-
公开(公告)号：CN112798142A
公开(公告)日：2021-05-14
申请号：CN202011589241.6
申请日：2020-12-28
Applicant: 哈尔滨工业大学
Abstract: 本发明提出基于贝叶斯更新和随机模拟的布里渊光纤传感器应变与温度两阶段快速识别方法，所述方法采用大范围、宽间距、低平均次数的快速扫频方式，获取粗略的布里渊增益谱，通过基于贝叶斯更新和随机模拟方法的参数识别方法获得大量服从布里渊增益谱中各参数联合分布的样本，统计估计下一阶段扫频范围的上下限，利用较小的范围进行密集扫频，进而获得足够精确的布里渊光纤增益谱参数的识别结果，最终根据布里渊光纤频移与结构应变及温度的函数关系得出结构的应变或温度信息。本发明可以快速精确地对布里渊光纤传感器获得的数据进行处理，其结果为布里渊光纤各测点处结构应变或温度的均值及标准差估计值，对实际工程应用具有很好的参考价值。
-
公开(公告)号：CN119862510A
公开(公告)日：2025-04-22
申请号：CN202411857856.0
申请日：2024-12-17
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06Q10/063 , G06Q50/40 , G06F18/2415 , G06N3/0442 , G06N3/048 , G06N3/08 , G06N7/01
Abstract: 本发明提出一种基于条件扩散模型的交通基础设施监测数据概率异常值诊断方法。所述方法包括条件嵌入网络计算隐藏状态、前向过程增加白噪声、结合隐藏状态训练预测模型，优化条件网络和去噪网络的模型参数、基于训练好的网络模型生成预测结果计算预测均值和标准差以及计算数据点异常概率等过程。本发明所述方法通过条件化处理等手段，使模型能够在检测数据集中存在异常数据时学校到较准确的预测模型，并通过计算异常概率的方式可以在诊断异常数据的同时量化数据点的异常程度，能够为交通基础设施结构健康监测领域提供一种有效的异常值诊断方法。
-
公开(公告)号：CN115032283B
公开(公告)日：2025-03-25
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：CN119046639A
公开(公告)日：2024-11-29
申请号：CN202411248564.7
申请日：2024-09-06
Applicant: 哈尔滨工业大学
IPC: G06F18/20 , G06F18/2136 , G06F18/214 , G06N3/044 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明提出基于健康监测序列数据和变分循环神经网络的城市桥梁状态实时诊断方法。该方法是将基于变分循环神经网络的结构响应监测序列数据的重构过程建模为从结构响应监测序列数据中推断车辆荷载的推断过程，和基于推断的车辆荷载重构结构响应监测序列数据的生成过程，从而使生成过程代表桥梁结构的代理模型，当结构服役状态发生变化时，通过代理模型预测的响应值与实测值间的残差指标诊断桥梁结构构件和整体状态。该方法通过在隐空间中解耦车辆荷载建立桥梁结构代理模型，实现诊断过程的可解释性；通过对结构响应监测序列数据建模，实现结构响应监测序列数据的实时预测和诊断，解决了传统结构诊断方法缺乏可解释性、精确度和时间精度不高的问题。
-
公开(公告)号：CN118395860A
公开(公告)日：2024-07-26
申请号：CN202410527603.0
申请日：2024-04-29
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种导波频散关系恢复问题中优化测点布置的方法。该方法采用多任务复数层次稀疏贝叶斯模型对导波的频散关系进行求解，并利用多任务复数层次稀疏贝叶斯模型给出的不确定性指标来计算后续测点布置方案的微分熵估计值，通过极小化微分熵估计值来获取最优测点布置。导波频散关系的多任务模型将多个频率下的任务联立求解，并构造字典矩阵使得在多个频率对应任务的权重向量具有一致稀疏性，滤去了仅在单个频率上出现的噪点使得频散关系求解结果更接近真实值。此外，多任务复数层次稀疏贝叶斯模型能根据数据来估计模型中超参数，减弱了导波频散关系恢复问题中过拟合现象造成的影响，从而能够更加可靠地求解导波频散关系并优化测点布置方案。
-
Patent Agency Ranking
公开(公告)号：CN118351494A
公开(公告)日：2024-07-16
申请号：CN202410393009.7
申请日：2024-04-02
