-
公开(公告)号：CN118309072A
公开(公告)日：2024-07-09
申请号：CN202410362903.8
申请日：2024-03-28
Applicant: 东南大学
Abstract: 本发明公开了一种利用土拱效应的压入式基坑支护结构及其施工方法，支护结构包括多根型钢立柱，分别延竖向压入基坑支护位置处土体中，下端处于基坑底部以下坚实土层中，构成竖向悬挑结构；多根型钢立柱之间沿土体横向间隔布置；每两根所述型钢立柱之间的土体中压入一块拱向朝基坑外方向设置的拱形钢板；拱型支承，布设在所述拱形钢板内部，支承拱形钢板保持拱形状；多根所述型钢立柱和多块所述拱形钢板围合形成基坑支护结构，由基坑底部以下土层对型钢立柱的抵抗力矩维持上部支护结构背部的土压力。该发明的支护形式利用了土体中土拱效应特性，具有施工效率高、成本低、安全性好、环境污染小的特点。
-
公开(公告)号：CN116150995B
公开(公告)日：2023-07-25
申请号：CN202310140875.0
申请日：2023-02-21
Applicant: 东南大学
Abstract: 本发明公开了电弧仿真技术领域的一种开关电弧模型的快速仿真方法，包括：先建立电弧模型，给定训练任务集和任务目标集；构造对应的基于元初始化的深度神经网络框架，构造损失函数，构造基于元初始化的元网络，构造损失函数，选取适当的神经网络的参数；对电弧模型进行训练，训练完成后得到权重；将权重设置为网络的初始参数，进行目标任务的训练，从而实现基于元初始化的等离子体方程数值计算，得到神经网络的输出，即对应电弧模型的仿真结果。本发明能够在同种开关电弧模型但参数变化的情况下，更快速地进行模型仿真；对比于传统方法，本发明的仿真方法不依赖网格剖分，可以直接进行模型地仿真，精度更高。
-
公开(公告)号：CN115270593A
公开(公告)日：2022-11-01
申请号：CN202210556874.X
申请日：2022-05-19
Applicant: 东南大学
IPC: G06F30/27 , G06F30/23 , G06N3/04 , G06N3/08 , G06N20/00 , G06F111/10 , G06F119/08
Abstract: 本发明公开了一种基于深度学习的多物理场模型分离式求解方法，可用于多物理场方程组的数值计算。本发明包括以下步骤：建立多物理场方程组模型，将多物理场方程组所蕴含的物理规律作为深度神经网络的先验信息；基于多物理场方程组模型建立深度学习的分离式神经网络；以等式和相应的边界条件、初始条件为基础构造损失函数，选取符合模型复杂度的神经网络参数；神经网络训练求解多物理场方程组的数值解，训练时不断得到新的损失函数值，当其收敛到给定的阈值后，结束训练，解决了在传统方法求解高维问题时会存在精度不高的问题。
-
公开(公告)号：CN114444012A
公开(公告)日：2022-05-06
申请号：CN202111642962.3
申请日：2021-12-29
Applicant: 东南大学
Abstract: 本发明公开一种基于神经网络架构搜索的偏微分方程数值求解方法，涉及人工智能和数值算法领域，包括如下步骤：步骤1，设置偏微分方程和计算域，将方程信息输入至神经网络；步骤2，设置搜索空间，在搜索空间中搜索求解该偏微分方程的最优神经网络架构；步骤3，重新训练搜索得到的网络模型，获得方程求解结果；同时，本发明在使用时，通过利用神经网络架构搜索算法实现用于偏微分方程求解的神经网络架构的自动构建，降低了偏微分方程神经网络求解方法对先验知识的依赖，同时提高了求解精度，进一步降低了偏微分方程求解的难度和复杂度。
-
公开(公告)号：CN114329320A
公开(公告)日：2022-04-12
申请号：CN202111642884.7
申请日：2021-12-29
Applicant: 东南大学
Abstract: 本发明公开一种基于启发式训练数据采样的偏微分方程数值求解方法，涉及人工智能和数值算法领域包括如下步骤：步骤1，设置偏微分方程和计算域，将方程信息输入神经网络，并训练网络至收敛；步骤2，利用基于启发式算法的训练数据增补采样方法，在误差较大区域循环增补训练数据点，直至满足预设条件；步骤3，完成训练，得到最终求解结果。本发明实现了基于启发式训练数据增补采样的偏微分方程数值求解方法，解决了偏微分方程神经网络求解方法局部求解精度不足的问题，提高了方程求解的精度；同时，本发明在使用时，通过。
-
Patent Agency Ranking
公开(公告)号：CN112446370A
公开(公告)日：2021-03-05
申请号：CN202011327387.3
申请日：2020-11-24
Applicant: 东南大学
IPC: G06K9/20 , G06K9/32 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08 , G06F40/216 , G06F16/903
