-
公开(公告)号：CN113570111B
公开(公告)日：2023-08-29
申请号：CN202110724752.2
申请日：2021-06-29
Applicant: 中北大学
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/08 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F9/50 , G16Y10/30 , G16Y20/20 , G16Y40/10 , G16Y40/20
Abstract: 本发明涉及一种基于轻量化网络的桥梁健康状态片上监测方法，首先，将桥梁健康状态特征信息输入至深度特征提取网络中，通过一维位移卷积网络提取输入信息中的深度特征信息，将此深度特征信息输入到桥梁健康状态识别网络层，最终输出桥梁的状态识别结果。本发明将震动传感器采集的一维时序信息作为输入，桥梁的健康状态作为输出，与传统的方法相比，利用一维位移卷积操作和轻量点卷积降低了计算的复杂度，实现网络的轻量化，并且位移卷积操作为时间序列提供了灵活的感受野，提高了桥梁识别准确度。通过边缘计算技术，提高了桥梁检测实时性。
-
公开(公告)号：CN112114362A
公开(公告)日：2020-12-22
申请号：CN202010929952.7
申请日：2020-09-07
Applicant: 中北大学
Abstract: 本发明涉及一种地下浅层爆炸时空场重建方法，将传感器阵列信号进行分组能量场成像，消除震动信号的噪声，提高每一时刻能量场成像的分辨率，利用互相关成像技术，消除逆时反传产生的成像干扰。利用爆炸震动信号的时变特性，设定时窗长度，将时窗长度内的能量场信息进行线性叠加。本发明提高瞬时能量场的能量聚焦强度，将空间域的三维能量场图像转换为时间‑空间域的三维能量场图像，提高能量场图像的数量和质量。本发明提高了定位的精度和定位的稳定性，同时极大了减少了传统浅层震源定位过程中定位参数提取、定位模型建模和定位模型解算等步骤，极大提高了震源定位效率。
-
公开(公告)号：CN119885875A
公开(公告)日：2025-04-25
申请号：CN202411967320.4
申请日：2024-12-30
Applicant: 中北大学
IPC: G06F30/27 , G06F30/23 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/0475 , G06N3/096 , G06N3/0464 , G06N3/0895 , G06F111/10 , G06F119/12 , G06F123/02
Abstract: 本发明公开一种地下震动场阵列化信息智能修复方法，包括：S1，布置传感器及虚拟测点，利用传感器对爆炸的震动信号进行采集，进而获得实际数据；同时，通过模拟地下三层介质，利用地下爆炸传播模型正演模拟得到模拟数据；S2，将实际数据及模拟数据组合成道集图的形式，并基于道集图建立目标域训练数据集与源域训练数据集；S3，利用源域训练数据集对深度插值模型进行一次训练；最终将经过一次训练后的深度插值模型迁移到目标域数据集中以自监督学习的方式进行二次训练；S4，基于经过二次训练的深度插值模型进行虚拟测点信号的插值，从而完成地下震动场阵列化信息的修复。还公开了对应的系统、电子设备及计算机可读存储介质。
-
公开(公告)号：CN117150222A
公开(公告)日：2023-12-01
申请号：CN202311109144.6
申请日：2023-08-31
Applicant: 中北大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G01V1/28 , G01V1/30
Abstract: 本发明涉及一种基于扩散模型的地下震动场测量数据智能修复方法，首先使用小当量弹药地下浅层爆炸实验方案获取震动场信号，通过VMD算法对信号进行去噪，提高震动场信号信噪比；通过4次小当量弹药地下浅层爆炸实验获取真实样本，保证样本的有效性，降低训练复杂度，提升模型可靠性；将缺失的共炮点道集作为扩散模型的输入样本，通过改变随机掩码模拟出不同状况下的缺失情况，增加了输入样本的多样性，提高模型泛化性，保证即使在实验数据缺失的条件下，仍能有较高的数据多样性；本发明使用的扩散模型在加噪和去噪过程中都是对整个道集进行处理，故模型可以更好地提取全局特征，对不同的缺失状况更加稳定。
-
公开(公告)号：CN113484906B
公开(公告)日：2023-11-03
申请号：CN202110724731.0
申请日：2021-06-29
Applicant: 中北大学
IPC: G01V1/28
Abstract: 本发明涉及一种基于低频能谱数据驱动的高分辨率能量场重建方法，通过设置在地表的等间距震动传感器阵列采集震源产生的震动信号；通过信号预处理模块对震动信号中的地噪声进行预处理并剔除传感器阵列中的无效数据；获取所有传感器的共有主频范围及不同频段的波形；获取多谱能量场序列图；设计生成对抗网络模型；网络模型训练稳定后保存下来，进行测试时，输入一个信号，生成网络模型将输出一个比其频率更高的信号。本发明建立低频信号到高频信号的非线性映射模型，补充了高频细节信息，提高了聚焦点分辨率；利用生成对抗网络优势，在生成对抗过程完成非线性映射模型的训练，能够更精确地估计丢失的高频信号，提高能量场聚焦程度。
