-
公开(公告)号：CN117197538B
公开(公告)日：2024-05-14
申请号：CN202311031417.X
申请日：2023-08-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/776 , G06V10/774 , G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明提出一种基于高斯分布权重采样的贝叶斯卷积神经网络结构表观损伤识别方法。所述方法包括根据需求建模高斯分布权重采样的贝叶斯卷积神经网络；结构表观损伤图片标准化处理；表观损伤视觉识别及损伤视觉识别结果可靠度的判定等。本发明所述方法利用多结构，多角度的表观损伤图片数据训练贝叶斯卷积神经网络模型，提出模型应用的标准条件。所训练的模型可以完成结构表观损伤视觉识别并给出模型对于识别结果的置信度，从而判断模型结果的可靠性。此外，该方法考虑了图片采集质量不统一，图片存在遮挡与光照等因素引起的不确定性，为评估结构安全提供鲁棒性建议。
-
公开(公告)号：CN117862712A
公开(公告)日：2024-04-12
申请号：CN202410238315.3
申请日：2024-03-03
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种随焊摩擦碾轧焊缝整形及改性方法，属于金属焊接和增材制造领域。当焊枪在前面焊接时，在焊枪后方设置一根摩擦棒，其下端面接触并压紧焊缝表面，其上端用电机驱动旋转，从而在其下端面与焊缝表面之间产生摩擦力，对焊接熔池后方刚凝固且仍处于高温塑性状态的焊缝进行摩擦碾轧，使焊缝表层产生变形流动，从而对焊缝进行整形和改性；摩擦棒与焊枪同步移动，以对整条焊缝进行摩擦碾轧。摩擦碾轧产生的塑性变形不仅可以碾平焊缝表面的不平整甚至余高，起到焊缝整形作用，获得类似搅拌摩擦焊的平整焊缝；而且能弥合焊缝表面缺陷，细化和致密化焊缝表层组织，有改善焊缝表层性能的作用；并使焊缝在板平面内伸展，减小焊件的收缩变形。
-
公开(公告)号：CN117197538A
公开(公告)日：2023-12-08
申请号：CN202311031417.X
申请日：2023-08-16
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/776 , G06V10/774 , G06T7/00 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明提出一种基于高斯分布权重采样的贝叶斯卷积神经网络结构表观损伤识别方法。所述方法包括根据需求建模高斯分布权重采样的贝叶斯卷积神经网络；结构表观损伤图片标准化处理；表观损伤视觉识别及损伤视觉识别结果可靠度的判定等。本发明所述方法利用多结构，多角度的表观损伤图片数据训练贝叶斯卷积神经网络模型，提出模型应用的标准条件。所训练的模型可以完成结构表观损伤视觉识别并给出模型对于识别结果的置信度，从而判断模型结果的可靠性。此外，该方法考虑了图片采集质量不统一，图片存在遮挡与光照等因素引起的不确定性，为评估结构安全提供鲁棒性建议。
-
公开(公告)号：CN114485417B
公开(公告)日：2022-12-13
申请号：CN202210016940.4
申请日：2022-01-07
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于深度循环神经网络光流估计模型的结构振动位移识别方法及系统，所述方法包括基于土木工程结构振动数据集的深度循环神经网络光流估计模型学习、结构振动位移识别过程、结合降噪自编码器对识别结果的校正以及结构振动位移识别全过程系统化的封装。该方法能够有效解决传统位移传感器在应用背景下的稀疏布置、质量负载、人为参与以及成本昂贵等实际问题。相比于其他应用深度神经网络的结构振动位移识别方法，通过共享权重和GRU迭代更新器的网络架构设计，本发明能实现更有效率且更精准的识别效果，且具有模型参数轻量，泛化能力强的优势。系统化的流程封装也使得本发明在土木工程结构振动领域的实际应用场景下更加便捷。
-
公开(公告)号：CN114970239A
公开(公告)日：2022-08-30
申请号：CN202210469070.6
申请日：2022-04-29
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/04 , G06F111/08
Abstract: 本发明提出一种基于贝叶斯系统识别和启发式深度强化学习的多类型监测数据测点布置方法、设备及介质。涉及结构健康监测和随机振动领域。首先，根据工程结构设计信息并依据动力学和随机振动理论建立多类型测点布置的目标函数，随后利用基于深度强化学习及启发式思想的多类型监测数据测点布置优化算法对结构监测数据测点布置进行优化得到最终布置方案。本发明结合了深度强化学习和启发式思想，用于离散的测点优化布置问题，能够较好避免陷入局部最优问题，获得良好的优化效果，可以为多类型监测数据的测点优化布置提供有效的决策支持。此外，该优化算法亦可用于其他类似组合优化问题。
