-
公开(公告)号：CN118839564B
公开(公告)日：2025-03-21
申请号：CN202410950413.X
申请日：2024-07-16
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/0475 , G06N3/045 , G06N3/096 , G06F18/213 , G06F111/10 , G06F111/04
Abstract: 本发明提出基于少量测点加速度数据和生成对抗网络的结构全自由度振型识别方法。首先，训练生成对抗网络模型，学习结构有限元模型在物理参数各可能数值下的模拟振型大数据集，生成器输入为低维空间中随机采样的向量z，输出为高维的模拟全自由度振型数据φ。其次，基于动力学知识建立振型与监测数据的映射关系，构建优化目标函数。最后，训练好的生成器G通过相对低维的向量z表示结构全自由度振型的特征，通过直接在z空间搜寻获得最优全自由度振型#imgabs0#该方法将生成器作为待识别振型φ的物理模型驱动约束项，从有限元模拟数据中自动学习振型识别有关的物理信息来改善全自由度模态识别反演问题的不适定性。
-
Patent Agency Ranking
公开(公告)号：CN118839564A
公开(公告)日：2024-10-25
申请号：CN202410950413.X
申请日：2024-07-16
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/0475 , G06N3/045 , G06N3/096 , G06F18/213 , G06F111/10 , G06F111/04
Abstract: 本发明提出基于少量测点加速度数据和生成对抗网络的结构全自由度振型识别方法。首先，训练生成对抗网络模型，学习结构有限元模型在物理参数各可能数值下的模拟振型大数据集，生成器输入为低维空间中随机采样的向量z，输出为高维的模拟全自由度振型数据φ。其次，基于动力学知识建立振型与监测数据的映射关系，构建优化目标函数。最后，训练好的生成器G通过相对低维的向量z表示结构全自由度振型的特征，通过直接在z空间搜寻获得最优全自由度振型#imgabs0#该方法将生成器作为待识别振型φ的物理模型驱动约束项，从有限元模拟数据中自动学习振型识别有关的物理信息来改善全自由度模态识别反演问题的不适定性。
-
公开(公告)号：CN117370787B
公开(公告)日：2024-06-04
申请号：CN202311238330.X
申请日：2023-09-25
Applicant: 哈尔滨工业大学
IPC: G06F18/2131 , G06F18/2433 , G06F18/10 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明提出基于图卷积神经网络和长短期记忆神经网络的框架结构地震损伤识别方法。所述方法包括对结构健康监测数据的预处理，多层非参数神经网络结构的设计，模型训练和响应预测，通过分析预测残差实现损伤识别和定位。本发明通过多个图卷积层求解监测系统的邻接矩阵，提取各监测点之间的空间相关特征。使用长短期记忆层分析每个测点的时序关系，解决了测点之间信息冗余度较低的问题，提升了异常测点较多情况下的预测精度。该方法通过综合考虑结构在地震作用下的时空关系，可以较好的预测和确定数据残差和结构损伤情况，提高了框架结构损伤识别的速度和准确性。
-
公开(公告)号：CN119785098A
公开(公告)日：2025-04-08
申请号：CN202411901724.3
申请日：2024-12-23
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/26 , G06V10/80 , G06V10/82 , G06N5/04 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明提出基于多模态大模型的土木工程结构表观损伤诊断方法。该方法包括结构表观损伤多模态数据统一表征与对齐融合，基于多模态思维链的结构损伤识别推理方法，多模态数据集构建与大模型微调，对土木工程结构损伤识别和特征描述。本发明使用多模态大模型完成对结构损伤图像的向量编码并与文本编码特征对齐，通过调用计算机视觉模型生成损伤语义分割图作为视觉思维链，并通过构造微调数据集形成语言思维链，由预训练大语言模型完成对多模态信息编码的推理和结构损伤诊断的生成。该方法使用多模态大模型为底座并融合多模态思维链推理方法，使得模型能够通过自然语言进行人机交互，高效诊断各类结构损伤，提高结构损伤诊断模型的泛化能力和准确性。
-
公开(公告)号：CN117370787A
公开(公告)日：2024-01-09
申请号：CN202311238330.X
申请日：2023-09-25
Applicant: 哈尔滨工业大学
IPC: G06F18/2131 , G06F18/2433 , G06F18/10 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明提出基于图卷积神经网络和长短期记忆神经网络的框架结构地震损伤识别方法。所述方法包括对结构健康监测数据的预处理，多层非参数神经网络结构的设计，模型训练和响应预测，通过分析预测残差实现损伤识别和定位。本发明通过多个图卷积层求解监测系统的邻接矩阵，提取各监测点之间的空间相关特征。使用长短期记忆层分析每个测点的时序关系，解决了测点之间信息冗余度较低的问题，提升了异常测点较多情况下的预测精度。该方法通过综合考虑结构在地震作用下的时空关系，可以较好的预测和确定数据残差和结构损伤情况，提高了框架结构损伤识别的速度和准确性。
-
公开(公告)号：CN119829778A
公开(公告)日：2025-04-15
申请号：CN202411924013.8
申请日：2024-12-25
Applicant: 中建数字科技有限公司 , 哈尔滨工业大学
IPC: G06F16/38 , G06F16/36 , G06F16/31 , G06F40/194 , G06F40/279 , G06F40/30 , G06F40/126 , G06N5/022
Abstract: 本发明提出土木工程领域知识大模型检索增强生成方法。所述方法包括土木工程领域知识处理与向量化存储，大语言模型土木工程领域知识能力评估与适配，土木工程领域知识向量数据库高效检索机制，以及基于检索结果的知识增强生成引导。本发明通过数据清洗、文本分割等预处理过程，将土木工程领域知识编码并建立为向量数据库。通过语义困惑度指标选择适用于土木工程领域知识检索增强生成的通用大语言模型，通过相似度计算检索目标知识形成提示词，增强大语言模型土木工程领域专业知识生成能力。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
