-
公开(公告)号：CN220170417U
公开(公告)日：2023-12-12
申请号：CN202320196580.0
申请日：2023-02-13
Applicant: 湖北交投宜昌高速公路建设管理有限公司 , 中交公规土木大数据信息技术(北京)有限公司 , 中交公路规划设计院有限公司
Abstract: 本实用新型涉及超声螺栓预紧力测量技术领域，公开了一种新型超声法螺栓预紧力测量的阻尼探头，所述超声阻尼探头压电陶瓷片在探头壳体的最底部，所述阻尼块在压电陶瓷片的背部，所述壳体的内部充满填充胶，所述接插件在壳体的上端，所述接插件和压电陶瓷片由内部引线连接。本实用新型在超声螺栓预紧力测量应用中，螺栓连接受到弯矩作用，在其回波幅值变化较大的情况下，超声阻尼探头内部的压电陶瓷片在受到电激励的情况下，在背部阻尼块的减振作用下，其共振可以迅速趋于静止，使得沿螺栓传播的回波波形陡峭，进而最大限度地利用阈值法的测量到所设定的待测回波峰。
-
公开(公告)号：CN218360777U
公开(公告)日：2023-01-24
申请号：CN202221729984.3
申请日：2022-07-05
Applicant: 中交公规土木大数据信息技术(北京)有限公司 , 湖北交投宜昌高速公路建设管理有限公司
Abstract: 本公开提供一种车辆荷载识别装置，涉及车辆载荷技术领域。包括：摄像机(1)，用于对过往的车辆进行摄像；横板(102)，覆盖于摄像机(1)顶部；清洁块(101)，设置于横板(102)底部；升降组件，设置于摄像机(1)一侧，用于带动清洁块(101)对摄像机(1)进行清洁；推力组件，设置于清洁块(101)一侧，用于将清洁块(101)与摄像机(1)贴合。本公开在摄像机的摄像面设置有清洁块，升降组件带动清洁块进行升降对摄像机摄像面进行除尘清洁，从而保证摄像机的清晰度，推力组件使得清洁块对摄像机的摄像面进行除尘清洁时，清洁块可以与摄像机的摄像面紧密贴合，从而保证清洁块对摄像机的清洁效果。
-
公开(公告)号：CN115408931A
公开(公告)日：2022-11-29
申请号：CN202210979194.9
申请日：2022-08-16
Applicant: 哈尔滨工业大学 , 中交公规土木大数据信息技术(北京)有限公司
IPC: G06F30/27 , G06F30/28 , G06F17/11 , G06K9/62 , G06N3/04 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 本发明提出一种基于深度学习的涡振响应预测方法。本发明所述方法融合了龙格库塔方法作为网络的深度推进格式；不同于在以往的经验模型中由于涡振为大幅值振动而省略方程右侧显含时间的由漩涡脱落而引起的纯力项，网络将时间以融入龙格库塔数值格式的方法巧妙的考虑到其影响，将非自治项考虑到了非线性方程中，相比于传统的预测建模方法更加合理且精确；网络在CFD生成的一阶涡振数据上进行验证，结果证明该方法具有长时间预测的能力，是对涡振响应进行长时间预测建模的全新方法。
-
公开(公告)号：CN115270856B
公开(公告)日：2025-04-22
申请号：CN202210791350.9
申请日：2022-07-05
Applicant: 中交公规土木大数据信息技术(北京)有限公司 , 宜昌长江大桥建设营运集团有限公司
IPC: G06F18/24 , G06F18/214 , G06F18/2411 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种结构健康监测信号压缩采样方法及装置，涉及信号处理和结构健康监测技术领域。该方法包括迁移学习压缩的深度卷积生成对抗网络的压缩采样观测矩阵的设计、深度卷积生成对抗网络的网络架构设计、网络模型参数的设置、迁移学习的应用、最优低维表征向量的求取等。本发明利用深度卷积生成对抗网络强大的特征学习能力，从监测信号大数据中学习其内部结构特征，将其应用于压缩采样，大大缓解了解压缩重构过程的不适定性，有助于打破传统方法对稀疏基的高度依赖，避免寻找合适稀疏基的繁琐过程。
-
公开(公告)号：CN116818069A
公开(公告)日：2023-09-29
申请号：CN202310281218.8
申请日：2023-03-21
Applicant: 中交公规土木大数据信息技术(北京)有限公司 , 哈尔滨工业大学 , 北京智宸天驰科技有限公司
Abstract: 本发明涉及于车辆动态称重领域，公开了一种车辆动态称重装置，包括：路基；称重传感器，安装于路基的底端；T型板，连接于称重传感器的底端；地锚板，设置在称重传感器的底端；压板，设置于路基顶端的一侧；固定板，连接于压板的一端；固定机构，设置在T型板的内部，用于实现对T型板和地锚板进行快速安装固定的操作；打开机构，设置在固定板的内部，用于实现对压板进行打开操作。本发明通过采用固定机构，有利于对地锚板进行快速固定，有利于提高装置的安装效率，操作更加便捷，解决了装置安装效率低的问题；通过采用打开机构，有利于对装置内部的零件进行快速安装或更换的操作，解决了装置内部零件无法检修和更换的问题。
-
