-
公开(公告)号：CN108051853A
公开(公告)日：2018-05-18
申请号：CN201711255117.4
申请日：2017-12-02
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于单台站初至P波的震中距快速估算方法，通过对检测到的初始1.5秒P波信号进行时域和频域分析，得到由时域幅值参数和频域周期参数组成的综合多种参数的震中距估算公式，利用历史强震动记录和差分进化算法回归计算震中距估算公式中各参数的系数，给出震中距的最终估算公式。本发明方法仅需单台站初至1.5秒的P波数据估算震中距，具有良好的准确性、时效性和易用性，适用于地震监测和地震预警。
-
公开(公告)号：CN108037529B
公开(公告)日：2019-10-11
申请号：CN201711254729.1
申请日：2017-12-02
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于初始振动信号的地震事件快速识别方法，通过对检测到的初始1.5秒振动信号进行时域和频域分析，建立由振动幅值和主要频率成分组成的多种判断准则，根据各判断准则迅速识别出引起振动的是地震事件或非地震事件(如爆破、塌陷、交通运输、建筑施工、机械工作、电磁干扰等)。本发明方法仅用1.5秒振动信号即可准确判断出是否是地震事件，算法简单易用，具有良好的时效性、准确性和实用性，可有效地避免地震事件被漏报和误报，适用于地震监测和地震预警。
-
公开(公告)号：CN108089225A
公开(公告)日：2018-05-29
申请号：CN201711255119.3
申请日：2017-12-02
Applicant: 桂林理工大学
Abstract: 一种基于单台站初至P波的震级快速估算方法，通过对检测到的初始1.5秒P波信号进行时域和频域分析，得到由时域幅值参数和频域周期参数组成的综合多种参数的震级估算公式，利用日本强震动记录和差分进化算法回归震级估算公式中各参数的系数，给出震级的最终估算公式。本发明方法仅需单台站初至1.5秒的P波数据估算震级，具有良好的准确性、时效性和易用性，适用于地震监测和地震预警。
-
公开(公告)号：CN113312834B
公开(公告)日：2022-04-26
申请号：CN202110421208.0
申请日：2021-04-19
Applicant: 桂林理工大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种基于卷积神经网络的斜拉索索力异常捡拾方法，包括以下步骤：利用实测索力数据和人为设置的索力异常，建立训练数据集、验证数据集和测试数据集；建立具有12层结构的卷积神经网络，其中索力数据作为卷积神经网络的输入层，索力异常作为输出层；将实测索力数据输入给训练好的卷积神经网络，并通过持续更新索力数据实现持续的索力异常捡拾，当数据中出现索力异常时，则卷积神经网络输出值为异常数据点的位置，当索力数据中没有索力异常时，则卷积神经网络输出值小于0。本发明方法可有效地捡拾偏差率的绝对值≥1％的索力异常，具有良好的准确性、适用性和实用性，可用于斜拉桥健康系统中进行在线的索力异常捡拾。
-
公开(公告)号：CN113570121A
公开(公告)日：2021-10-29
申请号：CN202110779254.8
申请日：2021-07-09
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于卷积神经网络的斜拉索索力趋势预测方法，该方法将历史索力监测数据按天划分为训练数据集、测试数据集和验证数据集，以连续7天的索力监测数据作为输入，后续连续3天的索力监测数据作为输出，建立多层卷积神经网络的索力预测模型，通过训练卷积神经网络模型，实现7天索力数据预测后续3天索力数据。本发明方法通过预测索力，可以在斜拉索发生损伤之前发出警报信息，引导养护部门精准维护可能会发生损伤的拉索。
-
Patent Agency Ranking
公开(公告)号：CN113312834A
公开(公告)日：2021-08-27
申请号：CN202110421208.0
申请日：2021-04-19
Applicant: 桂林理工大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 本发明公开了一种基于卷积神经网络的斜拉索索力异常捡拾方法，包括以下步骤：利用实测索力数据和人为设置的索力异常，建立训练数据集、验证数据集和测试数据集；建立具有12层结构的卷积神经网络，其中索力数据作为卷积神经网络的输入层，索力异常作为输出层；将实测索力数据输入给训练好的卷积神经网络，并通过持续更新索力数据实现持续的索力异常捡拾，当数据中出现索力异常时，则卷积神经网络输出值为异常数据点的位置，当索力数据中没有索力异常时，则卷积神经网络输出值小于0。本发明方法可有效地捡拾偏差率的绝对值≥1％的索力异常，具有良好的准确性、适用性和实用性，可用于斜拉桥健康系统中进行在线的索力异常捡拾。
-
公开(公告)号：CN108051853B
公开(公告)日：2019-08-09
申请号：CN201711255117.4
申请日：2017-12-02
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于单台站初至P波的震中距快速估算方法，通过对检测到的初始1.5秒P波信号进行时域和频域分析，得到由时域幅值参数和频域周期参数组成的综合多种参数的震中距估算公式，利用历史强震动记录和差分进化算法回归计算震中距估算公式中各参数的系数，给出震中距的最终估算公式。本发明方法仅需单台站初至1.5秒的P波数据估算震中距，具有良好的准确性、时效性和易用性，适用于地震监测和地震预警。
-
公开(公告)号：CN108037529A
公开(公告)日：2018-05-15
申请号：CN201711254729.1
申请日：2017-12-02
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于初始振动信号的地震事件快速识别方法，通过对检测到的初始1.5秒振动信号进行时域和频域分析，建立由振动幅值和主要频率成分组成的多种判断准则，根据各判断准则迅速识别出引起振动的是地震事件或非地震事件(如爆破、塌陷、交通运输、建筑施工、机械工作、电磁干扰等)。本发明方法仅用1.5秒振动信号即可准确判断出是否是地震事件，算法简单易用，具有良好的时效性、准确性和实用性，可有效地避免地震事件被漏报和误报，适用于地震监测和地震预警。
-
公开(公告)号：CN113468635A
公开(公告)日：2021-10-01
申请号：CN202110638031.X
申请日：2021-06-08
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于振动信号和循环神经网络的斜拉索索力识别方法，包括以下步骤：持续采集斜拉索的振动信号，每当缓冲4096个振动数据，对4096个索力值进行归一化处理(采用线性归一化方法)；将归一化处理后的4096个缓冲数据输入到训练后的循环神经网络中，循环神经网络经过计算后，给出索力值；循环神经网络具有1层输入层，1层全连接输出层和3层隐藏层(LSTM和Dropout)；通过持续更新缓冲的4096个振动数据，实现斜拉索索力的持续更新计算。本发明方法以端到端的方式实现索力识别，避免了振动频域法的各阶基频识别和索力计算简化，可以给出更为准确的索力值，适用于实际工程的斜拉索索力的在线识别。
-
公开(公告)号：CN108089225B
公开(公告)日：2019-08-13
申请号：CN201711255119.3
申请日：2017-12-02
Applicant: 桂林理工大学
Abstract: 一种基于单台站初至P波的震级快速估算方法，通过对检测到的初始1.5秒P波信号进行时域和频域分析，得到由时域幅值参数和频域周期参数组成的综合多种参数的震级估算公式，利用日本强震动记录和差分进化算法回归震级估算公式中各参数的系数，给出震级的最终估算公式。本发明方法仅需单台站初至1.5秒的P波数据估算震级，具有良好的准确性、时效性和易用性，适用于地震监测和地震预警。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
