-
公开(公告)号：CN116030076A
公开(公告)日：2023-04-28
申请号：CN202310065678.7
申请日：2023-01-12
Applicant: 华中科技大学
IPC: G06T7/11 , G06V10/764 , G06V10/82 , G06N3/08 , G06V10/80 , G06V10/762 , G06N3/0464
Abstract: 本发明公开了一种基于因果推理的隧道点云多目标分割集成方法及系统，方法包括：采集隧道的点云数据并基于圆投影算法转化为二维点图；基于二维点图和二维Unet模型提取点云数据的全局特征，基于二维点图和边缘卷积提取点云数据的局部特征；基于因果推理模型对隧道的点云数据进行数据增强；分别根据全局特征和局部特征数据增强后的隧道的点云数据进行分类，基于改进的D‑S基于证据的特征融合方法对分类结果进行特征融合。针对有效迅速的解决三维点云语义分割问题，提出了一种基于点投影和动态图卷积神经网络的集成方法，对输入点云进行处理，并进行良好的语义推理，从而进行高精度快速的进行渗流类别的识别确定。
-
公开(公告)号：CN118938683A
公开(公告)日：2024-11-12
申请号：CN202411146560.8
申请日：2024-08-20
Applicant: 华中科技大学
IPC: G05B13/04
Abstract: 本发明属于液压与同步控制技术领域，公开了一种基于强化学习的造楼机多油缸同步顶升控制方法与装置，本发明提出了一种基于强化学习的造楼机多油缸同步顶升控制方法与装置，针对液压油缸异步顶升问题，结合耦合同步控制技术与多智能体强化学习算法，实现了造楼机顶升过程多油缸自适应同步控制。本发明选取造楼机顶升实际堆载数据，采用位移均值耦合控制技术，以多智能体强化学习方法训练高精度控制器，实现多油缸系统智能感知与协同顶升。研究结果表明本发明提出的智能控制算法能够在顶升过程中自适应调节运动情况，减小多油缸运动误差，保证结构平稳顶升，提高了造楼机智能施工水平。
-
公开(公告)号：CN117610916A
公开(公告)日：2024-02-27
申请号：CN202311431607.0
申请日：2023-10-31
Applicant: 华中科技大学
IPC: G06Q10/0635 , G06Q50/08 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/049 , G06N3/082 , G06F18/213 , G06F18/25 , G06F18/27
Abstract: 本发明公开了一种基于多源信息融合的空中造楼机动态安全预警方法和系统，该方法包括模型变量的选择和预处理；分别采用快速DTW算法和Direct‑LiNGAM算法构建多源传感器图网络，输入至GraphSAGE中进行节点嵌入与信息聚合；基于时间卷积网络即TCN构建时间特征模块；基于图卷积模块和时间特征模块构建时空预测模型；对平台水平度进行预测和分析。本发明选取多源监测数据，基于时间相似性和因果发现构建传感器之间的多维度图关系结构，分别通过图卷积层、时间卷积层以及注意力机制，具有良好的预测鲁棒性，实现顶升过程中平台水平度的高精度预测，从而提高顶升过程施工动态安全性，减少风险发生概率。
-
公开(公告)号：CN116310486A
公开(公告)日：2023-06-23
申请号：CN202211639333.X
申请日：2022-12-19
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/20 , G06T7/10
Abstract: 本发明公开了一种盾构开挖过程中地质识别方法与系统，涉及盾构开挖过程中地质识别技术领域，该方法包括：采集地质的图像信息，对所述图像信息进行预处理及去除噪声处理，得到新图像信息；建立多个深度学习模型，根据所述新图像信息，计算每个所述深度学习模型的识别结果，将多个所述识别结果进行融合，得到融合识别结果；根据实际地质结果，结合所述融合识别结果，对每个所述深度学习模型进行模型评估操作及模型可解释性操作，对每个所述深度学习进行持续改进，通过改进后的所述深度学习模型对地质进行识别。本发明将多个MobileNet基础模型与DST信息融合在一起，能够基于TBM输送带上的挖掘渣土图像提供可靠的地质状况识别。
-
公开(公告)号：CN116011071A
公开(公告)日：2023-04-25
申请号：CN202211698751.6
申请日：2022-12-28
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/23 , G06F30/27 , G06F111/08 , G06F119/02 , G06F119/14
Abstract: 本发明公开了一种基于主动学习的空中造楼机结构可靠性分析方法及系统，包括：建立随机脉动风场，模拟高层建筑脉动风荷载，并建立样本池；建立空中造楼机的有限元模型，并赋予材料属性；根据样本池和有限元模型，并基于改进QBDC主动学习训练AI代理模型；使用训练完成的AI代理模型对样本池中的所有样本进行时程响应的预测，根据预测结果和PDEM算法，确定结构动力可靠度。针对传统可靠度分析方法适用面窄、工作量大、计算耗时等问题，结合人工智能算法、有限元技术(FEM)以及概率密度演化方法(PDEM)，实现随机激励‑结构响应AI代理模型的快速构建过程，从而克服现有方法在结构可靠度评估当中的不足。
-
Patent Agency Ranking
公开(公告)号：CN118130135A
公开(公告)日：2024-06-04
申请号：CN202410262363.6
申请日：2024-03-07
Applicant: 华中科技大学
