-
公开(公告)号：CN109919082A
公开(公告)日：2019-06-21
申请号：CN201910165765.3
申请日：2019-03-05
Applicant: 东南大学 , 北京特希达交通基础设施顾问有限公司
Abstract: 本发明公开了一种基于LSTM与EMD的模态识别方法，包括如下步骤：获取信号数据；利用LSTM算法对信号的左右两端数据进行预测延申，得到拓展后的信号数据；利用EMD算法分解上述拓展后的信号数据，得到信号的各阶模态信号；将各阶模态信号在原始信号的左右端点处截断，形成最终的各阶模态信号。本发明能够有效地解决传统的经验模态分解法(EMD)在信号分解时的端点效应以及模态混叠效应，从而使损伤识别、机械故障诊断的结果更为准确，鲁棒性更强。
-
公开(公告)号：CN111127399A
公开(公告)日：2020-05-08
申请号：CN201911195800.2
申请日：2019-11-28
Applicant: 东南大学
Abstract: 本发明提供了一种基于深度学习与声呐成像的水下桥墩病害识别方法，利用水下侧声声呐设备获取准备水下桥墩扫描图片，包括病害与无病害图片；运用图像增强方法，增加数据集的数量；对数据集进行标注，病害区域用矩形框标记并且保存坐标信息；将数据集划分为训练测试集、验证集和测试集；建立深度学习目标检测网络中的yolov3模型，进行训练，得到训练模型；水面上控制侧声声呐设备沿着水下桥墩部分进行扫描，获取扫描图片，利用训练好的yolov3模型进行水下桥墩病害自动识别。本发明效率高，成本低，相对于传统的人工潜水法以及声呐人工筛选法更具有明显的自动化和实时性优势。
-
公开(公告)号：CN109827697A
公开(公告)日：2019-05-31
申请号：CN201910208016.4
申请日：2019-03-19
Applicant: 东南大学 , 柳州欧维姆机械股份有限公司
IPC: G01L5/04
Abstract: 本发明公开了一种基于局部均值模态分解的斜拉索时变索力识别方法，包括如下步骤：获取斜拉索振动加速度时程数据，利用信号处理方法进行信号去噪；利用傅里叶变换(FFT)估计拉索的基频，根据基频设计带通滤波器对振动信号进行初步处理；利用局部均值模态分解方法分解处理后的振动信号，得到拉索的各阶振动模态；利用希尔伯特-黄变换(HHT)处理信号，得到各阶振动模态的瞬时频率时程数据，利用索力-基频公式，便可得到瞬时索力时程数据。本发明能够得到斜拉索的时变索力，克服了现有索力测量方法只能测量平均索力的缺陷，测量精度高，成本低，应用范围更广。
-
公开(公告)号：CN111044617B
公开(公告)日：2022-08-02
申请号：CN201911188370.1
申请日：2019-11-28
Applicant: 东南大学 , 江苏东印智慧工程技术研究院有限公司 , 东衢智慧交通基础设施科技(江苏)有限公司
Abstract: 本发明公开了一种基于深度学习与声发射技术的拉索损伤识别方法，首先，利用声发射设备测量正常状态与损伤状态拉索的声发射信号各N组，形成数据集，将数据集中的信号序列打上标签，将N组信号归一化，并划分为训练集和测试集；建立长短期记忆全卷积神经网络，对声发射信号进行训练，保存训练好的模型和参数；利用声发射设备在现场获取拉索的声发射信号，将信号输入上述训练好的模型中，自动判别拉索是否存在损伤。本发明直接处理声发射的原始信号，效率高，成本低，相对于传统的人工检测法以及磁通量法更具有明显的自动化优势。
-
公开(公告)号：CN111044617A
公开(公告)日：2020-04-21
申请号：CN201911188370.1
申请日：2019-11-28
Applicant: 东南大学 , 江苏东印智慧工程技术研究院有限公司 , 东衢智慧交通基础设施科技(江苏)有限公司
Abstract: 本发明公开了一种基于深度学习与声发射技术的拉索损伤识别方法，首先，利用声发射设备测量正常状态与损伤状态拉索的声发射信号各N组，形成数据集，将数据集中的信号序列打上标签，将N组信号归一化，并划分为训练集和测试集；建立长短期记忆全卷积神经网络，对声发射信号进行训练，保存训练好的模型和参数；利用声发射设备在现场获取拉索的声发射信号，将信号输入上述训练好的模型中，自动判别拉索是否存在损伤。本发明直接处理声发射的原始信号，效率高，成本低，相对于传统的人工检测法以及磁通量法更具有明显的自动化优势。
-
Patent Agency Ranking
公开(公告)号：CN109978847A
公开(公告)日：2019-07-05
申请号：CN201910210547.7
