-
Patent Agency Ranking
公开(公告)号：CN109657329B
公开(公告)日：2022-02-22
申请号：CN201811530740.0
申请日：2018-12-14
Applicant: 重庆大学
Abstract: 本发明提出了一种基于改进自适应粒子滤波的传感器故障和结构损伤识别方法，包括以下步骤：S1，根据土木结构的物理特性、有限元模型或系统辨识的方法形成结构损伤识别模型和传感器故障诊断模型；S2，运用上述两个方程和改进自适应粒子滤波处理传感器收集的数据，得到结构参数与传感器参数；S3，直接通过参数得到传感器故障或结构损伤的具体情况。
-
公开(公告)号：CN109583570A
公开(公告)日：2019-04-05
申请号：CN201811460039.6
申请日：2018-11-30
Applicant: 重庆大学
Abstract: 本专利涉及桥梁健康监测技术领域，具体公开了一种基于深度学习确定桥梁健康监测系统异常数据来源的方法，包括定义桥梁的子结构；采集各子结构以及各子结构上的传感器均处于健康的时间段内，各个传感器的输出数据序列作为相应传感器的训练样本集；构建LSTM神经网络，利用训练样本集对神经网络进行训练并计算形成残差序列，依该残差序列的均值及方差确定各传感器的故障阈值；采集一抽样时间段内各子结构上传感器的输出数据序列，并将该输出数据序列输入到训练好的长短时记忆神经网络进行预测，计算该输出数据序列的残差序列；将计算所得残差序列与各传感器的故障阈值进行比较，并确定子结构中故障传感器的个数以判断异常数据的来源。
-
公开(公告)号：CN109583570B
公开(公告)日：2022-11-29
申请号：CN201811460039.6
申请日：2018-11-30
Applicant: 重庆大学
Abstract: 本专利涉及桥梁健康监测技术领域，具体公开了一种基于深度学习确定桥梁健康监测系统异常数据来源的方法，包括定义桥梁的子结构；采集各子结构以及各子结构上的传感器均处于健康的时间段内，各个传感器的输出数据序列作为相应传感器的训练样本集；构建LSTM神经网络，利用训练样本集对神经网络进行训练并计算形成残差序列，依该残差序列的均值及方差确定各传感器的故障阈值；采集一抽样时间段内各子结构上传感器的输出数据序列，并将该输出数据序列输入到训练好的长短时记忆神经网络进行预测，计算该输出数据序列的残差序列；将计算所得残差序列与各传感器的故障阈值进行比较，并确定子结构中故障传感器的个数以判断异常数据的来源。
-
公开(公告)号：CN110197485A
公开(公告)日：2019-09-03
申请号：CN201910492480.0
申请日：2019-06-06
Applicant: 重庆大学
Abstract: 本发明涉及古建筑保护技术领域，为了解决现在的彩绘梁变形测量中，由于需要在彩绘梁上设置靶标而对彩绘梁造成损伤的问题，提供了一种古建筑彩绘梁位移的测量系统，包括图像采集模块，用于获取被测物体图像并生成图像信息；存储模块，用于存储计算规则；计算模块，用于根据计算规则对图像信息进行计算得到位移量；其中：计算规则包括参数算法、系数阈值算法、尺寸算法、局部穷举搜索法、梯度法和权值运算法；计算模块包括参数计算单元、系数阈值计算单元、子集选择单元、整像素位移搜索单元、亚像素位移初值搜索单元、和位移精确值计算单元：对亚像素位移进行权值运算后得到位移精确值。
-
公开(公告)号：CN109657329A
公开(公告)日：2019-04-19
申请号：CN201811530740.0
申请日：2018-12-14
Applicant: 重庆大学
Abstract: 本发明提出了一种基于改进自适应粒子滤波的传感器故障和结构损伤识别方法，包括以下步骤：S1，根据土木结构的物理特性、有限元模型或系统辨识的方法形成结构损伤识别模型和传感器故障诊断模型；S2，运用上述两个方程和改进自适应粒子滤波处理传感器收集的数据，得到结构参数与传感器参数；S3，直接通过参数得到传感器故障或结构损伤的具体情况。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
