一种大跨连续刚构桥的UHPC装饰挂板及其施工方法

    公开(公告)号:CN118621676A

    公开(公告)日:2024-09-10

    申请号:CN202410722774.9

    申请日:2024-06-05

    Applicant: 湖南大学

    Abstract: 本发明公开了一种大跨连续刚构桥的UHPC装饰挂板,包括UHPC装饰挂板主体、摩擦耗能节点以及角钢,所述角钢固定于桥梁主梁上,所述UHPC装饰挂板主体通过所述摩擦耗能节点与所述角钢连接;所述UHPC装饰挂板主体包括一体成型的挂板面层、弯折部位加厚面层、锚固码件、钢丝网以及加劲肋;所述摩擦耗能节点包括T型螺栓、长条孔圆垫片、圆孔圆垫片、钢垫片以及橡胶垫高垫片。本发明还提供了一种大跨连续刚构桥的UHPC装饰挂板的施工方法。本发明提供的UHPC装饰挂板美观精致,结构轻盈,性能优异,施工周期短且使用寿命长。

    一种基于注意力机制的航空涡桨发动机气路故障诊断方法

    公开(公告)号:CN114372494B

    公开(公告)日:2024-08-13

    申请号:CN202210036221.9

    申请日:2022-01-13

    Applicant: 湖南大学

    Inventor: 全哲 李磊

    Abstract: 本发明提供了一种基于注意力机制的航空涡桨发动机气路故障诊断方法,通过建立权重矩阵wo、Wi,将权重矩阵wo与初始数据X0点乘后再加上偏移矩阵#imgabs0#拟合出序列数据的非周期部分,表示为:#imgabs1#将权重矩阵Wi与数据矩阵X点乘后采用sin函数激活,然后再加上偏移矩阵#imgabs2#拟合出序列数据的周期部分,表示为:#imgabs3#然后将序列数据的非周期部分和周期部分进行concat操作后得到输入矩阵,重点考虑了发动机初始状态对后续运行时各气路部件参数的影响,对数据进行了周期性和非周期性的拟合,对故障数据诊断的精度提高了1%‑2%。

    一种基于CNN的航空发动机故障诊断方法

    公开(公告)号:CN112766303B

    公开(公告)日:2024-03-29

    申请号:CN202011535827.4

    申请日:2020-12-23

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于CNN的航空发动机故障诊断方法,本防使用的数据集为航空发动机传感器收集到的气路参数,其中包含发生各种故障时的气路参数以及正常情况下的气路参数,并且是按照时间序列采集的数据,使用了卷积神经网络可以充分的挖掘气路参数之间前后变化的特征,相比于传统方法对离散数据进行建模(针对具体某个时刻的数据进行分析)来说,不仅考虑到了不同时刻气路参数具体数值的变化,进一步考虑了连续时刻参数变化的趋势特征和前后的联系,由于使用了CNN具有一定的平移不变性,所以泛化能力更好,可以取得更加全面更加高级更加复杂的特征,紧接着提出了一种新型的损失函数,用于评价模型的分类结果,从而实现故障的诊断。

    一种基于注意力机制的航空涡桨发动机气路故障诊断方法

    公开(公告)号:CN114372494A

    公开(公告)日:2022-04-19

    申请号:CN202210036221.9

    申请日:2022-01-13

    Applicant: 湖南大学

    Inventor: 全哲 李磊

    Abstract: 本发明提供了一种基于注意力机制的航空涡桨发动机气路故障诊断方法,通过建立权重矩阵wo、Wi,将权重矩阵wo与初始数据X0点乘后再加上偏移矩阵拟合出序列数据的非周期部分,表示为:将权重矩阵Wi与数据矩阵X点乘后采用sin函数激活,然后再加上偏移矩阵拟合出序列数据的周期部分,表示为:然后将序列数据的非周期部分和周期部分进行concat操作后得到输入矩阵,重点考虑了发动机初始状态对后续运行时各气路部件参数的影响,对数据进行了周期性和非周期性的拟合,对故障数据诊断的精度提高了1%‑2%。

    一种多能源系统多类型负荷联合预测方法及系统

    公开(公告)号:CN114548509B

    公开(公告)日:2024-10-15

    申请号:CN202210054342.6

    申请日:2022-01-18

    Applicant: 湖南大学

    Abstract: 本发明提供了一种多能源系统多类型负荷联合预测方法及系统。该方案包括获得历史气象数据和负荷测量数据,在剔除异常时间序列数据和补全缺失数据后,对数据单独归一化处理,生成时间序列样本集;获取季节的时间划分节点,将所述时间序列样本集按照四季划分,计算每个季节的耦合相关性,生成多能预测模型的输入数据;搭建每个季节的双向长短期记忆神经网络负荷预测模型,输入训练样本进行预测模型学习训练并调整优化模型参数;将测试样本输入所述双向长短期记忆神经网络负荷预测模型,生成冷、热、电负荷预测结果。该方案通过考虑不同季节的负荷耦合关联,充分挖掘负荷变化规律,提高多能源系统负荷预测性能。

    基于CNN-Transformer混合自编码器的图像盲运动去模糊方法

    公开(公告)号:CN113570516A

    公开(公告)日:2021-10-29

    申请号:CN202110778551.0

    申请日:2021-07-09

    Abstract: 基于CNN‑Transformer混合自编码器的图像盲运动去模糊方法,所述方法包括两个阶段,分别为模型训练阶段和预测阶段,模型训练阶段包括以下步骤:步骤一:准备图像去模糊标准数据集;步骤二:实验数据预处理;步骤三:将图像去模糊标准数据集的训练集中的模糊图片输入混合自编码器部分进行恢复;步骤四:将混合自编码器生成的潜在清晰图像与其标准数据集中相对应的目标清晰图片一起输入判别器,判别器计算损失后返回梯度;步骤五:混合自编码器接收来自判别器的梯度进行参数更新;模型预测阶段包括一个步骤:将模糊图片输入训练好的混合自编码器,输出即是去模糊后的清晰图片。利用本发明,能得到更好的图像去模糊效果,对图像细节产生更清晰的恢复。

Patent Agency Ranking