-
公开(公告)号：CN113378967B
公开(公告)日：2022-11-08
申请号：CN202110720189.1
申请日：2021-06-28
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于卷积神经网络与迁移学习的结构健康监测多元数据异常诊断方法，将某大型结构A的多元监测数据由时间序列分段数据可视化处理，转换为时域响应图像，根据数据段对应的时域响应图像数据进行人工标记，选取带有人工标记的各种异常类型的样本组成数据集A；将数据集A输入至用于异常检测的卷积神经网络模型A中，训练好模型A；将某大型结构B的多元监测数据可视化，人工标记，组成数据集B；在模型A的基础上加入数据集B，进行迁移学习训练，提升分类模型的泛化性能，使卷积神经网络模型能够适应不同分布的数据，迁移学习训练好的模型作为多元数据异常检测器；本发明能够解决目前结构健康监测多元数据无检测方法等问题。
-
公开(公告)号：CN115032283A
公开(公告)日：2022-09-09
申请号：CN202210633550.1
申请日：2022-06-06
Applicant: 哈尔滨工业大学
Abstract: 一种基于复数稀疏贝叶斯学习的超声导波频散曲线反演方法，涉及超声无损检测技术领域。本发明是为了解决超声导波在板状薄壁结构中传播时，由于频散特性产生波包畸变导致难以准确提取导波信号里的损伤信息的问题。本发明根据导波频率响应模型转化为稀疏线性模型，并将复数稀疏线性模型转换为实数线性模型且采用相同的超参数控制稀疏向量的实部和虚部，保证实部和虚部稀疏一致性，从而提高稀疏贝叶斯学习效果。本发明进行复数稀疏贝叶斯学习时对未知权重系数采用Laplace先验，促进了波数权重向量的稀疏性，提高导波波数识别的精度。基于随机布设的传感器识别频散曲线，克服了超声导波在薄壁结构中传播时由于频散特性产生波包畸变的问题。
-
公开(公告)号：CN114970246A
公开(公告)日：2022-08-30
申请号：CN202210489767.X
申请日：2022-05-06
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F113/14 , G06F113/26 , G06F119/14
Abstract: 本发明公开一种预应力复合材料加固缺陷管道的极限承载力预测方法及装置，解决了现有的复合材料加固带有缺陷管道极限承载力的计算方法偏差的问题，本发明以复合材料达到极限抗拉强度为准则，通过幂指数硬化模型考虑管道塑性阶段的性能，判别管道是否发生屈服，考虑管道、填充材料以及复合材料之间的径向位移相等，根据管道的力学平衡条件计算推导内压爆破压力。本发明有效提高计算精度，从而实现复合材料加固带缺陷管道的极限承载力的计算，以进行复合材料加固带缺陷管道的评价与验证。
-
公开(公告)号：CN113297790B
公开(公告)日：2022-05-10
申请号：CN202110542901.3
申请日：2021-05-19
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/08
Abstract: 本发明提出一种基于稀疏贝叶斯宽度学习的高铁轨道响应预测方法，所述方法包括对输入的温度场变量进行线性和非线性特征提取、对隐含层神经元节点输出层权值的最大后验估计、结构响应输出结果的预测，并初步评估轨道结构状态等。本发明采用稀疏贝叶斯宽度学习方法对高铁轨道监测系统数据进行相关关系挖掘，通过对反映数据变量间关系的权值w的稀疏求解可以有效地避免回归预测的过拟合问题，并且具有较高的预测精度、高效的计算速度和宽松的设备硬件要求，从而能够实现对大量监测数据中隐含的温度荷载与结构应变相关关系的挖掘，通过及时发现监测数据模型的演变作为判别轨道结构服役状态异常的依据。
-
公开(公告)号：CN113159061B
公开(公告)日：2022-02-08
申请号：CN202110261351.8
申请日：2021-03-10
Applicant: 哈尔滨工业大学
IPC: G06V10/50 , G06V10/774 , G06K9/62 , G06T7/00
Abstract: 本发明是一种基于实例分割的实际隧道围岩碴片识别方法。本发明涉及计算机视觉、深度学习和图像识别技术领域；本发明基于同态滤波和直方图均衡化，对隧道围岩碴片原始图像进行预处理；根据预处理后的隧道围岩碴片图像，建立目标检测和语义分割子网络，对围岩碴片进行实例分割；基于由目标检测子网络和语义分割子网络建立的实例分割网络进行独立训练；根据独立训练后的实例分割网络，对原始图像中的碴片进行识别。本发明针对实际隧道开挖过程中无法及时准确识别围岩大小的难题，提出了基于实例分割的实际围岩碴片自动像素级识别方法，可以直接应用于施工现场的背景黑暗、尺寸不均、分布密集、相互堆叠的复杂碴片图像识别。
-
Patent Agency Ranking