申请日：2019-03-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于迁移学习与拉索机器人的拉索外套病害自动识别方法，该方法包括：准备好混凝土裂缝图片，建立深度学习中的ResNet网络模型，进行训练，得到训练模型；再获取斜拉索PE外套的病害图片，将数据集划分为训练集、验证集、测试集，建立ResNet卷积神经网络的迁移学习模型，对模型进行训练；控制斜拉索机器人进行图像采集，利用训练好的ResNet模型进行斜拉索PE外套病害自动识别。本发明检测精度高，斜拉索机器人的应用可以代替人工进行自动化爬行检测，自动化程度高，能够实时识别，效率高，成本低，相较于传统的斜拉索PE外套病害的人工检测方法具有明显的优势。
-
公开(公告)号：CN111832607B
公开(公告)日：2022-11-01
申请号：CN202010464922.3
申请日：2020-05-28
Applicant: 东南大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于模型剪枝的桥梁病害实时检测方法，首先利用无人机获取桥梁表观害图片，然后按照比例将数据集划分为训练集、验证集和测试集；接着运用图像增强方法，增加数据集的数量；构建yolov3网络框架，对网络的每一个批归一化层(BN)添加γ参数项的L1正则化约束，设置渐进式局部衰减的稀疏度调整策略，对改造后的网络进行训练，得到训练模型；得到训练好的所有BN层的γ参数之后，根据层间和层内的γ参数大小进行层和通道的模型剪枝，删除权重较小的通道，得到剪枝后的模型；利用训练好的模型进行桥梁表观病害自动识别。本发明效率高，成本低，相对于传统的人工标记标签训练法，更具有明显的自动化和高效性。
-
公开(公告)号：CN111860106B
公开(公告)日：2023-12-08
申请号：CN202010464928.0
申请日：2020-05-28
Applicant: 江苏东印智慧工程技术研究院有限公司 , 东南大学 , 东衢智慧交通基础设施科技(江苏)有限公司
IPC: G06V20/10 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种无监督的桥梁裂缝识别方法，该方法首先利用无人机等收集混凝土裂缝图片，包括裂缝图片与正常图片；利用K‑Means聚类方法对数据集进行聚类，按照聚类后的结果对裂缝进行标签标记；按照8:1:1的比例将数据集划分为训练集、验证集和测试集；运用图像增强方法，增加数据集的数量；建立深度学习分类网络，进行训练，得到训练模型；利用训练好的模型进行混凝土裂缝自动识别。本发明效率高，成本低，相对于传统的人工标记标签训练法，更具有明显的自动化和高效性。
-
公开(公告)号：CN111832607A
公开(公告)日：2020-10-27
申请号：CN202010464922.3
申请日：2020-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于模型剪枝的桥梁病害实时检测方法，首先利用无人机获取桥梁表观害图片，然后按照比例将数据集划分为训练集、验证集和测试集；接着运用图像增强方法，增加数据集的数量；构建yolov3网络框架，对网络的每一个批归一化层(BN)添加γ参数项的L1正则化约束，设置渐进式局部衰减的稀疏度调整策略，对改造后的网络进行训练，得到训练模型；得到训练好的所有BN层的γ参数之后，根据层间和层内的γ参数大小进行层和通道的模型剪枝，删除权重较小的通道，得到剪枝后的模型；利用训练好的模型进行桥梁表观病害自动识别。本发明效率高，成本低，相对于传统的人工标记标签训练法，更具有明显的自动化和高效性。
-
公开(公告)号：CN109948249A
公开(公告)日：2019-06-28
申请号：CN201910208459.3
申请日：2019-03-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于变分模态分解的斜拉索时变索力识别方法，包括如下步骤：获取斜拉索振动加速度时程数据，利用信号处理方法进行信号去噪；利用傅里叶变换(FFT)估计拉索的基频，根据基频设计带通滤波器对振动信号进行初步处理；利用变分模态分解算法分解处理后的振动信号，得到拉索的各阶振动模态；利用希尔伯特-黄变换(HHT)处理信号，得到各阶振动模态的瞬时频率时程数据，利用索力-基频公式，便可得到瞬时索力时程数据。本发明能够得到斜拉索的时变索力，克服了现有索力测量方法只能测量平均索力的缺陷，测量精度高，成本低，应用范围更广。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.048 seconds)
