-
公开(公告)号：CN119832092A
公开(公告)日：2025-04-15
申请号：CN202510316207.8
申请日：2025-03-18
Applicant: 宁波东方理工大学(暂名)
Abstract: 本发明公开了一种全域超精度应变测量方法，涉及应变测量技术领域。方法包括：使用高帧率高清相机连续拍摄目标区域的运动图像，并记录准确时间。进行图像校正、特征提取与跟踪以及数据规范化。添加高斯白噪声后进行奇异值分解与重构。采用Lucas‑Kanade光流法计算重构矩阵中特征点的位移。位移平滑阶段，使用LOESS方法对位移数据进行平滑处理。采用窗口滑动方法进行全域应变计算，通过对位移场的空间导数计算应变。本发明能够缓解量化效应，提高位移计算的连续性，去除低能量噪声和无关特征，保留主要运动信息，同时增强平滑性，高精度捕捉局部特征，提高测量灵敏度。适用于桥梁、建筑等大型结构的应变测量。
-
公开(公告)号：CN120084232A
公开(公告)日：2025-06-03
申请号：CN202510329847.2
申请日：2025-03-20
Applicant: 宁波东方理工大学(暂名)
Abstract: 本发明公开了像素数不足时基于时滞嵌入的结构变形动态视觉测量方法，涉及结构监测技术领域，具体步骤包括：步骤一、采集连续帧图像数据，标定像素与物理空间的尺度参数，步骤二、构造伪相空间矩阵，通过奇异值分解与信号重构，生成降噪后的像素强度序列，步骤三、基于重构的像素强度序列，结合光流算法计算得到像素位移，根据计算条件以及测量精度要求，本发明通过选择选择高帧率、高分辨率摄像机用于连续采集结构变形的图像序列，根据结构尺度参数与结构图像所占像素数量标定尺度参数，通过时滞重构像素强度的时间序列得到一系列伪空间像素进行加权平均，弥补了原有空间有效像素不足的问题，即便是单像素的情况，仍能突破灵敏度极限，提高测量精度。
-
公开(公告)号：CN119986036A
公开(公告)日：2025-05-13
申请号：CN202510449659.3
申请日：2025-04-11
Applicant: 宁波东方理工大学(暂名)
Abstract: 本发明公开了一种高精度粒子图像测速法，涉及粒子图像测速技术领域，具体步骤包括：步骤一、搭建高精度粒子图像测量实验平台，采用时序同步的激光‑相机系统捕获连续粒子图像，通过FPGA同步控制器实现激光脉冲与相机曝光的精确同步，并验证同步精度，步骤二、使用结合互相关法和光流法技术处理由高速相机捕捉到的位移图像，步骤三、在PIV数据处理过程中引入奇异值分解，对流场数据进行分解，分离主要信号与噪声，本发明通过多技术融合与算法优化，显著提升粒子位移测量的子像素级精度，增强数据的信噪比，并实现实时误差校正。
-
公开(公告)号：CN119850489A
公开(公告)日：2025-04-18
申请号：CN202510315481.3
申请日：2025-03-18
Applicant: 宁波东方理工大学(暂名)
Abstract: 本发明公开了一种高精度全域准静态应变视觉测量方法，涉及应变视觉测量技术领域，具体步骤包括：步骤一、获取高分辨率连续的图像变形数据，通过正射校正方法修正变形图像的几何畸变，即通过高精度图像采集设备获取高分辨率且连续的图像变形数据，运用正射校正方法精确修正变形图像中存在的几何畸变，步骤二、通过奇异值分解技术对图像进行降噪处理，对完成降噪处理的图像进行图像位移分析，即利用先进的奇异值分解技术对图像进行深入降噪处理，有效去除图像中的各类噪声干扰，步骤三、对完成应变计算后得到的数据进行进一步处理，并通过可视化输出直观显示应变结果，本发明为复杂结构全域应变测量提供了一种高效、可靠的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN119845225A
公开(公告)日：2025-04-18
申请号：CN202510328032.2
申请日：2025-03-19
Applicant: 宁波东方理工大学(暂名)
IPC: G01C9/00 , G06V20/52 , G06V20/10 , G06V20/40 , G06V10/62 , G06T7/269 , G06T7/246 , G06V10/77 , G06V10/30 , G06V10/44 , G01B11/16 , G01B11/02