公开(公告)号：CN113989699A
公开(公告)日：2022-01-28
申请号：CN202111159350.9
申请日：2021-09-30
Applicant: 哈尔滨工业大学
Abstract: 本发明提出基于单目视觉和深度学习的结构全场位移稠密测量方法、装置、设备及存储介质，所述方法首先建立结构的三维可变形网格模型，其次，将视频的每一帧图片输入训练好的结构构件语义分割模块，输出结构的构件语义分割结果；接着，将识别出的结构构件语义分割蒙版输入结构姿态参数识别模块，输出结构姿态参数；最后将结构构件姿态参数返回三维网格模型中，即可获取结构的稠密位移测量结果。相较于传统的基于计算机视觉的结构位移识别方法，本发明使用三维模型作为结构位移的载体，使用深度学习算法突破性的实现了稠密测点的位移，克服了传统方法只能依次识别单点的局限性，对于建筑桥梁的振动信息的正确评估有着重要的意义。
-
公开(公告)号：CN113947133A
公开(公告)日：2022-01-18
申请号：CN202111092585.0
申请日：2021-09-17
Applicant: 哈尔滨工业大学
IPC: G06K9/62 , G06V30/148 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明提出小样本图像识别的任务重要性感知元学习方法，所述方法包括步骤一、形成多个不同的元批次、每个元批次包括多个不同的任务；步骤二、对于每一个任务，建立深度网络模型，选取合适的损失函数，完成在该任务上的内层更新；步骤三、构造任务重要性感知函数，对于同一元批次所有任务的验证损失，通过任务重要性感知函数计算任务重要性系数；步骤四、进行外层更新，完成一个元批次的训练；每一个外层元批次训练结束后得到的模型参数作为下一个元批次的初始参数，如此循环往复，不断进行内外双层更新直至模型收敛，从而完成小样本图像识别的任务重要性感知元学习。
-
公开(公告)号：CN113935086A
公开(公告)日：2022-01-14
申请号：CN202111091775.0
申请日：2021-09-17
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于计算机视觉和深度学习的结构智能设计方法，包括外部截面轮廓设计与内部受力配筋设计两部分，分别建立了基于计算机视觉和深度学习的截面轮廓与内部配筋智能设计模型，针对结构截面轮廓生成图像可能存在的问题，比如总高度与原始样本存在较大误差、下翼板超出腹板、上翼板存在缺陷、板中部不连通等，基于数据拟合和图像形态学运算，重新调整生成的结构截面轮廓高度，并且使用闭运算调整截面轮廓；针对智能配筋设计结果进行了承载能力极限状态验算和正常使用极限验算；本发明无需耗费大量的人力和算力进行反复试算和迭代修改，提高了桥梁和建筑结构的设计效率以及自动化和智能化程度。
-
公开(公告)号：CN113627096A
公开(公告)日：2021-11-09
申请号：CN202110797822.7
申请日：2021-07-14
Applicant: 哈尔滨工业大学
IPC: G06F30/28 , G06F30/15 , G06F111/10 , G06F113/08
Abstract: 本发明公开一种基于空间相关性和监测数据的精细风场模拟方法。步骤1：获得空间相关性系数场，其通过不结合观测资料的WRF模拟获得；步骤2：获得传统观测及非传统观测得到的观测资料；步骤3：结合步骤2的观测资料的数值模拟模块考虑流体力学控制方程和多物理过程，通过运行步骤1的WRF核心模块ARW进而求得准确的空间场资料。本发明对现有方法中忽略地形、风向和大气环流等因素的影响的表述，其精度不准确的问题。
-
公开(公告)号：CN112528517B
公开(公告)日：2021-10-22
申请号：CN202011548489.8
申请日：2020-12-24
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F17/15 , G06F119/04
Abstract: 本发明公开了基于两阶段收敛准则的钢箱梁疲劳可靠度分析方法，属于桥梁疲劳可靠度分析技术领域。步骤一、初始化内部克里金代理模型，采用U函数以主动学习的方式在失效面附近不断增加样本点进行训练，并得到失效概率的估计误差；步骤二、通过定义中间失效事件，构建子集模拟外部框架，将极小的失效概率转化为一系列较大的条件失效概率，在不同层级的子集中训练克里金代理模型直至收敛；步骤三、重复以上步骤，不断定义新的子集，并训练克里金代理模型直到满足两阶段收敛准则。本发明不仅可以保证失效概率的估计精度，还可以提高效率，并且对失效概率的数值大小不敏感，从而验证了本方法的准确性和高效性。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.035 seconds)
