-
公开(公告)号：CN114821415A
公开(公告)日：2022-07-29
申请号：CN202210436023.1
申请日：2022-04-24
Applicant: 中国水利水电科学研究院
Abstract: 本发明公开了一种基于机器学习的视频微振动放大校准和实时提取方法，其包括以下步骤：获取微振动信息；选取敏感点并布置振动传感器；同时获取振动传感器的时程数据和敏感点的视频时程数据；对视频时程数据进行校准并获取校准后的相位信息放大参数；通过校准后的相位信息放大参数对被监测结构的视频时程数据中未设置振动传感器的测点的相位信息进行放大；通过完成基于机器学习的视频微振动放大校准的视频时程数据对卷积神经网络进行训练，得到训练后的卷积神经网络；采用训练后的卷积神经网络对目标对象的视频时程数据进行振动信息实时提取。本发明通过训练后的卷积神经网络可以直接对视频的振动信息进行实时提取，便于水工结构运行状态监测。
-
公开(公告)号：CN116187153B
公开(公告)日：2023-08-29
申请号：CN202211422092.3
申请日：2022-11-14
Applicant: 中国水利水电科学研究院
IPC: G06F30/27 , G06F30/23 , G06F18/20 , G06F17/11 , G06F111/08 , G06F119/10 , G06F119/14 , G06F119/08
Abstract: 本发明公开了一种基于层次贝叶斯的水工结构数字孪生模型更新方法，包括S1、开展不同结构损伤程度监测试验，获取振动响应数据；S2、根据不同结构损伤程度监测试验，提取试验数据的模态参数；S3、根据试验结构的参数，构建有限元模型，并计算得到有限元模型的模态参数；S4、根据试验数据的模态参数和有限元模型的模态参数，构建误差方程；S5、进行改进的贝叶斯模型不确定性更新，输出更新后的最优建模参数以及建模参数的概率分布；S6、提取模型模态参数，进行模型参数不确定性更新，更新模型对于结构参数的敏感性，验证模型精度。本发明采用潜在的联合概率分布对结构构件的特性进行建模，使有限元模型可以真实的反映实际结构的变化，实现数字孪生。
-
公开(公告)号：CN116187153A
公开(公告)日：2023-05-30
申请号：CN202211422092.3
申请日：2022-11-14
Applicant: 中国水利水电科学研究院
IPC: G06F30/27 , G06F30/23 , G06F18/20 , G06F17/11 , G06F111/08 , G06F119/10 , G06F119/14 , G06F119/08
Abstract: 本发明公开了一种基于层次贝叶斯的水工结构数字孪生模型更新方法，包括S1、开展不同结构损伤程度监测试验，获取振动响应数据；S2、根据不同结构损伤程度监测试验，提取试验数据的模态参数；S3、根据试验结构的参数，构建有限元模型，并计算得到有限元模型的模态参数；S4、根据试验数据的模态参数和有限元模型的模态参数，构建误差方程；S5、进行改进的贝叶斯模型不确定性更新，输出更新后的最优建模参数以及建模参数的概率分布；S6、提取模型模态参数，进行模型参数不确定性更新，更新模型对于结构参数的敏感性，验证模型精度。本发明采用潜在的联合概率分布对结构构件的特性进行建模，使有限元模型可以真实的反映实际结构的变化，实现数字孪生。
-
公开(公告)号：CN114821415B
公开(公告)日：2022-11-29
申请号：CN202210436023.1
申请日：2022-04-24
Applicant: 中国水利水电科学研究院
Abstract: 本发明公开了一种基于机器学习的视频微振动放大校准和实时提取方法，其包括以下步骤：获取微振动信息；选取敏感点并布置振动传感器；同时获取振动传感器的时程数据和敏感点的视频时程数据；对视频时程数据进行校准并获取校准后的相位信息放大参数；通过校准后的相位信息放大参数对被监测结构的视频时程数据中未设置振动传感器的测点的相位信息进行放大；通过完成基于机器学习的视频微振动放大校准的视频时程数据对卷积神经网络进行训练，得到训练后的卷积神经网络；采用训练后的卷积神经网络对目标对象的视频时程数据进行振动信息实时提取。本发明通过训练后的卷积神经网络可以直接对视频的振动信息进行实时提取，便于水工结构运行状态监测。
-
-
-
Search Results
4
records
(took 0.028 seconds)
