-
公开(公告)号：CN117935667A
公开(公告)日：2024-04-26
申请号：CN202410141813.6
申请日：2024-02-01
Applicant: 哈尔滨工业大学
IPC: G09B25/00
Abstract: 本发明公开一种模拟微重力条件下射流对颗粒层界面气蚀作用的实验装置，包括矩形容器、同步器、气泵、流量计、两块电磁铁、弹簧、颗粒材料、承重板和高速摄像机，开启气泵，当同步器监测到有气流经过流量计时发出电信号控制打开高速摄像机进行图像采集；经过一段时间后，同步器控制两块电磁铁的电源断开，此时弹簧为承重板提供向下拉力，承重板瞬间下落，使得射流与颗粒材料自由下落过程同步，当射流作用于颗粒层界面时，颗粒层界面处于微重力状态，通过矩形容器正面观察实验中颗粒层的变形与运动状态，本发明可同时获取射流气蚀作用使颗粒层产生的变形与运动时程，并排除外部环境对测量过程的影响，使实验测量结果更加准确。
-
公开(公告)号：CN116824303B
公开(公告)日：2024-01-26
申请号：CN202310820388.9
申请日：2023-07-06
Applicant: 哈尔滨工业大学
IPC: G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提出基于损伤驱动和多模态多任务学习的结构巡检智能体导航方法，所述方法包括步骤一：融合结构损伤信息的虚拟环境建模，步骤二：搭建视觉导航深度强化学习框架，步骤三：设计基于卷积神经网络的视觉特征提取模块，步骤四：设计基于长短期记忆网络的导航记忆模块，步骤五：设计后继通用表征模块，对值网络进行解耦，步骤六：建立融合视觉‑深度多模态信息和多辅助任务联合学习的视觉导航模型。所提出的场景融合方法同样适用于智能体与其他工程学科交叉场景构建。
-
公开(公告)号：CN115496941B
公开(公告)日：2024-01-09
申请号：CN202211134484.X
申请日：2022-09-19
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/762 , G06V10/82 , G06N3/096 , G06N3/084 , G06N3/0895 , G06N3/0464
Abstract: 本发明提出基于知识增强计算机视觉的结构健康诊断方法。所述方法具体包括：步骤一：构建结构健康诊断层级图像数据集；步骤二：构建知识增强计算机视觉识别网络模型；步骤三：训练知识增强计算机视觉识别网络模型，获得多类型场景、结构、构件及损伤图像的通用分割头；步骤四：移植通用分割头至预测网络模型，利用考虑多类型几何约束的损失函数训练至收敛。本发明通过自监督和对比学习实现，无需对图像进行标记，与传统人工标记和图像处理的方法相比，避免了繁琐的图像标注，节省了大量人工标注成本，提升了效率。(56)对比文件Kaiping Wang 等.Semi-supervisedmedical image segmentation via a tripled-uncertainty guided mean teacher modelwith contrastive learning《.Medical ImageAnalysis。.2022,1-14.Xiangde Luo 等.Semi-supervisedMedical Image Segmentation through Dual-task Consistency《.The Thirty-Fifth AAAIConference on Artificial Intelligence(AAAI-21)》.2021,8801-8809.
-
公开(公告)号：CN117197538A
公开(公告)日：2023-12-08
申请号：CN202311031417.X
申请日：2023-08-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/776 , G06V10/774 , G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明提出一种基于高斯分布权重采样的贝叶斯卷积神经网络结构表观损伤识别方法。所述方法包括根据需求建模高斯分布权重采样的贝叶斯卷积神经网络；结构表观损伤图片标准化处理；表观损伤视觉识别及损伤视觉识别结果可靠度的判定等。本发明所述方法利用多结构，多角度的表观损伤图片数据训练贝叶斯卷积神经网络模型，提出模型应用的标准条件。所训练的模型可以完成结构表观损伤视觉识别并给出模型对于识别结果的置信度，从而判断模型结果的可靠性。此外，该方法考虑了图片采集质量不统一，图片存在遮挡与光照等因素引起的不确定性，为评估结构安全提供鲁棒性建议。
-
公开(公告)号：CN116165274B
公开(公告)日：2023-11-14
申请号：CN202310129979.1
申请日：2023-02-17
Applicant: 哈尔滨工业大学
IPC: G01N29/04 , G01N29/44 , G06F18/2135 , G06F18/2136 , G06F17/18