-
Patent Agency Ranking
公开(公告)号：CN116482742A
公开(公告)日：2023-07-25
申请号：CN202310563306.7
申请日：2023-05-18
Applicant: 中北大学 , 中国兵器装备集团自动化研究所有限公司
Abstract: 两级制冷结构的便携式高纯锗探测器，包括：探测器本体；探测器第一壳体，探测器第一壳体设置在探测器本体外侧，且与探测器本体隔开，以形成第一真空腔；探测器第二壳体，探测器第二壳体设置在第一壳体外侧，与第一壳体分隔开，以形成第二真空腔；第一制冷界面，穿设在探测器第一壳体与探测器第二壳体之间，且第一制冷界面连接第一壳体与外部制冷器，实现一级制冷；第二制冷界面，设置于探测器第二壳体上，第二制冷界面连接第一壳体与系统制冷器，实现二级制冷。创造性的将探测器本体和探测器第一壳体的制冷过程分为两级，通过第一制冷界面实现一级快速制冷，通过第二制冷界面实现进一步二级制冷及长时间低温维持，有效缩短制冷时间。
-
公开(公告)号：CN112114361B
公开(公告)日：2022-07-08
申请号：CN202010928919.2
申请日：2020-09-07
Applicant: 中北大学
Abstract: 本发明涉及一种地下浅层复杂空间中震动场时空层析成像方法，结合自相关成像技术消除震动信号的噪声，提高每一时刻能量场成像的分辨率，利用互相关成像技术，消除逆时反传产生的成像干扰。利用爆炸震动信号的时变特性，设定时窗长度，将时窗长度内的能量场信息进行线性叠加。本发明提高瞬时能量场的能量聚焦强度，将空间域的三维能量场图像转换为时间‑空间域的三维能量场图像序列，提高能量场图像的数量和质量。利用生成对抗网络优势，在生成对抗过程中自我学习三维能量场重要的时空信息，提高了震源定位的稳定性。利用生成对抗网络，自我学习、自我对抗、自我调参的优势，降低了试验次数和传感器的数量，实现了预设1次起爆点下的震源定位。
-
公开(公告)号：CN114299993A
公开(公告)日：2022-04-08
申请号：CN202111602267.4
申请日：2021-12-24
Applicant: 中北大学
Abstract: 本发明涉及一种基于数据蒸馏的多枪声智能分类识别系统及方法，包括数据采集模块、数据分离模块、数据预处理模块、特征提取模块、神经网络及加速模块、输出模块；首先利用数据采集模块收集多个混合枪声信号，并将这些混合枪声信号传入数据分离模块，对多个枪声数据进行解耦分离，输出单个枪声数据，并输入到数据预处理模块，对每个单个枪声数据进行自适应滤波，去除混叠的噪声信号，经滤波后的多个声信号将输入特征提取模块，最终将分类结构输入到输出模块中。本发明可以将多枪声混合信号分离为多个单个枪声信号，再分别对每个单枪声信号进行识别，做到了多枪声混合同时分类的功能。可以有效的减少网络参数数量，整个系统体积削减到手掌大小。
-
公开(公告)号：CN114299992A
公开(公告)日：2022-04-08
申请号：CN202111602264.0
申请日：2021-12-24
Applicant: 中北大学
Abstract: 本发明涉及一种基于数据驱动的多声源智能分类识别方法，首先对声传感器采集到的一维枪声信号进行预处理，将预处理后的数据输入至特征提取网络中，通过Transformer模块提取输入数据中的深度特征信息，并将得到的深度特征信息输入至枪声判别网络中，最终得到枪声类别信息。本发明创造性的将Transformer结构用于枪声的识别分类，这种结构在并行计算方面远胜于RNN网络，解决了RNN网络内存占用大，无法对训练样本批处理的问题，提高枪声识别实时性。相较于CNN结构，更能捕获全局信息，在枪声光谱图的识别上，不再通过局部的纹理来进行种类的判断，而是通过光谱图中枪声的轮廓信息来辨别，提升了枪声识别精度。完善了枪声特征信息，进一步提高了枪声识别精度。
-
公开(公告)号：CN112051611A
公开(公告)日：2020-12-08
申请号：CN202010928937.0
申请日：2020-09-07
Applicant: 中北大学
IPC: G01V1/30
Abstract: 本发明涉及一种基于深度强化学习的地下浅层起爆点定位方法，通过布设震动传感器阵列、生成基于能量信息的学习样本、设计深度学习网络，后，直接在三维能量场图设定一个初始搜索框，经过上采样输入训练好的深度决策网络中，输出最大价值对应的动作，然后在三维能量场图中，找到该动作对应的新区域，重新作为初始搜索框，并经上采样再次输入到深度决策网络，以此类推，直到停止动作时，最后一个区域的中心点为预测震源位置。本发明提高了定位的精度和定位的稳定性。同时极大了减少了传统浅层震源定位过程中定位参数提取、定位模型建模和定位模型解算等步骤，极大提高了震源定位效率。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.022 seconds)
