷，解决了装置安装效率低的问题；通过采用打开机构，有利于对装置内部的零件进行快速安装或更换的操作，解决了装置内部零件无法检修和更换的问题。
-
公开(公告)号：CN116793620A
公开(公告)日：2023-09-22
申请号：CN202310271873.5
申请日：2023-03-16
Applicant: 中交公规土木大数据信息技术(北京)有限公司 , 西南交通大学 , 中交公路规划设计院有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于毫米波雷达的桥梁自由流加载结构评估系统和方法，在检测车组的前后两侧200m处分别设置前警示车组和后警示车组，形成一个400m的隔离带，隔离社会车辆与加载车辆，避免社会车辆对动态加载过程的影响；桥梁监测模块采用毫米波雷达技术监测桥梁的动挠度，桥跨区域电子围栏触发子模块、动挠度信号处理子模块、结构承载能力评估分析子模块和动态荷载试验任务管理子模块采集计算出校验系数，按照国家标准规范要求对试验桥跨的承载能力进行评估。变形采集精度高、响应频率高、可全天候实时测量，在不中断交通的前提下，能够实现对桥梁结构高频定期进行车辆加载试验与承载能力评估，以保障桥梁结构运营期的结构安全。
-
公开(公告)号：CN117409379B
公开(公告)日：2024-07-12
申请号：CN202311341478.6
申请日：2023-10-17
Applicant: 哈尔滨工业大学
IPC: G06V20/54 , G06V10/25 , G06V10/62 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁车辆追踪与车辆荷载谱智能识别方法。所述方法针对路侧摄像头在桥上分布布置的工况，首先通过训练后YOLOv7深度网络获取单摄像头数据中的车辆外观图像信息与对应车辆类型、时间等信息，并结合车道线识别方法实现车辆横向位置识别；然后引入L2‑Net深度描述符，通过各摄像头数据设计搜索匹配策略，实现行车方向各车辆行驶轨迹的精确追踪，得到车辆在桥上任意时刻的位置信息；最后将方法集成为车辆荷载谱识别系统，其可结合动态称重数据，以较低的运算耗时和较高的精度实现各种监控场景下车辆荷载谱的识别。
-
公开(公告)号：CN110311685A
公开(公告)日：2019-10-08
申请号：CN201910604340.8
申请日：2019-07-05
Applicant: 哈尔滨工业大学
Abstract: 本发明提出时序贝叶斯压缩采样及信号解压缩重构方法及数据丢失恢复方法，所述方法包括信号压缩采样的测量矩阵的选取、基向量矩阵的设计、信号本身与其在相邻时间段的变化稀疏性的建模、每一时段解压缩重构信号的贝叶斯概率求解、超参数的快速优化估计、基于后验不确定量化进行重构精度的诊断、健康监测无线传感中信号丢失的恢复方法等。本发明所述方法采用层次稀疏贝叶斯学习建模和求解算法，在嵌入信号本身及其随时间变化的两个稀疏性特征，超参数快速求解，较高压缩率下信号重构的鲁棒性及信号重构不确定性量化等方面具有独特的优势，对噪声的鲁棒性也较好。
-
Patent Agency Ranking
公开(公告)号：CN118465299A
公开(公告)日：2024-08-09
申请号：CN202410497886.9
申请日：2024-04-24
Applicant: 哈尔滨工业大学
IPC: G01P1/00 , B64U10/00 , B64U20/80 , G06F30/28 , G01P5/00 , G01P13/02 , G01P21/02 , B64U101/00 , G06F113/08 , G06F119/14
Abstract: 本发明提出一种基于无人机的现场桥梁绕流流场移动测量方法。所述方法使用开源式四旋翼无人机搭配小型风速风向传感器组成无人机测风系统，结合机身的姿态数据与风速风向解算方法，可还原环境风场的风速风向数据。本发明与现有大桥测风技术相比，具有机动性好、成本低廉、便捷性强的优势，实现了使用无人机的测风技术，为桥梁健康监测提供新方案。
-
公开(公告)号：CN118365522A
公开(公告)日：2024-07-19
申请号：CN202410482908.4
申请日：2024-04-22
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/082
Abstract: 本发明提出一种基于卷积神经网络的大视场高空间分辨率流场重构方法。该方法基于局部小视场高空间分辨率粒子图像测速技术PIV测量结果和大视场低空间分辨率测量结果，采用卷积神经网络学习大视场低分辨率流场和小视场高分辨率流场之间的映射关系，通过滑动窗口遍历整个流场即可重构出大视场高空间分辨率流场。本发明无需采用多台PIV设备同时拍摄流场进行拼接，只需采用两台PIV即可较好地重构出大视场高空间分辨率流场。
-
公开(公告)号：CN115408931A
公开(公告)日：2022-11-29
申请号：CN202210979194.9
申请日：2022-08-16
Applicant: 哈尔滨工业大学 , 中交公规土木大数据信息技术(北京)有限公司
IPC: G06F30/27 , G06F30/28 , G06F17/11 , G06K9/62 , G06N3/04 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 本发明提出一种基于深度学习的涡振响应预测方法。本发明所述方法融合了龙格库塔方法作为网络的深度推进格式；不同于在以往的经验模型中由于涡振为大幅值振动而省略方程右侧显含时间的由漩涡脱落而引起的纯力项，网络将时间以融入龙格库塔数值格式的方法巧妙的考虑到其影响，将非自治项考虑到了非线性方程中，相比于传统的预测建模方法更加合理且精确；网络在CFD生成的一阶涡振数据上进行验证，结果证明该方法具有长时间预测的能力，是对涡振响应进行长时间预测建模的全新方法。
-
公开(公告)号：CN118351494A
公开(公告)日：2024-07-16
申请号：CN202410393009.7
申请日：2024-04-02
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁全视野车辆追踪与荷载分布在线实时识别方法。所述方法针对摄像头在桥塔上布置且视野基本覆盖全桥的工况，首先基于俯拍交通监控数据，结合视频流实时处理技术进行图像透视变换与拼接，获取全视野图像信号；进一步开展基于YOLOv7深度网络模型的桥梁全视野车辆目标检测训练，识别车辆位置信息；然后基于改进SORT算法进行车辆多目标追踪，并设计匹配策略实现盲区车辆再识别，获取车辆在全桥行驶轨迹信息；最后搭建多进程并行计算的在线实时系统，其可实现车辆轨迹精确追踪，可结合在线动态称重数据高精度实时识别桥梁车辆荷载分布信息。
-
公开(公告)号：CN115408931B
公开(公告)日：2023-04-18
申请号：CN202210979194.9
申请日：2022-08-16
Applicant: 哈尔滨工业大学 , 中交公规土木大数据信息技术(北京)有限公司
IPC: G06F30/27 , G06F30/28 , G06F17/11 , G06F18/25 , G06N3/048 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 本发明提出一种基于深度学习的涡振响应预测方法。本发明所述方法融合了龙格库塔方法作为网络的深度推进格式；不同于在以往的经验模型中由于涡振为大幅值振动而省略方程右侧显含时间的由漩涡脱落而引起的纯力项，网络将时间以融入龙格库塔数值格式的方法巧妙的考虑到其影响，将非自治项考虑到了非线性方程中，相比于传统的预测建模方法更加合理且精确；网络在CFD生成的一阶涡振数据上进行验证，结果证明该方法具有长时间预测的能力，是对涡振响应进行长时间预测建模的全新方法。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.029 seconds)