Abstract: 本发明公开一种电力设备铭牌文本信息识别的方法，包括以下步骤：S1、获取输入图像；S2、利用基于深度学习的目标检测算法，对所述输入图像中的电力设备铭牌进行定位并提取定位信息；S3、利用透视变换对所定位的电力铭牌图像进行文本倾斜角计算，得到铭牌区域每个像素点的倾斜角度；S4、利用基于深度学习的文本检测算法，结合所述倾斜角信息，检测铭牌图像中的文本信息，得到铭牌文本检测结果；S5、利用基于深度学习的文本识别算法，自动识别所述铭牌文本检测结果中的文本字符信息，得到电力设备铭牌文本信息识别结果。本发明实现了电力设备信息自动化采集，解决了电力设备信息自动化管理的关键难题，提高了电力设备信息采集的效率与精确度。
-
公开(公告)号：CN113297534B
公开(公告)日：2024-11-22
申请号：CN202110782738.8
申请日：2021-07-12
Applicant: 东南大学
Abstract: 本发明公开一种基于双神经网络框架的等离子体方程数值计算方法，计算方法包括以下步骤：S1:建立等离子体方程模型，将等离子体方程所蕴含的物理规律作为人工神经网络的先验信息；S2:基于S1的等离子体方程建立对应的双神经网络框架；S3:以等式和相应的边界条件、初始条件为基础构造损失函数，选取适当的神经网络的层数等参数；S4:神经网络训练求解等离子体方程的数值解，训练时不断得到新的损失函数值，当其收敛到阈值后，结束训练。本发明等离子体方程数值计算方法利用双神经网络架构求解出等离子体方程的精确解，解决了常规有效体积法结果依赖网格划分，高阶求解需要大量迭代的缺陷，能够从有限的数据样本有效地训练出对应的映射集合。
-
公开(公告)号：CN115146527A
公开(公告)日：2022-10-04
申请号：CN202210557960.2
申请日：2022-05-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习的多物理场模型耦合式求解方法，可用于多物理场方程组的数值计算。本发明包括以下步骤：步骤1，建立多物理场方程组模型；步骤2，基于步骤1的多物理场方程组模型构造对应的耦合式深度学习框架；步骤3，构造损失函数，选择合适的超参数；步骤4，对多物理场方程组模型进行训练，直至损失函数值下降到给定阈值，训练完成后得到多物理场方程组的解，从而实现基于深度学习的多物理场方程组耦合式数值计算。解决了在传统方法求解高维问题时会存在精度不高的问题。
-
公开(公告)号：CN113297534A
公开(公告)日：2021-08-24
申请号：CN202110782738.8
申请日：2021-07-12
Applicant: 东南大学
Abstract: 本发明公开一种基于双神经网络框架的等离子体方程数值计算方法，计算方法包括以下步骤：S1:建立等离子体方程模型，将等离子体方程所蕴含的物理规律作为人工神经网络的先验信息；S2:基于S1的等离子体方程建立对应的双神经网络框架；S3:以等式和相应的边界条件、初始条件为基础构造损失函数，选取适当的神经网络的层数等参数；S4:神经网络训练求解等离子体方程的数值解，训练时不断得到新的损失函数值，当其收敛到阈值后，结束训练。本发明等离子体方程数值计算方法利用双神经网络架构求解出等离子体方程的精确解，解决了常规有效体积法结果依赖网格划分，高阶求解需要大量迭代的缺陷，能够从有限的数据样本有效地训练出对应的映射集合。
-
公开(公告)号：CN112446370B
公开(公告)日：2024-03-29
申请号：CN202011327387.3
申请日：2020-11-24
Applicant: 东南大学
IPC: G06V20/62 , G06V30/14 , G06V30/146 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/0985 , G06F40/216 , G06F16/903
Abstract: 本发明公开一种电力设备铭牌文本信息识别的方法，包括以下步骤：S1、获取输入图像；S2、利用基于深度学习的目标检测算法，对所述输入图像中的电力设备铭牌进行定位并提取定位信息；S3、利用透视变换对所定位的电力铭牌图像进行文本倾斜角计算，得到铭牌区域每个像素点的倾斜角度；S4、利用基于深度学习的文本检测算法，结合所述倾斜角信息，检测铭牌图像中的文本信息，得到铭牌文本检测结果；S5、利用基于深度学习的文本识别算法，自动识别所述铭牌文本检测结果中的文本字符信息，得到电力设备铭牌文本信息识别结果。本发明实现了电力设备信息自动化采集，解决了电力设备信息自动化管理的关键难题，提高了电力设备信息采集的效率与精确度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
