-
公开(公告)号：CN116226961A
公开(公告)日：2023-06-06
申请号：CN202211618505.5
申请日：2022-12-15
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F119/04 , G06F119/14
Abstract: 本发明提供了一种基于贝叶斯网络的大型钢桥面板疲劳裂纹空间不均匀分布评估方法，本发明通过规则网格划分将桥面板划分为有限区格、其中每个区格为一个研究单元，基于结构构造因素和荷载环境因素以及裂纹状态定义单元状态；根据单元状态变量之间的因果关系，建立贝叶斯网络以描述变量间概率依赖关系；使用期望最大化算法估计贝叶斯网络参数，进行变量间的敏感性分析。本发明可以利用正交异性钢桥面板部分节段的裂纹检测数据进行网络参数学习，然后对桥面板未检测部分的裂纹数量进行估计，从而实现整体桥面板疲劳裂纹数量的快速评估，大大减小了大跨度桥梁裂纹检测的时间成本和经济成本。
-
公开(公告)号：CN103776578B
公开(公告)日：2016-01-06
申请号：CN201410057795.X
申请日：2014-02-20
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及一种截面内力测量传感器及标定方法，其包括底板、顶板，所述底板、顶板面积大小相等，上下彼此相对；所述顶板和底板之间设有四根竖向测力杆和四根斜向测力杆，所述各测力杆的两端设有内螺纹，分别通过螺栓直接连接在所述顶板和底板之间；所述各测力杆上粘贴有若干单轴应变片；通过记录所测试截面处各测力杆上的应变片的应变输出值，根据标定的校核矩阵，即可得到所测试截面上的各内力分量。本发明结构简单合理，通过检测测力杆上的应变，测定测试截面的内力，安装可靠、稳定，成本低，能满足土木工程结构任意截面内力测试需要。
-
公开(公告)号：CN103791827A
公开(公告)日：2014-05-14
申请号：CN201410064371.6
申请日：2014-02-25
Applicant: 哈尔滨工业大学(威海)
IPC: G01B7/30
Abstract: 本发明涉及一种截面内力测量传感器及标定方法，其包括底板、顶板，所述底板、顶板面积大小相等，上下彼此相对；所述顶板和底板之间设有四根竖向测力杆和四根斜向测力杆，所述各测力杆的两端设有内螺纹，分别通过螺栓直接连接在所述顶板和底板之间；所述各测力杆上粘贴有若干单轴应变片；通过记录所测试截面处各测力杆上的应变片的应变输出值，根据标定的校核矩阵，即可得到所测试截面上的各内力分量。本发明结构简单合理，通过检测测力杆上的应变，测定测试截面的内力，安装可靠、稳定，成本低，能满足土木工程结构任意截面内力测试需要。
-
公开(公告)号：CN103791827B
公开(公告)日：2016-06-08
申请号：CN201410064371.6
申请日：2014-02-25
Applicant: 哈尔滨工业大学(威海)
IPC: G01B7/30
Abstract: 本发明涉及一种截面内力测量传感器及标定方法，其包括底板、顶板，所述底板、顶板面积大小相等，上下彼此相对；所述顶板和底板之间设有四根竖向测力杆和四根斜向测力杆，所述各测力杆的两端设有内螺纹，分别通过螺栓直接连接在所述顶板和底板之间；所述各测力杆上粘贴有若干单轴应变片；通过记录所测试截面处各测力杆上的应变片的应变输出值，根据标定的校核矩阵，即可得到所测试截面上的各内力分量。本发明结构简单合理，通过检测测力杆上的应变，测定测试截面的内力，安装可靠、稳定，成本低，能满足土木工程结构任意截面内力测试需要。
-
公开(公告)号：CN103776578A
公开(公告)日：2014-05-07
申请号：CN201410057795.X
申请日：2014-02-20
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及一种截面内力测量传感器及标定方法，其包括底板、顶板，所述底板、顶板面积大小相等，上下彼此相对；所述顶板和底板之间设有四根竖向测力杆和四根斜向测力杆，所述各测力杆的两端设有内螺纹，分别通过螺栓直接连接在所述顶板和底板之间；所述各测力杆上粘贴有若干单轴应变片；通过记录所测试截面处各测力杆上的应变片的应变输出值，根据标定的校核矩阵，即可得到所测试截面上的各内力分量。本发明结构简单合理，通过检测测力杆上的应变，测定测试截面的内力，安装可靠、稳定，成本低，能满足土木工程结构任意截面内力测试需要。
-
Patent Agency Ranking
公开(公告)号：CN118883715A
公开(公告)日：2024-11-01
申请号：CN202411048693.1
申请日：2024-08-01
Applicant: 哈尔滨工业大学