Abstract: 本发明公开了一种超精度全域桥梁旋转角度测量方法，涉及角度测量技术领域。方法包括：连续拍摄桥梁运动图像序列，并记录时间戳。通过特征检测算法选择桥面板上的关键点，构建时空数据矩阵并进行数据规范化处理。采用线性主成分分析提取桥面板整体运动的全局特征；通过非线性主成分分析提取残差中的局部非线性运动特征。基于重构矩阵结合lk光流法计算特征点位移。采用最小二乘法拟合位移数据，在此基础上通过反正切函数计算角度。本方法具有高精度、全域覆盖的特点，适用于桥梁健康监测及安全评估等领域，可有效捕捉桥梁的整体及局部运动特性。
-
公开(公告)号：CN119809351A
公开(公告)日：2025-04-11
申请号：CN202510246806.7
申请日：2025-03-04
Applicant: 宁波东方理工大学(暂名) , 哈尔滨工业大学
IPC: G06Q10/0635 , G01V1/30 , G01V1/01 , G06Q50/26 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供一种基于深度学习代理模型的区域地震风险评估方法，包括步骤：准备A份训练地震数据和B份验证地震数据，A份训练地震数据均输入深度学习框架的图像生成器进行迭代生成对应的预测地震动强度分布图及区域地震风险分布图；之后与真实值对比，为评估二者的差异，构建特征损失函数和对抗损失函数；基于特征损失函数和对抗损失函数持续调整生成器参数，直到所构建的损失函数值趋于平稳，所构建的模型训练完成；验证数据输入所构建的模型验证模型的性能，向训练后模型输入待测地震数据后输出待测地震风险分布图并判定损害等级，本发明方法降低了计算二阶段分析产生的误差，提升了区域地震评估效率和准确性。
-
公开(公告)号：CN119475000A
公开(公告)日：2025-02-18
申请号：CN202510066741.8
申请日：2025-01-16
Applicant: 宁波东方理工大学(暂名) , 哈尔滨工业大学
IPC: G06F18/24 , G06F18/21 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于物理融合深度学习的非线性模态数据驱动识别方法，该方法利用深度学习技术，仅依赖于非线性系统的响应数据即可识别出非线性模态。这一过程严格遵循非线性正则模态的定义，确保了识别过程的物理可解释性，并适用于各类非线性系统。相较于传统的非线性模态识别方法，本发明有效解决非线性模态识别计算复杂性高、非线性行为的先验知识依赖以及识别方法缺乏物理解释等问题。
-
公开(公告)号：CN120086554A
公开(公告)日：2025-06-03
申请号：CN202510203291.2
申请日：2025-02-24
Applicant: 宁波东方理工大学(暂名) , 哈尔滨工业大学
IPC: G06F18/21 , G06F18/214 , G06F18/213 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及深度学习技术领域，具体涉及一种基于动力学嵌入GAN的参数化非线性系统识别方法。该方法包括：通过采用深度学习的方法，结合动力学生成器和判别器形成一种动态条件生成对抗网络，融合系统物理参数和响应数据，实现参数化系统在变参数下非线性系统动力响应的外推，泛化能力显著增强；同时，本方法在给定初始条件和系统参数的情况下，实现参数化非线性系统动力响应的长时段预测，从响应数据中识别其对系统物理参数的依赖关系，实现对任意非线性动力学系统的识别和预测。
-
公开(公告)号：CN119915186A
公开(公告)日：2025-05-02
申请号：CN202510361211.6
申请日：2025-03-26
Applicant: 宁波东方理工大学(暂名)
Abstract: 本发明公开了一种超精度层间位移测量方法，涉及结构变形测量技术领域。方法包括：安装高帧率高清相机，布置黑白条纹靶标；通过相机记录结构运动视频数据；进行参数标定，计算像素‑物理尺寸的放大系数；选取感兴趣区域并构建时空矩阵，利用奇异值分解提取主要运动模式，重构矩阵以消除噪声干扰；运用LK光流法计算像素位移并转换为真实位移，计算层间位移。本发明通过多模式图像融合、奇异值分解和光流法，提升了测量精度与可靠性，适用于低可见度或复杂环境，实现了亚像素级位移检测，为建筑结构健康监测提供了高效、经济的技术手段。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
