-
公开(公告)号:CN116244661A
公开(公告)日:2023-06-09
申请号:CN202310047619.7
申请日:2023-01-31
申请人: 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司 , 哈尔滨工业大学 , 中国地质大学(武汉)
摘要: 本发明公开了一种基于空‑天‑地多源异构监测数据的边坡滑动面识别方法,所述方法包括如下步骤:步骤S1:建立边坡空‑天‑地多源异构监测数据的关键词表,进行数据识别与分类;步骤S2:对边坡空‑天‑地多源异构监测数据中的冗杂信息和错误数据进行剔除与过滤;步骤S3:对边坡空‑天‑地多源异构监测数据进行数据降维;步骤S4:提取边坡空‑天‑地多源异构监测数据的统计特征向量和时间序列特征向量,对统计特征向量向量与时间序列特征向量进行多源数据特征融合,利用融合后的特征向量作为机器学习方法的输入,实现对边坡滑动面的建模。该方法有效改善了滑坡监测数据的可靠性,提高了滑坡监测数据的利用率。
-
公开(公告)号:CN116299448A
公开(公告)日:2023-06-23
申请号:CN202310037566.0
申请日:2023-01-09
申请人: 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司 , 哈尔滨工业大学 , 中国地质大学(武汉)
摘要: 本发明公开了一种基于差分干涉技术的机载探地雷达超分辨率成像方法,所述方法包括如下步骤:S1:获取多景探地雷达成像数据作为差分干涉的原始图像数据;S2:对图像数据进行影像配准,选取PS点,将主副影像中对应像素的位置进行准确配对;S3:将准确配对的两幅影像中对应像素值进行共轭相乘,得到差分干涉图;S4:对差分干涉图中的噪声进行数据降噪处理,得到滤波后的差分干涉图;S5:对滤波后的差分干涉图进行相位解缠,得到经过相位解缠的干涉图;S6:对经过相位解缠的干涉图进行全波形反演,生成超分辨率电阻率成像图和成像间隔时间内岩土体结构的精细变化图。本发明解决了现有探地雷达成像分辨率不足的问题。
-
公开(公告)号:CN116243391A
公开(公告)日:2023-06-09
申请号:CN202310047593.6
申请日:2023-01-31
申请人: 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司 , 哈尔滨工业大学 , 中国地质大学(武汉) , 重庆工商大学
摘要: 本发明公开了一种拉电传感控制的全航空电磁传感线圈面积调节自适应系统,所述系统包括高灵敏度控制模块与高性能传感线圈,其中:所述高灵敏度控制模块由F‑S计算控制模块和单片机控制模块组成;所述F‑S计算控制模块确定发射线圈面积需求值,实现初始数字信号获取;所述单片机控制模块对F‑S计算控制模块传输的数字信号进行转换并修正,将拉力信息传递至高性能传感线圈;所述高性能传感线圈由双层同心辅助线圈、拉敏电阻、感应线圈、拉力控制器组成,拉敏电阻连接同心辅助线圈,感应线圈均匀缠绕在同心辅助线圈周围,拉力控制器位于高性能传感线圈内。本发明通过设计高灵敏度控制模块与高性能传感线圈结构,实现传感线圈面积实时调节。
-
公开(公告)号:CN116108399A
公开(公告)日:2023-05-12
申请号:CN202310061911.4
申请日:2023-01-17
申请人: 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司 , 哈尔滨工业大学 , 中国地质大学(武汉)
IPC分类号: G06F18/25 , G06F18/2431
摘要: 本发明公开了一种基于梯度决策树的山体边坡勘测数据两级融合方法,所述方法包括如下步骤:S1:处理山体边坡勘测数据,按照数据结构特征将数据统一标准化,构建勘测数据特征统一标准化表征方法;S2:关联互补地球物理场属性特征与斜坡体空间几何特征,实现勘测数据浅层初次融合;S3:探究高维数据潜在空间特征与低纬数据潜在表观特征;S4:结合S2得到的数据,实现山体边坡勘测数据深层特征融合;S5:优化数据,提高数据融合效率与精度,实现山体边坡勘测数据多级层次化智能融合。本发明通过建立山体边坡勘测数据智能解析与融合技术,解决了传统深度学习算法在处理多模态数据泛化性低的问题。
-
公开(公告)号:CN116227162A
公开(公告)日:2023-06-06
申请号:CN202310063273.X
申请日:2023-01-19
申请人: 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司 , 哈尔滨工业大学 , 中国地质大学(武汉)
IPC分类号: G06F30/20 , G06F18/2415
摘要: 本发明公开了一种基于贝叶斯层次时空模型的边坡危险性风险评价方法,所述方法利用贝叶斯层次时空模型,基于遥感数据,在时间和空间维度上建立区域地质FEM模型,并实时分析其时空分布和动态变化特征,对区域的环境变化进行全面、透彻的分析,评估区域的地质灾害风险。该方法主要针对滑坡等地质灾害的时间及空间变化趋势,在传统的评价模型中增加多层次贝叶斯时空模型部分,构造由地质灾害相关性较高的因子组成的时空算法模型,嵌入到多层次贝叶斯层次时空模型中,融合现有地质灾害系统,得到多层次、高精度、具有时空效应的灾害风险评估系统。