Abstract: 本发明提出基于贝叶斯全局稀疏概率主成分分析的城市轨道损伤识别方法。所述方法首先预处理对齐过车振动数据，使其全局特征更加明显，便于主成分分析识别，然后采用贝叶斯全局稀疏概率主成分分析求解全局稀疏模式，即选择哪些数据与全局特征相关。由于损伤特征的非全局性，全局稀疏模式是一个损伤敏感指标，可将与全局特征相关的数据判别为无损状态，其余数据对应可能发生的轨道损伤，从而实现本发明无监督轨道损伤识别的目标。本发明无需高成本的损伤诊断数据标注，且具有全局性、实时性等优点，能够及时发现、有效检测隐蔽或不明显损伤，为探索实现全时全域轨道智能诊断和评估提供了新途径，对城市轨道运维具有很好的参考价值。
-
Patent Agency Ranking
公开(公告)号：CN116824303A
公开(公告)日：2023-09-29
申请号：CN202310820388.9
申请日：2023-07-06
Applicant: 哈尔滨工业大学
IPC: G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提出基于损伤驱动和多模态多任务学习的结构巡检智能体导航方法，所述方法包括步骤一：融合结构损伤信息的虚拟环境建模，步骤二：搭建视觉导航深度强化学习框架，步骤三：设计基于卷积神经网络的视觉特征提取模块，步骤四：设计基于长短期记忆网络的导航记忆模块，步骤五：设计后继通用表征模块，对值网络进行解耦，步骤六：建立融合视觉‑深度多模态信息和多辅助任务联合学习的视觉导航模型。所提出的场景融合方法同样适用于智能体与其他工程学科交叉场景构建。
-
公开(公告)号：CN116124902B
公开(公告)日：2023-08-18
申请号：CN202310054298.3
申请日：2023-02-03
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于贝叶斯不确定性量化对超声导波损伤定位精度的诊断方法。所述方法包括对于对测量信号的前处理、导波损伤定位稀疏问题的构造与求解和算法损伤定位精度的判定等。本发明所述方法采用多任务复数层次稀疏贝叶斯模型对基于超声导波的损伤定位问题进行了求解，利用不同传感器数据个数下多任务复数层次稀疏贝叶斯模型给出的不确定性指标的变化趋势来诊断损伤定位的结果是否足够精确。此外，多任务复数层次稀疏贝叶斯模型能根据数据来估计模型中超参数，使得该方法中贝叶斯模型中给出的不确定性量化指标更加客观，从而能够更加可靠地对损伤定位的结构是否足够精确进行诊断。
-
公开(公告)号：CN116241603A
公开(公告)日：2023-06-09
申请号：CN202310379143.7
申请日：2023-04-11
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种圆柱形结构的双合成射流减振防护装置，包括射流狭缝和射流通道，射流狭缝位于被防护的圆柱形结构表面的流动分离点附近，射流狭缝设有两个，两个射流狭缝沿来流方向对称分布于圆柱形结构的表面，射流通道设置在圆柱形结构的内部并贯穿整个圆柱形结构，射流狭缝的内侧与射流通道相通，射流通道的一端与外部活塞活动连接，活塞由伺服电机驱动。本发明采用上述一种圆柱形结构的双合成射流减振防护装置，能够对圆柱形结构的风致振动产生良好的控制效果。
-
公开(公告)号：CN116186833A
公开(公告)日：2023-05-30
申请号：CN202211617408.4
申请日：2022-12-15
Applicant: 哈尔滨工业大学
IPC: G06F30/13 , G06F30/27 , G06N20/00 , G06F18/23 , G06F119/14
Abstract: 本发明提出索承桥主梁竖向变形相关模式识别与健康诊断机器学习方法。所述方法根据主梁竖向变形比和主梁竖向变形绝对值积分比这两个评估指标，进行索承桥结构健康诊断。其核心思想是“已确定车辆横向位置的主梁竖向变形比”和“主梁竖向变形绝对值积分比”这两个指标仅与索承桥结构参数有关、消去了车辆荷载变异产生的效应，因此可以用于索承桥健康诊断。
-
公开(公告)号：CN115345003B
公开(公告)日：2023-04-18
申请号：CN202210979066.4
申请日：2022-08-16
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F111/10 , G06F113/06 , G06F113/08
Abstract: 本发明提出一种基于尾流分解方法的偏航风力机尾流速度亏损剖面预测方法。本发明所述方法通过将尾流剖面进行分解，能更具物理意义的考虑偏航导致的尾流速度亏损剖面不对称性。且可以直接通过改进已有的尾流分析模型建立新的偏航叶轮尾流分析模型，从而提高其预测精度，改善风电场偏航控制效益。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.064 seconds)
