-
公开(公告)号：CN114881074B
公开(公告)日：2023-08-08
申请号：CN202210453654.4
申请日：2022-04-24
Applicant: 同济大学
IPC: G06F18/10 , G06F18/24 , G06F18/23213 , G06F18/241 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于聚类‑深度学习的工程结构变形预测方法，包括以下步骤：S1、实时采集实际工程中各监测项目中不同监测点的变形时序数据；S2、对采集到的变形时序数据进行预处理，包括异常点检测、数据重采样以及监测点聚类；S3、对预处理后的数据进行EMD分解，得到多个IMF分量和一个剩余分量；S4、将每个IMF分量和剩余分量分别输入对应的预测模型进行训练，通过训练后的预测模型获取对应的未来预测值，将各分量对应的未来预测值进行求和，得到最终该监测项目的变形预测值。与现有技术相比，本发明具有预测效果好，能够有效应对实际工程中各种不同监测变形数据，对实际工程应用具有参考价值，预测精确、改善预测滞后现象、降低计算量等优点。
-
公开(公告)号：CN110969601B
公开(公告)日：2023-11-24
申请号：CN201911167703.2
申请日：2019-11-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于视觉特征跟踪算法的结构转动响应非接触式识别方法，该方法通过获取结构在动力荷载下视觉图像帧序列，利用特征点算法识别目标关键部位周围有效特征点，借助前后帧特征点的仿射变换矩阵可以精准的识别目标区域的转动响应。与现有技术相比，本发明方法弥补了传统转角测量技术需要布置靶点以及计算量大的缺点，为结构关键部位转动响应监测提供一种有效的技术方法。
-
公开(公告)号：CN114881074A
公开(公告)日：2022-08-09
申请号：CN202210453654.4
申请日：2022-04-24
Applicant: 同济大学
Abstract: 本发明涉及一种基于聚类‑深度学习的工程结构变形预测方法，包括以下步骤：S1、实时采集实际工程中各监测项目中不同监测点的变形时序数据；S2、对采集到的变形时序数据进行预处理，包括异常点检测、数据重采样以及监测点聚类；S3、对预处理后的数据进行EMD分解，得到多个IMF分量和一个剩余分量；S4、将每个IMF分量和剩余分量分别输入对应的预测模型进行训练，通过训练后的预测模型获取对应的未来预测值，将各分量对应的未来预测值进行求和，得到最终该监测项目的变形预测值。与现有技术相比，本发明具有预测效果好，能够有效应对实际工程中各种不同监测变形数据，对实际工程应用具有参考价值，预测精确、改善预测滞后现象、降低计算量等优点。
-
公开(公告)号：CN110969601A
公开(公告)日：2020-04-07
申请号：CN201911167703.2
申请日：2019-11-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于视觉特征跟踪算法的结构转动响应非接触式识别方法，该方法通过获取结构在动力荷载下视觉图像帧序列，利用特征点算法识别目标关键部位周围有效特征点，借助前后帧特征点的仿射变换矩阵可以精准的识别目标区域的转动响应。与现有技术相比，本发明方法弥补了传统转角测量技术需要布置靶点以及计算量大的缺点，为结构关键部位转动响应监测提供一种有效的技术方法。
-
-
-
Search Results
4
records
(took 0.015 seconds)