-
公开(公告)号:CN116182726A
公开(公告)日:2023-05-30
申请号:CN202310047614.4
申请日:2023-01-31
申请人: 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司 , 哈尔滨工业大学 , 中国地质大学(武汉)
IPC分类号: G01B11/16 , G01K11/3206
摘要: 本发明公开了一种基于超弱光纤光栅阵列传感系统实时量测边坡变形的装置,所述装置包括数据采集传输系统、超弱光纤光栅解调系统、超弱光纤光栅光缆和线盘,所述数据采集传输系统用于不同空间位置的波长信号、光栅应变和温度数据的处理,获取边坡应变温度的变化,并与外网连接;所述超弱光纤光栅解调系统用于脉冲信号的发射、接受、解调和数据传输;所述数据采集传输系统与超弱光纤光栅解调系统连接,超弱光纤光栅解调系统与超弱光纤光栅光缆的一端连接,超弱光纤光栅光缆的另一端盘绕于线盘上,线盘布设于监测边坡表面。该装置可配合边坡深层变形与病害实时监测,应用性价比高,并且易于施工、保护、长期耐久,具有良好的应用前景。
-
公开(公告)号:CN115127510A
公开(公告)日:2022-09-30
申请号:CN202210730795.6
申请日:2022-06-24
申请人: 哈尔滨工业大学 , 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司
摘要: 本发明公开了一种水陆空三栖立体无人化多平台联动滑坡智能巡防系统,所述巡防系统包括信息获取系统、智能仓坞系统和监测预警系统,信息获取系统包括无人机、巡检机器狗和无人船艇;智能仓坞系统包括信息获取系统设备出入的自感应舱门、无线传输模块、无线充电平台;监测预警系统包括数据处理模块、三维建模模块、危险预测和预警模块,通过无人船艇、巡检机器狗和无人机获取所监测边坡的各项数据并通过无线传输模块发送至监测预警系统中,三维建模模块根据获取的信息建立边坡三维模型并对边坡的滑坡情况进行预测,危险预测和预警模块根据滑坡发生的概率值达到设置的限值时执行预警,从而对边坡进行多维度评价,提高边坡滑坡精准预警的精度。
-
公开(公告)号:CN116108325A
公开(公告)日:2023-05-12
申请号:CN202310037567.5
申请日:2023-01-09
申请人: 哈尔滨工业大学 , 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司
摘要: 本发明公开了一种基于机器学习因子分析的膨胀土冻结过程变形解耦方法,所述方法将制作的土样放入冻胀试验机内,测得温度降低土样冻结过程中的各项参数变化;将所得数据导入MATLAB中,利用其中的ICA和回归拟合算法程序得到体积含冰率变化与未冻结水体积含水率变化分别引起的体积增加量或减小量。该方法在了解到膨胀土冻结的过程中既有水冻结成冰引起的体积增加,又有膨胀土土颗粒失水收缩导致的体积减小的前提下,分别得到水冻结与土颗粒失水各自引起的体积变化。本发明利用机器学习因子分析以及回归拟合,能够在区分不同因素影响下土体体积变化量的同时,又较为准确的得到体积变化与其产生因素之间函数关系式及关系曲线。
-
公开(公告)号:CN115877466A
公开(公告)日:2023-03-31
申请号:CN202211498234.4
申请日:2022-11-28
申请人: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学 , 中铁十七局集团有限公司
摘要: 本发明公开了一种半航空自适应谐振宽频带时频协同电磁系统,所述系统包括无人机、地面发射机、时频电磁采集记录器和三分量时频域一体接收线圈,其中:所述地面发射机输出时频电流激励大地,产生大面积覆盖的电磁波;所述时频电磁采集记录器悬于无人机下方,用于记录三分量时频域一体接收线圈接收的多个电磁场激发源激发而生成的电磁信号;所述三分量时频域一体接收线圈悬于时频电磁采集记录器下方,并通过数据传输单元与时频电磁采集记录器相连,用于接收多个电磁场激发源激发而生成的电磁信号。本发明结合了传统航空电磁法和地面电磁法的优势,相比地面电磁法具有更好的地形适应性,相比航空电磁法探测深度更大。
-
公开(公告)号:CN115239749A
公开(公告)日:2022-10-25
申请号:CN202210879627.3
申请日:2022-07-25
申请人: 哈尔滨工业大学 , 哈尔滨工业大学重庆研究院 , 中铁十七局集团有限公司
摘要: 本发明公开了一种基于卷积神经网络的膨胀土裂隙图像识别方法,所述方法包括如下步骤:步骤一、采集膨胀土样本,对膨胀土样本进行CT扫描,得到CT图像;步骤二、对步骤一得到的CT图像进行加工处理,得到二值化的图像;步骤三、将二值化图像贴上标签并分组,建立样本集1和样本集2;步骤四、建立卷积神经网络模型并利用样本集1对卷积神经网络模型进行训练;步骤五、利用样本集2对步骤四训练好的卷积神经网络模型进行准确率评估;若两者相差不超过2%则卷积神经网络模型训练成功,否则添加随机失活层重新训练;步骤六、应用训练好的卷积神经网络模型对膨胀土裂隙图片进行识别。本发明能够克服传统图像识别算法抗噪性差、精度低等缺点。
-
-
-
-
-
-
-
-
-