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁全视野车辆追踪与荷载分布在线实时识别方法。所述方法针对摄像头在桥塔上布置且视野基本覆盖全桥的工况，首先基于俯拍交通监控数据，结合视频流实时处理技术进行图像透视变换与拼接，获取全视野图像信号；进一步开展基于YOLOv7深度网络模型的桥梁全视野车辆目标检测训练，识别车辆位置信息；然后基于改进SORT算法进行车辆多目标追踪，并设计匹配策略实现盲区车辆再识别，获取车辆在全桥行驶轨迹信息；最后搭建多进程并行计算的在线实时系统，其可实现车辆轨迹精确追踪，可结合在线动态称重数据高精度实时识别桥梁车辆荷载分布信息。
-
公开(公告)号：CN117370787B
公开(公告)日：2024-06-04
申请号：CN202311238330.X
申请日：2023-09-25
Applicant: 哈尔滨工业大学
IPC: G06F18/2131 , G06F18/2433 , G06F18/10 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明提出基于图卷积神经网络和长短期记忆神经网络的框架结构地震损伤识别方法。所述方法包括对结构健康监测数据的预处理，多层非参数神经网络结构的设计，模型训练和响应预测，通过分析预测残差实现损伤识别和定位。本发明通过多个图卷积层求解监测系统的邻接矩阵，提取各监测点之间的空间相关特征。使用长短期记忆层分析每个测点的时序关系，解决了测点之间信息冗余度较低的问题，提升了异常测点较多情况下的预测精度。该方法通过综合考虑结构在地震作用下的时空关系，可以较好的预测和确定数据残差和结构损伤情况，提高了框架结构损伤识别的速度和准确性。
-
公开(公告)号：CN118072213A
公开(公告)日：2024-05-24
申请号：CN202410065587.8
申请日：2024-01-17
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于图神经网络推断概率图模型的结构损伤识别方法。本发明所述方法针对基于计算机视觉技术得到的稠密结构数据集，建立无向图模型来考虑数据之间的相关性，该模型的结构与所测量结构上的传感器网络相对应，模型参数依据测量数据的损伤敏感特征之间的相关性进行学习。然后，采用图神经网络进行无向图模型的推断，图神经网络依据随机生成的图模型进行训练，以交叉熵作为损失函数进行优化。最后，将学到的无向图模型参数输入训练好的图神经网络中，得到每个测点处结构构件的损伤概率。本发明所提出的方法考虑了结构测量数据间的相关性，并且能结合计算机视觉技术，以更低成本且更鲁棒的方式实现结构损伤识别。
-
公开(公告)号：CN117197538B
公开(公告)日：2024-05-14
申请号：CN202311031417.X
申请日：2023-08-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/776 , G06V10/774 , G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明提出一种基于高斯分布权重采样的贝叶斯卷积神经网络结构表观损伤识别方法。所述方法包括根据需求建模高斯分布权重采样的贝叶斯卷积神经网络；结构表观损伤图片标准化处理；表观损伤视觉识别及损伤视觉识别结果可靠度的判定等。本发明所述方法利用多结构，多角度的表观损伤图片数据训练贝叶斯卷积神经网络模型，提出模型应用的标准条件。所训练的模型可以完成结构表观损伤视觉识别并给出模型对于识别结果的置信度，从而判断模型结果的可靠性。此外，该方法考虑了图片采集质量不统一，图片存在遮挡与光照等因素引起的不确定性，为评估结构安全提供鲁棒性建议。
-
公开(公告)号：CN117115339B
公开(公告)日：2024-05-14
申请号：CN202310893947.9
申请日：2023-07-20
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于NeRF5D神经辐射场的建筑三维重建与损伤识别方法。所述方法首先通过SIFT特征匹配和增量型SFM稀疏重建对单一建筑图像数据集进行预处理，获取图像3D坐标以及相机位姿信息。再利用多分辨率哈希编码并整合，对图像3D坐标进行特征映射。然后将特征映射和相机位姿信息输入本发明提出的三分支网络模型，预测各像素位置的体积密度、RGB色值和语义预测。最后分别通过体素填充和像素整合获得建筑三维重构模型和损伤识别结果。此方法提出了一种单体损伤建筑重建全流程，以及一种轻量化的三分支三维重构和语义分割网络模型，可实现对单一建筑准确且高效的数字孪生和损伤识别。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.036 seconds)
