-
公开(公告)号：CN119416673B
公开(公告)日：2025-04-04
申请号：CN202510023197.9
申请日：2025-01-07
Applicant: 湖南大学 , 湖南省交通科学研究院有限公司
IPC: G06F30/27 , G06F30/13 , G06F113/16 , G06F119/04
Abstract: 本发明公开了一种缆索腐蚀钢丝寿命评估方法与系统，该方法包括：获取腐蚀钢丝疲劳试验数据和腐蚀相关参数，基于腐蚀钢丝疲劳试验数据构建数据集，构建初始预测模型，基于数据集对初始预测模型进行训练，获得目标寿命预测模型，将待预测缆索的物理参数输入至目标寿命预测模型进行寿命预测，基于寿命预测结果对待预测缆索进行腐蚀钢丝寿命评估，寿命预测结果包括疲劳寿命预测值以及疲劳寿命预测值对应的置信度，由于本发明基于多个维度的腐蚀相关参数和数据构建目标寿命预测模型，基于目标寿命预测模型实现对缆索钢丝的寿命预测以及对预测结果的不确定性进行量化，确保寿命评估的准确性，为缆索维护提供可靠的评估结果。
-
公开(公告)号：CN118583873A
公开(公告)日：2024-09-03
申请号：CN202410515879.7
申请日：2024-04-26
Applicant: 湖南大学
IPC: G01N21/95 , G06F18/10 , G06F18/213 , G06F18/22 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及缆索检测技术领域，尤其涉及一种基于太赫兹的缆索内部腐蚀定量检测方法。该方法包括以下步骤：通过太赫兹传感器向缆索表面进行扫描并接受反射信号，得到太赫兹检测信号数据；对太赫兹检测信号数据进行太赫兹信号预处理，得到太赫兹预处理数据；获取缆索腐蚀程度数据，并将缆索腐蚀程度数据以及太赫兹预处理数据进行数据整合，得到不同腐蚀程度的腐蚀程度太赫兹数据；构建缆索内部腐蚀检测的深度学习模型，利用腐蚀程度太赫兹数据对模型进行训练，得到腐蚀程度太赫兹识别模型；利用腐蚀程度太赫兹识别模型进行识别得到缆索内部腐蚀程度数据。本发明实现了端到端的按照规范划分的缆索内部钢丝腐蚀等级的精细化识别。
-
公开(公告)号：CN117949131A
公开(公告)日：2024-04-30
申请号：CN202410348707.5
申请日：2024-03-26
Applicant: 湖南大学
Abstract: 本发明公开了一种拉索全场模态分析和索力识别方法、系统及存储介质，涉及拉索索力识别技术领域，包括步骤：利用亚像素边缘检测和双匹配跟踪对原始拉索振动视频进行处理，获取目标拉索结构的初始拉索全场物理位移时程响应；获取目标拉索结构的各阶的拉索振动频率；对原始拉索振动视频进行放大处理并更新获取目标振动视频；基于目标振动视频获取修正拉索全场物理位移时程响应；用工作模态分析方法对修正拉索全场物理位移时程响应进行处理，提取目标拉索结构各阶的全场高分辨率振型；采用基于振型波长的公式确定目标拉索的拉索索力。本发明提供的拉索索力识别方法，实现了基于振型波长即可获取拉索索力的有益效果。
-
公开(公告)号：CN118583873B
公开(公告)日：2025-04-29
申请号：CN202410515879.7
申请日：2024-04-26
Applicant: 湖南大学
IPC: G01N21/95 , G06F18/10 , G06F18/213 , G06F18/22 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及缆索检测技术领域，尤其涉及一种基于太赫兹的缆索内部腐蚀定量检测方法。该方法包括以下步骤：通过太赫兹传感器向缆索表面进行扫描并接受反射信号，得到太赫兹检测信号数据；对太赫兹检测信号数据进行太赫兹信号预处理，得到太赫兹预处理数据；获取缆索腐蚀程度数据，并将缆索腐蚀程度数据以及太赫兹预处理数据进行数据整合，得到不同腐蚀程度的腐蚀程度太赫兹数据；构建缆索内部腐蚀检测的深度学习模型，利用腐蚀程度太赫兹数据对模型进行训练，得到腐蚀程度太赫兹识别模型；利用腐蚀程度太赫兹识别模型进行识别得到缆索内部腐蚀程度数据。本发明实现了端到端的按照规范划分的缆索内部钢丝腐蚀等级的精细化识别。
-
公开(公告)号：CN118762054A
公开(公告)日：2024-10-11
申请号：CN202411257430.1
申请日：2024-09-09
Applicant: 湖南大学 , 湖南省交通科学研究院有限公司
Abstract: 本发明公开一种基于菱形搜索和改进光流法的结构振动位移识别方法。确定视频图像帧序列中第一视频图像帧的感兴趣区域及原点坐标；对于除第一视频图像帧之外的其余每一视频图像帧，以上一视频图像帧最终位移确定位置的原点坐标为搜索起始点，以大菱形搜索模式和小菱形搜索模式所确定的路径为搜索路径，以感兴趣区域的区域面积大小为每一路径点的计算区域，进行搜索，计算在每一搜索路径点时，计算区域与感兴趣区域的二维相关系数；获取所有二维相关系数中的最大值所对应的第一计算区域；确定初始位移；基于第一计算区域与感兴趣区域构建光流梯度方程组，使用预设算子进行计算，确定精细位移；最终确定最终位移。本方案实现了对结构位移的精确追踪。
