-
公开(公告)号：CN118056797A
公开(公告)日：2024-05-21
申请号：CN202211450104.3
申请日：2022-11-19
Applicant: 重庆交通大学 , 重庆重交再生资源开发股份有限公司 , 重庆诺奖二维材料研究院有限公司
IPC: C04B28/34
Abstract: 本发明公开了一种采用磷酸镁水泥固化电解锰渣的方法，所述方法包括：1）将电解锰渣烘干至恒重，然后采用球磨机对电解锰渣进行研磨；2）将电解锰渣和重烧氧化镁搅拌均匀，得到混合物A；3）将磷酸二氢钾和硼砂加入水中，完全溶解后，得到混合物B；4）将混合物A和混合物B充分混合后，得到浆体；5）将浆体注入立方体模具中，在室温下养护24小时后脱模，静置28天后得到无害化砌块；各种物质的质量份数分别为：电解锰渣845份、重烧氧化镁100份、磷酸二氢钾25份、硼砂2份、水369.36份。本发明的有益技术效果是：提出了一种采用磷酸镁水泥固化电解锰渣的方法，该方案拓宽了固化电解锰渣的原料选型，且处理成本较低，能有效提高电解锰渣回收利用效率。
-
公开(公告)号：CN110443881B
公开(公告)日：2023-07-07
申请号：CN201910456968.8
申请日：2019-05-29
Applicant: 重庆交通大学
Abstract: 本发明提供的一种桥面形态变化识别桥梁结构损伤的CNN‑GRNN方法，包括如下步骤：S1.获取桥面图像序列；S2.采用双目立体视觉三维重建技术,对桥面图像序列处理，得到单次桥面三维几何形态；S3.配准历次桥面三维几何形态，并对前后两次的三维几何形态进行叠差比较，得到桥面整体几何形态变化色谱图；S4.利用区域生长分割原理，从桥面整体几何形态变化色谱图中分割出桥面局部变形形态；S5.利用卷积神经网络CNN提取桥面局部变形形态中的多层次特征信息，将取出的特征信息输入广义回归神经网络GRNN，对桥梁结构损伤性质进行识别估计。本发明的桥面形态变化识别桥梁结构损伤的CNN‑GRNN方法，利用人工智能的科学技术手段，输入桥面局部变形形态到计算机，输出桥梁结构损伤预测结果，从而高效、准确、可量化地评估桥梁结构损伤的情况。
-
公开(公告)号：CN115780478A
公开(公告)日：2023-03-14
申请号：CN202310001674.2
申请日：2023-01-03
Applicant: 重庆交通大学 , 重庆重交再生资源开发股份有限公司 , 重庆诺奖二维材料研究院有限公司
Abstract: 本发明公开了协同稳定、固化、回收电解锰渣的配方，包括按照重量份数比的：电解锰渣40～60份、粒化高炉矿渣粉34～56份、电石渣4～6份、硫酸钠1～3份、水40～60份；处理方法，包括以下步骤：S1、将电解锰渣的烘干至恒重，再通过球磨机磨成低于3mm细小颗粒；S2、将按照重量分数比的细小颗粒的电解锰渣40～60份、粒化高炉矿渣粉34～56份、电石渣4～6份、硫酸钠1～3份、水40～60份混合搅拌后等待自然凝固。本发明的配发和方法使用协同稳定、固化、回收电解锰渣，能够减少化学剂的用量，降低电解锰渣的处理成本，扩大电解锰渣回收利用范围，提高电解锰渣回收利用效率，同时还能起到以废治废的作用。
-
公开(公告)号：CN110443881A
公开(公告)日：2019-11-12
申请号：CN201910456968.8
申请日：2019-05-29
Applicant: 重庆交通大学
Abstract: 本发明提供的一种桥面形态变化识别桥梁结构损伤的CNN-GRNN方法，包括如下步骤：S1.获取桥面图像序列；S2.采用双目立体视觉三维重建技术,对桥面图像序列处理，得到单次桥面三维几何形态；S3.配准历次桥面三维几何形态，并对前后两次的三维几何形态进行叠差比较，得到桥面整体几何形态变化色谱图；S4.利用区域生长分割原理，从桥面整体几何形态变化色谱图中分割出桥面局部变形形态；S5.利用卷积神经网络CNN提取桥面局部变形形态中的多层次特征信息，将取出的特征信息输入广义回归神经网络GRNN，对桥梁结构损伤性质进行识别估计。本发明的桥面形态变化识别桥梁结构损伤的CNN-GRNN方法，利用人工智能的科学技术手段，输入桥面局部变形形态到计算机，输出桥梁结构损伤预测结果，从而高效、准确、可量化地评估桥梁结构损伤的情况。
-
公开(公告)号：CN112906095B
公开(公告)日：2022-04-08
申请号：CN202011512922.2
申请日：2020-12-20
Applicant: 重庆交通大学
