-
-
公开(公告)号：CN110059353B
公开(公告)日：2022-10-14
申请号：CN201910192700.8
申请日：2019-03-14
Applicant: 长安大学
Abstract: 本发明公开了一种模态参数自动识别简化实用方法，该方法根据模态参数识别结果数据量和稳定点数据量确定相似指标比例，进而确定合理的指标差统计划分区间，提取其横坐标作为聚类指标；对所有识别结果进行排序并标记，基于指标阈值，对排序的识别结果依次进行遍历，将小于阈值的识别结果按相似属性划分为一类，形成多个具有相同属性的数据小类；设定稳定点数量阈值，通过剔除不满足稳定点数量阈值的模态类实现稳定图自动识别。该方法解决了现有稳定图自动自动识别中聚类指标的自动获取问题，遍历归类过程简化了传统聚类的概念和过程，减小了计算量，较已有的基于聚类算法的稳定图自动识别过程显著减少迭代次数，提高了计算效率。
-
公开(公告)号：CN110059353A
公开(公告)日：2019-07-26
申请号：CN201910192700.8
申请日：2019-03-14
Applicant: 长安大学
Abstract: 本发明公开了一种模态参数自动识别简化实用方法，该方法根据模态参数识别结果数据量和稳定点数据量确定相似指标比例，进而确定合理的指标差统计划分区间，提取其横坐标作为聚类指标；对所有识别结果进行排序并标记，基于指标阈值，对排序的识别结果依次进行遍历，将小于阈值的识别结果按相似属性划分为一类，形成多个具有相同属性的数据小类；设定稳定点数量阈值，通过剔除不满足稳定点数量阈值的模态类实现稳定图自动识别。该方法解决了现有稳定图自动自动识别中聚类指标的自动获取问题，遍历归类过程简化了传统聚类的概念和过程，减小了计算量，较已有的基于聚类算法的稳定图自动识别过程显著减少迭代次数，提高了计算效率。
-
公开(公告)号：CN119829871A
公开(公告)日：2025-04-15
申请号：CN202411826969.4
申请日：2024-12-12
Applicant: 长安大学
Abstract: 本发明公开了一种涡激振动自动识别的递归方法，首先对涡激振动时程信号进行相空间重构，进而采用递归图对重构相空间进行可视化呈现；然后对递归图信息进行量化分析，确定涡激振动发展过程中报警阈值，从而依据递归量化指标识别涡激振动事件。本发明由于采用递归图与改进后递归量化指标，解决了现有涡激振动事件识别结果不直观与识别时效性低的问题，递归图可以图形化展示涡激振动事件，改进后递归量化指标可以实现涡激振动事件全发展过程预警；本方法可用于桥梁涡激振动事件的实时监测报警，提升桥梁涡激振动事件识别结果的直观性与识别时效性。
-
公开(公告)号：CN119740043A
公开(公告)日：2025-04-01
申请号：CN202411826956.7
申请日：2024-12-12
Applicant: 长安大学
IPC: G06F18/22 , G01H17/00 , G06F18/2131 , G06F18/24
Abstract: 本发明公开了一种斜拉索单、多模态涡激振动自动识别方法，包括两阶段：第一阶段是潜在涡激振动自动筛选，该过程以涡激振动频域特征为理论基础，根据斜拉索振动信号的功率谱峰值数量，初步判断发生涡激振动的可能性；第二阶段是涡激振动的自动确认，该过程以涡激振动的时域特征为理论基础，通过各模态振动信号振幅的稳定性判断涡激振动是否真实发生，实现涡激振动自动识别。本发明解决了现有涡激振动识别方法只能识别单模态涡振的缺点，将涡激振动识别从只能识别单模态涡振提升至可以识别任意阶模态参与的涡激振动，同时该方法将识别全过程自动化，适用于长期自动识别和结构在线监测。
-
Patent Agency Ranking
公开(公告)号：CN119716967A
公开(公告)日：2025-03-28
申请号：CN202411826926.6
申请日：2024-12-12
Applicant: 长安大学
Abstract: 本发明公开了一种地震事件在线自动识别的递归方法，该方法对地震动的时程信号进行相空间重构，进而采用递归图对重构相空间进行可视化呈现；对递归图信息进行量化分析，确定地震发生时的报警阈值，从而依据递归量化指标识别地震事件。本发明由于采用递归图与改进后递归量化指标，解决了现有地震事件识别结果不直观与识别时效性低的问题，递归图可以图形化展示地震事件，改进后递归量化指标可以实现地震事件实时在线预警；本方法可用于桥梁地震动事件的实时监测报警，提升桥梁地震事件识别结果的直观性与识别时效性。
-
公开(公告)号：CN110110583B
公开(公告)日：2022-10-11
申请号：CN201910192752.5
申请日：2019-03-14
Applicant: 长安大学
IPC: G06V10/94 , G06V10/96 , G06V10/762 , G06F17/16 , G06Q10/06
Abstract: 本发明公开了一种实时在线一体化桥梁模态参数自动识别系统，包括：数据传输与解析模块，用于将采集的监测数据转换为标准数据文件并进行存储；数据监测和读取模块，用于通过实时检测存储的标准数据文件的数据量判断是否调用模态参数自动识别算法，如果数据量达到分析用数据量时，即通过所述的算法开始分析；模态参数自动识别模块，用于通过模态参数自动识别算法进行模态参数的识别。本发明首次引入图像识别领域的图像识别算法，只需要输入最大聚类数目就可以实现模态参数自动识别，引入的图像识别算法相较与传统识别算法简化了参数输入的难度，更适合实时在线识别。
-
公开(公告)号：CN110110583A
公开(公告)日：2019-08-09
申请号：CN201910192752.5
申请日：2019-03-14
Applicant: 长安大学
Abstract: 本发明公开了一种实时在线一体化桥梁模态参数自动识别系统，包括：数据传输与解析模块，用于将采集的监测数据转换为标准数据文件并进行存储；数据监测和读取模块，用于通过实时检测存储的标准数据文件的数据量判断是否调用模态参数自动识别算法，如果数据量达到分析用数据量时，即通过所述的算法开始分析；模态参数自动识别模块，用于通过模态参数自动识别算法进行模态参数的识别。本发明首次引入图像识别领域的图像识别算法，只需要输入最大聚类数目就可以实现模态参数自动识别，引入的图像识别算法相较与传统识别算法简化了参数输入的难度，更适合实时在线识别。
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