Patent Agency Ranking
公开(公告)号：CN116793620A
公开(公告)日：2023-09-22
申请号：CN202310271873.5
申请日：2023-03-16
Applicant: 中交公规土木大数据信息技术(北京)有限公司 , 西南交通大学 , 中交公路规划设计院有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于毫米波雷达的桥梁自由流加载结构评估系统和方法，在检测车组的前后两侧200m处分别设置前警示车组和后警示车组，形成一个400m的隔离带，隔离社会车辆与加载车辆，避免社会车辆对动态加载过程的影响；桥梁监测模块采用毫米波雷达技术监测桥梁的动挠度，桥跨区域电子围栏触发子模块、动挠度信号处理子模块、结构承载能力评估分析子模块和动态荷载试验任务管理子模块采集计算出校验系数，按照国家标准规范要求对试验桥跨的承载能力进行评估。变形采集精度高、响应频率高、可全天候实时测量，在不中断交通的前提下，能够实现对桥梁结构高频定期进行车辆加载试验与承载能力评估，以保障桥梁结构运营期的结构安全。
-
公开(公告)号：CN115270856A
公开(公告)日：2022-11-01
申请号：CN202210791350.9
申请日：2022-07-05
Applicant: 中交公规土木大数据信息技术(北京)有限公司 , 宜昌长江大桥建设营运集团有限公司
Abstract: 本发明提供了一种结构健康监测信号压缩采样方法及装置，涉及信号处理和结构健康监测技术领域。该方法包括迁移学习压缩的深度卷积生成对抗网络的压缩采样观测矩阵的设计、深度卷积生成对抗网络的网络架构设计、网络模型参数的设置、迁移学习的应用、最优低维表征向量的求取等。本发明利用深度卷积生成对抗网络强大的特征学习能力，从监测信号大数据中学习其内部结构特征，将其应用于压缩采样，大大缓解了解压缩重构过程的不适定性，有助于打破传统方法对稀疏基的高度依赖，避免寻找合适稀疏基的繁琐过程。
-
公开(公告)号：CN109547438A
公开(公告)日：2019-03-29
申请号：CN201811415087.3
申请日：2018-11-23
Applicant: 中交公规土木大数据信息技术(北京)有限公司 , 中交公路规划设计院有限公司
Abstract: 本公开提供了一种城市级桥梁群结构安全监测养护系统，包括：综合监管平台、监测单元及管理单元，其中，所述综合监管平台用于对所述监测单元及管理单元进行管理；所述监测单元用于实现桥梁可视化三维实时监管、交通信息实时监控、健康监测与安全预警子及巡检养护管理；所述管理单元用于对系统后台、系统设备及用户查询、访问权限进行管理。本公开将数量繁杂的城市桥梁进行集群化管理，通过建立一个现代化、信息化城市桥梁群大数据平台，辅助桥梁管理机构进行科学的管理和养护，从而实现了利用桥梁信息化技术和桥梁风险评估与损伤识别技术相结合的方式实现城市桥梁的预防性养护，延长了桥梁的使用寿命。
-
公开(公告)号：CN118566041A
公开(公告)日：2024-08-30
申请号：CN202410586737.X
申请日：2024-05-13
Applicant: 中交公规土木大数据信息技术(北京)有限公司
Abstract: 本申请提供了一种钢筋混凝土的疲劳损伤检测装置、检测方法、设备及介质，应用于钢筋混凝土试件，该装置包括检测支点、轨道和轮式滚动疲劳荷载装置；其中，检测支点包括第一支点、第二支点、第三支点和第四支点，第一支点和第二支点分别设于钢筋混凝土试件下部的两端，第三支点和第四支点分别设于钢筋混凝土试件上部的两端；轨道设于钢筋混凝土试件上部的第一支点和第二支点之上，轨道的上部开设有滑动槽；轮式滚动疲劳荷载装置设于滑动槽上方。本申请通过移动相关机构位置获得材料的剪切力和弯矩图，准确评估钢筋混凝土结构在变幅低周剪切作用下的疲劳失效，装置结构简易且操作简单，有效提高剪切疲劳损伤检测的准确度和操作效率。
-
公开(公告)号：CN115408931B
公开(公告)日：2023-04-18
申请号：CN202210979194.9
申请日：2022-08-16
Applicant: 哈尔滨工业大学 , 中交公规土木大数据信息技术(北京)有限公司
IPC: G06F30/27 , G06F30/28 , G06F17/11 , G06F18/25 , G06N3/048 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 本发明提出一种基于深度学习的涡振响应预测方法。本发明所述方法融合了龙格库塔方法作为网络的深度推进格式；不同于在以往的经验模型中由于涡振为大幅值振动而省略方程右侧显含时间的由漩涡脱落而引起的纯力项，网络将时间以融入龙格库塔数值格式的方法巧妙的考虑到其影响，将非自治项考虑到了非线性方程中，相比于传统的预测建模方法更加合理且精确；网络在CFD生成的一阶涡振数据上进行验证，结果证明该方法具有长时间预测的能力，是对涡振响应进行长时间预测建模的全新方法。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.074 seconds)