-
Patent Agency Ranking
公开(公告)号：CN114485417A
公开(公告)日：2022-05-13
申请号：CN202210016940.4
申请日：2022-01-07
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于深度循环神经网络光流估计模型的结构振动位移识别方法及系统，所述方法包括基于土木工程结构振动数据集的深度循环神经网络光流估计模型学习、结构振动位移识别过程、结合降噪自编码器对识别结果的校正以及结构振动位移识别全过程系统化的封装。该方法能够有效解决传统位移传感器在应用背景下的稀疏布置、质量负载、人为参与以及成本昂贵等实际问题。相比于其他应用深度神经网络的结构振动位移识别方法，通过共享权重和GRU迭代更新器的网络架构设计，本发明能实现更有效率且更精准的识别效果，且具有模型参数轻量，泛化能力强的优势。系统化的流程封装也使得本发明在土木工程结构振动领域的实际应用场景下更加便捷。
-
公开(公告)号：CN110764064A
公开(公告)日：2020-02-07
申请号：CN201911089194.6
申请日：2019-11-08
Applicant: 哈尔滨工业大学
Abstract: 基于深度卷积神经网络集成的雷达干扰信号识别方法，属于雷达信号识别领域，本发明为解决采用现有深度学习模型识别雷达信号存在过拟合、模型泛化能力差，导致识别系统识别准确率低、鲁棒性弱的问题。本发明方法包括以下步骤：步骤一、将雷达干扰信号时域数据集划分为训练集、验证集以及测试集三部分；步骤二、对训练集X做有放回的随机采样T次，获得T个相互独立的采样训练集；步骤三、采用一维CNN卷积神经网络作为特征提取器、采用支持向量机作为分类器来构造个体学习器，根据步骤二的T个采样训练集来训练T个个体学习器以构造同质集成，构建模型；步骤四、将待测雷达干扰信号输入至步骤三的模型中进行识别。
-
公开(公告)号：CN119906244A
公开(公告)日：2025-04-29
申请号：CN202510102520.1
申请日：2025-01-22
Applicant: 哈尔滨工业大学
Abstract: 一种三电平逆变器的改进可变虚空间矢量调制方法，涉及逆变器设计技术领域。对于控制器输入的α‑β坐标系下的期望电压变换到60°的g‑h坐标系；根据期望电压的角度划分六大扇区，将大扇区旋转到0‑60°的位置，给出中点电位不平衡情况下各基本矢量的空间坐标；选择k值将大扇区划分为A1～A5五个小扇区，得到各虚拟矢量的空间坐标；进行占空比计算，通过改进方法对A5小扇区的占空比进行计算；引入中矢量平衡因子h，计算h值调节中点电位；占空比更新及输出PWM。能够提高在高调制度时中点电位的平衡速度，同时在中点电位不平衡情况下减少输出谐波，提高输出电能质量，在全功率因数和全调制指数下实现中点电位无波动。
-
公开(公告)号：CN118775338A
公开(公告)日：2024-10-15
申请号：CN202411057266.X
申请日：2024-08-02
Applicant: 哈尔滨工业大学
IPC: F04D29/54
Abstract: 本发明公开了一种压气机机匣流动控制结构，包括机匣本体和转子叶片，在机匣本体内侧，分布有数条导流槽，所述导流槽绕机匣本体一周；在导流槽的一侧分布有若干第一分流槽，另一侧设有若干第二分流槽；所述第一分流槽和第二分流槽均包括倾斜段和弧形段。本发明能够对泄漏流量起到阻碍作用，减少压气机机匣的泄漏流量，从而减轻泄漏流对叶片流道的堵塞，提高压气机的稳定性，能有效降低压气机气动损失。
-
公开(公告)号：CN114970239B
公开(公告)日：2023-06-30
申请号：CN202210469070.6
申请日：2022-04-29
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/04 , G06F111/08
Abstract: 本发明提出一种基于贝叶斯系统识别和启发式深度强化学习的多类型监测数据测点布置方法、设备及介质。涉及结构健康监测和随机振动领域。首先，根据工程结构设计信息并依据动力学和随机振动理论建立多类型测点布置的目标函数，随后利用基于深度强化学习及启发式思想的多类型监测数据测点布置优化算法对结构监测数据测点布置进行优化得到最终布置方案。本发明结合了深度强化学习和启发式思想，用于离散的测点优化布置问题，能够较好避免陷入局部最优问题，获得良好的优化效果，可以为多类型监测数据的测点优化布置提供有效的决策支持。此外，该优化算法亦可用于其他类似组合优化问题。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.033 seconds)
