-
公开(公告)号:CN116228664A
公开(公告)日:2023-06-06
申请号:CN202211731597.8
申请日:2022-12-30
Applicant: 中南大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/147
Abstract: 基于多任务学习的列车结构冲击损伤监测方法及相关装置,包括:获取监测数据;进行多个传感器的数据融合,构建样本数据集,划分训练集、验证集和测试集;将训练集和验证集输入基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络进行训练和优化;将测试集输入训练好的基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络,输出测试集样本的冲击损伤位置和冲击能量。将测试集输入到已训练好的基于多任务学习的列车结构冲击损伤位置监测和冲击损伤能量监测网络中,输出列车结构冲击损伤位置监测和冲击损伤能量监测的结果。可以进一步针对列车的各种复杂结构实现对冲击损伤的精准定位和损伤程度评价。
-
公开(公告)号:CN116930324A
公开(公告)日:2023-10-24
申请号:CN202310897574.2
申请日:2023-07-20
Applicant: 中南大学
Abstract: 有效路径寻优和时差匹配的lamb波损伤定位方法及相关装置,包括:对目标定位损伤区域进行网格化环境构建,得到网格点到传感器的lamb波信号的理论时间差;采集实际损伤源到不同传感器的lamb波信号,对信号进行时频域分析,分离出特定频率信号,计算不同传感器采集的lamb波信号的实际到达时间差;利用最小二乘法拟合实际到达时差和理论到达时间差来判断节点与损伤源的偏离程度,偏离程度最小的节点即为损伤源定位坐标。本发明通过路径规划的算法优化改进,使理论的lamb波传播路径与实际的传播路径更接近,求出更为精确的理论到时差。
-
公开(公告)号:CN116304767A
公开(公告)日:2023-06-23
申请号:CN202211734264.0
申请日:2022-12-30
Applicant: 中南大学
IPC: G06F18/2321 , G06F18/2135 , G06F18/214 , G06F18/2411 , G06F18/2413 , G01N29/04 , G01N29/44
Abstract: 基于高斯混合模型的过采样多螺栓松动监测方法及相关装置,包括:提取不同螺栓松动情况的Lamb波信号,提取特征值并进行特征约减和归一化;将每个少数类分为不同的高斯分量簇并计算每个簇需要产生的新样本的数量;将SMOTE过采样方法用于每个簇;在生成一个新样本后提出了基于KL距离的判据来判断新样本是否为最佳样本;通过SMOTE连续生成新样本,直到满足新样本的数量后,建立KNN模型后获得螺栓松动监测结果。得到的螺栓松动分类结果与实际的螺栓松动情况相接近,分类结果准确,并且克服了传统多螺栓松动监测中没有考虑所有螺栓松动状态的问题。
-
-