-
Patent Agency Ranking
公开(公告)号：CN118504151A
公开(公告)日：2024-08-16
申请号：CN202410515677.2
申请日：2024-04-26
Applicant: 湖南大学
IPC: G06F30/17 , G06F30/27 , G06F119/02
Abstract: 本申请涉及一种基于内嵌物理信息图神经网络的结构模态计算方法，其具体包括：对物理结构进行网格划分，得到图卷积神经网络的输入层节点特征以及邻接矩阵，将物理信息转换为数字信息，以所述输入层节点特征以及邻接矩阵作为输入层数据，构造图卷积神经网络结构；对图卷积神经网络的边界条件施加硬约束，嵌入第一物理信息，以硬编码的形式使输出层的节点特征强制满足边界条件；构造正交性模块，嵌入第二物理信息，以硬编码的形式使输出层的节点特征强制满足振型正交性条件；基于满足边界条件以及振型正交性条件的节点特征，嵌入第三物理信息，构造基于瑞丽商的损失函数；根据损失函数迭代求解结构各阶模态振型和模态频率。
-
公开(公告)号：CN115683431A
公开(公告)日：2023-02-03
申请号：CN202310000770.5
申请日：2023-01-03
Applicant: 湖南大学
Abstract: 本申请公开了一种基于直线跟踪算法的拉索索力确定方法、装置及设备，涉及计算机技术领域，包括：获取目标拉索的原始视频，并对所述原始视频中目标拉索的振动幅度进行放大处理，以得到放大后视频；利用直线跟踪算法获取所述放大后视频中所述目标拉索的振动位移；对所述振动位移进行快速傅里叶变换以得到所述目标拉索的固有频率；计算出相邻阶数的所述固有频率的差值，以便利用所述差值确定所述目标拉索的索力。对原始视频中目标拉索的振动幅度进行放大处理，后续更加容易基于放大后视频进行追踪，提高后续确定的索力的精确度；本申请在确定目标拉索索力时，利用容易确定相邻阶数的固有频率的差值，降低确定目标拉索索力的难度。
-
公开(公告)号：CN118533071B
公开(公告)日：2025-02-18
申请号：CN202410636318.2
申请日：2024-05-22
Applicant: 湖南大学
Abstract: 本发明公开了一种基于质心边界框跟踪算法的结构三维位移测量方法及系统，包括步骤：采集目标对象的两幅原始振动视频；采用质心边界框跟踪技术获取每一个重点感兴趣区域对应的兴趣结点质心；获取图像序列的兴趣结点质心相对于第一帧的相位信息；计算图像序列的兴趣结点质心与第一帧之间的有效位移矢量；获取目标对象的图像序列相对第一帧图像的图像二维位移；确定图像序列的物理结点质心真实的三维位移，三维位移为目标对象的空间位移。本发明提供的方法，创造性地提出了通过跟踪两台相机图像序列的兴趣结点质心确定三维位移为目标对象的空间位移，无需布置靶标，在利用计算机视觉进行三维位移监测时不易受到外界条件的干扰，具有较强的抗噪能力。
-
公开(公告)号：CN118762054B
公开(公告)日：2024-12-20
申请号：CN202411257430.1
申请日：2024-09-09
Applicant: 湖南大学 , 湖南省交通科学研究院有限公司
Abstract: 本发明公开一种基于菱形搜索和改进光流法的结构振动位移识别方法。确定视频图像帧序列中第一视频图像帧的感兴趣区域及原点坐标；对于除第一视频图像帧之外的其余每一视频图像帧，以上一视频图像帧最终位移确定位置的原点坐标为搜索起始点，以大菱形搜索模式和小菱形搜索模式所确定的路径为搜索路径，以感兴趣区域的区域面积大小为每一路径点的计算区域，进行搜索，计算在每一搜索路径点时，计算区域与感兴趣区域的二维相关系数；获取所有二维相关系数中的最大值所对应的第一计算区域；确定初始位移；基于第一计算区域与感兴趣区域构建光流梯度方程组，使用预设算子进行计算，确定精细位移；最终确定最终位移。本方案实现了对结构位移的精确追踪。
-
公开(公告)号：CN118657087B
公开(公告)日：2024-11-08
申请号：CN202411117276.8
申请日：2024-08-15
Applicant: 湖南大学
IPC: G06F30/28 , G06F30/27 , G06N3/0455 , G06N3/096 , G06F111/04 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明将深度学习算法用于流体力学领域，公开一种基于稀疏传感数据与物理知识融合的流场重构方法及系统，实现少量传感数据点情况下的全域精细化流场重构。方法包括：针对不同场景且不同雷诺数情况下的流场得到预训练模型；基于目标应用场景对预训练模型进行下游任务微调，在微调过程中，将纳维－斯托克斯方程和流场所对应的雷诺数，通过数值微分以近似对应的偏导项的方式嵌入物理损失函数中，然后再将物理失函数与预训练损失函数分别乘以相应的权重以得到流场重构模型的总损失函数；最后将目标应用场景中稀疏部署的各传感器所采集的实时数据，结合传感器的位置并输入流场重构模型中，得到重构出的全域精细化流场。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.017 seconds)