IPC: G01M99/00 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/048
Abstract: 本发明属于复杂工程装备的广义惰性测量与解耦系统领域，公开了一种复杂工程装备广义惰性精密测量与解耦系统和方法。本发明提出了一种基于能量的惰性测量解耦框架。根据施工设备中能量传递的形式，确定了电气、液压和机械系统的广义惰性支撑能量物理表达方法。采用广义惰性松弛因子对不同系统的惰性贡献进行分解。为了实现对广义惰性支撑能量的准确预测，引入了一种集成了压缩激励和共享权重策略的编码器解码器神经网络。将物理驱动模型与数据驱动模型相结合，建立惰性解耦分析模型，并对广义惰性松弛因子进行量化。实验验证了该方法的可靠性。
-
公开(公告)号：CN117972834A
公开(公告)日：2024-05-03
申请号：CN202410042041.0
申请日：2024-01-11
Applicant: 华中科技大学
IPC: G06F30/13 , G06F30/27 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06T17/05
Abstract: 本发明属于结构优化设计技术领域，公开了一种空中造楼机关键节点智能设计与拓扑优化方法及系统，包括：S1，空中造楼机关键节点的拓扑优化：利用拓扑优化技术建立空中造楼机关键节点的高质量大数据学习库；S2，边界平衡生成对抗网络：引入基于深度学习的生成式设计方法，充分学习现有设计方案的拓扑特征，在继承这些特征的基础上，对未知潜在空间进行全局探索，从而衍生出大量的全局优化设计方案；S3，智能生成方案的后处理：通过Python第三方OpenCV2库对生成肋板布局方案进行边缘规则化处理；S4，智能生成方案的重建与评估：为实现生成肋板布局方案的批量自动化三维重建，使用宏工具并对其进行二次开发。
-
公开(公告)号：CN117852690A
公开(公告)日：2024-04-09
申请号：CN202311661085.3
申请日：2023-12-04
Applicant: 华中科技大学
IPC: G06Q10/04 , G06Q10/067 , G06Q50/08 , G06N3/126
Abstract: 本发明公开一种基于BIM的高层建筑施工工期的优化方法及系统，该方法包括：步骤一、构建所述高层建筑的BIM建筑信息模型；步骤二、根据方案评估与评审技术估算所述高层建筑的施工进度,并建立考虑工期和成本关系的建筑工程施工进度时间‑成本计算模型；步骤三、建立多目标优化模型,引入蒙特卡洛模拟考虑施工进度的不确定性,并应用遗传算法寻找最优解；步骤四、利用技术优先顺序理论方法,从最优解中确定出最佳的施工方案。
-
公开(公告)号：CN117787080A
公开(公告)日：2024-03-29
申请号：CN202311463287.7
申请日：2023-11-06
Applicant: 华中科技大学
Inventor： 张立茂 , 李永胜 , 王堃宇 , 王开强 , 孙庆 , 王志云 , 冯文强 , 王迦淇 , 黄锦庭 , 邬毛志 , 朱晓冬 , 王畅 , 崔立山 , 肖仲华 , 吴贤国 , 邢朋飞 , 吴剑波 , 郭靖 , 刘汉凯 , 任文豪
IPC: G06F30/27 , G06F30/10 , G06N3/0455 , G06N3/082 , G06N3/084 , G06F111/04 , G06F119/14
Abstract: 本发明属于盾构施工技术领域，并具体公开了一种基于可信人工智能的盾构机油缸压力精准预测方法及系统。包括：采集获取连续掘进盾构机的各类动力学和油缸的实验数据及仿真数据；基于所述实验数据及仿真数据，对油缸驱动力估算中的物理规律进行分析和推导，其中，结合牛顿力学和拉格朗日乘子法构造液压油缸的压力约束边界，并将其转化为损失函数；将多头注意力深度神经网络作为油缸压力预测的基本框架，基于所述损失函数，构建连续掘进盾构机油缸压力预测模型，基于该油缸压力预测模型对油缸压力进行预测。本发明引入物理信息神经网络，结合先进的深度学习方法，实现连续掘进盾构机管片安装过程的应力精准预测，减少施工过程的危险工况。
-
公开(公告)号：CN117057052A
公开(公告)日：2023-11-14
申请号：CN202310795239.1
申请日：2023-06-30
Applicant: 华中科技大学 , 中建三局集团有限公司
Inventor： 张立茂 , 李永胜 , 王堃宇 , 王开强 , 孙庆 , 王志云 , 冯文强 , 王迦淇 , 黄锦庭 , 邬毛志 , 朱晓冬 , 王畅 , 崔立山 , 肖仲华 , 吴贤国 , 邢朋飞 , 吴剑波 , 郭靖 , 刘汉凯 , 任文豪
IPC: G06F30/17 , E21D9/06 , E21D9/093 , E21F17/18 , E21F17/00 , G06F30/27 , G06F18/214 , G06F18/20 , G06F119/14 , G06F111/04
Abstract: 本发明属于盾构机优化技术领域，并具体公开了一种改善连续掘进盾构机掘进油缸应力集中的方法及系统。包括根据管片安装与刀盘掘进的同步施工场景，分析管片安装过程中的不同管片形式以及对应的油缸作业状态，构建油缸动力学模型；确定连续掘进油缸施工场景的关键参数，构建BO‑XGBoost的油缸状态诊断模型；以油缸状态诊断模型为决策变量，以确保液压缸压力重新分配的效果和效率为目标函数，以油缸压力优化前后应实现力守恒和力矩守恒为约束条件，构建在线多目标场景优化的油缸压力优化模型；构建在线多目标阿基米德优化算法，采用TOPSIS方法来筛选油缸压力优化模型的最优解。本发明可实现连续掘进盾构机管片安装过程的稳定、可靠。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.083 seconds)