IPC: G01N29/04 , G01N29/44 , G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/082 , G06N3/0895 , G06F123/02
Abstract: 本发明提出基于自监督对比学习的轨道剪力绞和阻尼器缺失损伤识别方法。该方法利用切比雪夫滤波器对振动采集到的振动响应数据进行滤波，并利用网格法和双阈值截断方法提取过车时的振动响应信号，搭建基于自监督对比学习的时间序列表征学习模型，以准确识别轨道的损伤。自监督对比学习可以从大量未标注的数据中提取到有价值的信息，可以仅用很少的标签数据就可以实现有效的训练和优异的性能，同时利用对比学习的机制更好的学习数据特性，从而提供更好的识别结果。本发明能在少量标记数据的基础上实现有效的训练和优异的轨道损伤识别性能，从而降低了模型对人工标注数据的依赖性，适用于不方便人工大量标注的情况下实现轨道损伤的高效识别。
-
公开(公告)号：CN116186834A
公开(公告)日：2023-05-30
申请号：CN202211618354.3
申请日：2022-12-15
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/17 , G06F119/04 , G06F119/14 , G06F111/08
Abstract: 本发明提供了一种基于层级动态贝叶斯网络的大型钢桥面板疲劳裂纹时空扩展建模方法，本发明通过基于动态贝叶斯网络和断裂力学，进行单条疲劳裂纹扩展建模；基于层级网络模型对多条裂纹扩展过程的相关性进行建模，将单条疲劳裂纹扩展模型扩展为多裂纹；通过模拟实验和实桥检测数据进行检验有效性。相对于传统断裂力学Paris方程裂纹扩展预测方法，本发明考虑了不同疲劳裂纹扩展过程在几何参数、材料参数和初始裂纹尺寸方面的相关性；本发明基于层级模型有效建立了多裂纹扩展过程之间的相关性，实现了对多裂纹检测数据的综合利用。
-
公开(公告)号：CN115098906B
公开(公告)日：2023-04-07
申请号：CN202210482833.0
申请日：2022-05-05
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于深度强化学习和系统可靠度的桥梁智能维修决策方法及系统，属于智慧基础设施技术领域，其中，该方法包括：构建整体桥面板冗余系统模型，并将其分解为一系列小规模局部桥面板，基于局部桥面板的失效概率和冗余系统可靠度理论，计算整体桥面板系统的可靠概率和可靠度指标；根据可靠度指标设计基于维修成本和安全成本的综合奖励函数，以建立基于深度强化学习的整体桥面板维修决策网络模型；训练基于深度强化学习的整体桥面板维修决策网络模型直至收敛，将桥面板系统可靠度指标、局部可靠度指标和服役时间输入至训练好的模型中，得到桥梁维修动作结果，即实现了基于深度强化学习的桥梁智能维修决策。
-
公开(公告)号：CN116186834B
公开(公告)日：2024-06-14
申请号：CN202211618354.3
申请日：2022-12-15
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/17 , G06F119/04 , G06F119/14 , G06F111/08
Abstract: 本发明提供了一种基于层级动态贝叶斯网络的大型钢桥面板疲劳裂纹时空扩展建模方法，本发明通过基于动态贝叶斯网络和断裂力学，进行单条疲劳裂纹扩展建模；基于层级网络模型对多条裂纹扩展过程的相关性进行建模，将单条疲劳裂纹扩展模型扩展为多裂纹；通过模拟实验和实桥检测数据进行检验有效性。相对于传统断裂力学Paris方程裂纹扩展预测方法，本发明考虑了不同疲劳裂纹扩展过程在几何参数、材料参数和初始裂纹尺寸方面的相关性；本发明基于层级模型有效建立了多裂纹扩展过程之间的相关性，实现了对多裂纹检测数据的综合利用。
-
公开(公告)号：CN115098906A
公开(公告)日：2022-09-23
申请号：CN202210482833.0
申请日：2022-05-05
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于深度强化学习和系统可靠度的桥梁智能维修决策方法及系统，属于智慧基础设施技术领域，其中，该方法包括：构建整体桥面板冗余系统模型，并将其分解为一系列小规模局部桥面板，基于局部桥面板的失效概率和冗余系统可靠度理论，计算整体桥面板系统的可靠概率和可靠度指标；根据可靠度指标设计基于维修成本和安全成本的综合奖励函数，以建立基于深度强化学习的整体桥面板维修决策网络模型；训练基于深度强化学习的整体桥面板维修决策网络模型直至收敛，将桥面板系统可靠度指标、局部可靠度指标和服役时间输入至训练好的模型中，得到桥梁维修动作结果，即实现了基于深度强化学习的桥梁智能维修决策。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