Abstract: 本发明提供的一种基于激光条纹中心追踪的桥梁模态识别方法，包括：向桥梁的结构表面投射激光线，并采集激光线在桥梁表面所形成的激光条纹的图像信息；对激光条纹的图像进行处理，提取出激光条纹的中心点位置；将激光条纹的中心点的横坐标或者纵坐标随时间变化状态进行拟合，形成激光线位移时程曲线；根据激光线位移时程曲线确定与桥梁表面在激光线投射在桥梁表面的长度范围内连续点的时域响应；根据桥梁表面连续点的时域响应识别桥梁模态参数；通过上述方法，能够获得准确的桥梁模态参数的同时，无需对桥梁进行复杂的监测设备的布置，有效节约人力成本和设备成本，而且不依赖于光照和背景条件，准确率高。
-
Patent Agency Ranking
公开(公告)号：CN113076843A
公开(公告)日：2021-07-06
申请号：CN202110326195.9
申请日：2021-03-26
Applicant: 重庆交通大学
Abstract: 本发明提供的一种基于图像检测的桥面荷载估算方法，包括以下步骤：S1.在桥梁跨中沿桥梁的纵向设置一排检测标记点和两排辅助标记点，其中，相邻两排标记点平行且相邻两排标记点之间等距，且检测标记点位于两排辅助标记点之间；S2.在垂直于桥面的方向上设置采集标记点位置变化的相机；S3.由相机采集检测标记点和辅助标记点在桥面荷载下的位置变化图像；S4.基于位置变化图像确定检测标记点处的跨中挠度；S5.基于跨中挠度计算桥面荷载，基于图像对桥梁的跨中挠度进行准确的检测，能够消除桥梁在荷载状态中相机自身随桥梁振动的影响，能够确保较量荷载估算的准确性，而且在检测过程中无需布置其他传感器，简化检测系统的结构，降低使用成本。
-
公开(公告)号：CN110147781A
公开(公告)日：2019-08-20
申请号：CN201910456946.1
申请日：2019-05-29
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于机器学习的桥梁振动模态可视化损伤识别方法，包括如下步骤：S1.采集桥梁振动的数字视频信息，并对数字视频信息进行放大处理；S2.采集数字视频图像信息的参数，包括视频图像信息的频率、相位以及幅值；S3.以视频图像信息的相位以及幅值构建桥梁振动的可视化模态图像；S4.利用卷积神经网络CNN提取桥梁可视化模态图像中的多层次特征信息，将取出的特征信息输入广义回归神经网络GRNN，对桥梁结构损伤性质进行识别估计。本发明的基于机器学习的桥梁振动模态可视化损伤识别方法，使用少量简单的装置对桥梁的结构进行检测，能够准确全面地识别桥梁的结构损伤，并且该方法科学高效。
-
公开(公告)号：CN103266559B
公开(公告)日：2015-08-26
申请号：CN201310219784.2
申请日：2013-06-04
Applicant: 重庆交通大学
IPC: E01D19/10
Abstract: 本发明公开了一种BP桥梁安全巡检车及获取桥梁面相数据的方法，设备包括行走车和载于行走车上的桥梁面相采集系统，所述桥梁面相采集系统至少包括二维激光扫描装置、工业CCD相机、GPS系统、惯性导航系统和主控制器；本发明可快速、高精度获取桥面上可见桥梁外轮廓表面的三维几何形态和纹理图像数据，使用时通过由BP桥梁安全巡检车获得历史数据的综合比对分析，来判别桥梁结构的目前安全状况，以此确保桥梁的运营安全，杜绝桥梁意外垮塌事故，以此推动以人工目测为主的传统桥梁巡检方法向自动化、高效化、标准化和精确化发展，亦为高效、经济、实用、准确实施桥梁经常性安全检查。
-
-
公开(公告)号：CN103266559A
公开(公告)日：2013-08-28
申请号：CN201310219784.2
申请日：2013-06-04
Applicant: 重庆交通大学
IPC: E01D19/10
Abstract: 本发明公开了一种BP桥梁安全巡检车及获取桥梁面相数据的方法，设备包括行走车和载于行走车上的桥梁面相采集系统，所述桥梁面相采集系统至少包括二维激光扫描装置、工业CCD相机、GPS系统、惯性导航系统和主控制器；本发明可快速、高精度获取桥面上可见桥梁外轮廓表面的三维几何形态和纹理图像数据，使用时通过由BP桥梁安全巡检车获得历史数据的综合比对分析，来判别桥梁结构的目前安全状况，以此确保桥梁的运营安全，杜绝桥梁意外垮塌事故，以此推动以人工目测为主的传统桥梁巡检方法向自动化、高效化、标准化和精确化发展，亦为高效、经济、实用、准确实施桥梁经常性安全检查。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.03 seconds)
