-
公开(公告)号：CN117520983B
公开(公告)日：2024-05-24
申请号：CN202311470756.8
申请日：2023-11-07
Applicant: 浙江大学
IPC: G06F18/2433 , G01D21/02 , G06N3/0464 , G06F18/214 , G06F18/213 , G06F18/15 , G06F18/21 , G06N3/084
Abstract: 一种基于机电阻抗和CNN的结构损伤识别鲁棒方法，包括：A.测量结构无损状态的导纳信号和温度数据，确定基准信号并构造基准数据集；B.设计温度补偿网络框架，通过特征提取网络和解码网络技术过滤温度效应，输出补偿电导信号；C.训练网络模型，最小化基准数据集输出信号与基准信号的差异；D.计算基准数据集输出信号的损伤指标，定义控制上限UCL以识别离群值；E.构建测试数据集，输入温度补偿网络并计算输出信号的损伤指标，损伤指标大于UCL时为离群值，表示结构发生损伤。本发明考虑电导信号的温度效应，实现机电阻抗技术在变温环境下的结构损伤准确识别，其中温度补偿网络模型训练和UCL统计均使用结构无损状态数据集完成，降低基准数据集获取难度。
-
公开(公告)号：CN117520983A
公开(公告)日：2024-02-06
申请号：CN202311470756.8
申请日：2023-11-07
Applicant: 浙江大学
IPC: G06F18/2433 , G01D21/02 , G06N3/0464 , G06F18/214 , G06F18/213 , G06F18/15 , G06F18/21 , G06N3/084
Abstract: 一种基于机电阻抗和CNN的结构损伤识别鲁棒方法，包括：A.测量结构无损状态的导纳信号和温度数据，确定基准信号并构造基准数据集；B.设计温度补偿网络框架，通过特征提取网络和解码网络技术过滤温度效应，输出补偿电导信号；C.训练网络模型，最小化基准数据集输出信号与基准信号的差异；D.计算基准数据集输出信号的损伤指标，定义控制上限UCL以识别离群值；E.构建测试数据集，输入温度补偿网络并计算输出信号的损伤指标，损伤指标大于UCL时为离群值，表示结构发生损伤。本发明考虑电导信号的温度效应，实现机电阻抗技术在变温环境下的结构损伤准确识别，其中温度补偿网络模型训练和UCL统计均使用结构无损状态数据集完成，降低基准数据集获取难度。
-
公开(公告)号：CN118298351B
公开(公告)日：2025-04-01
申请号：CN202410388048.8
申请日：2024-04-01
Applicant: 浙江大学
Abstract: 一种基于改进SIFT算法的桥梁结构位移非接触式测量方法，实现对桥梁结构位移的非接触式精确测量，具体实施流程如下：A.采集桥梁结构视频并进行预处理；B.采用SIFT算法识别视频中桥梁结构的特征点；C.采用SuperPoint网络模型生成桥梁结构特征点的描述符；D.采用SuperGlue网络模型，将视频每一帧图像与初始图像的桥梁结构特征点进行匹配；E.根据匹配结果计算对应时刻的桥梁结构位移。本发明公开的方法对用于特征点匹配的SIFT算法进行了改进，提升了对桥梁结构特征点的描述效果，提高了特征点匹配的准确性，从而实现对视频中桥梁结构特征点的精确追踪。该方法能实现高精度的非接触式桥梁结构位移测量，为桥梁结构变形监测提供了一种新手段。
-
公开(公告)号：CN118298351A
公开(公告)日：2024-07-05
申请号：CN202410388048.8
申请日：2024-04-01
Applicant: 浙江大学
Abstract: 一种基于改进SIFT算法的桥梁结构位移非接触式测量方法，实现对桥梁结构位移的非接触式精确测量，具体实施流程如下：A.采集桥梁结构视频并进行预处理；B.采用SIFT算法识别视频中桥梁结构的特征点；C.采用SuperPoint网络模型生成桥梁结构特征点的描述符；D.采用SuperGlue网络模型，将视频每一帧图像与初始图像的桥梁结构特征点进行匹配；E.根据匹配结果计算对应时刻的桥梁结构位移。本发明公开的方法对用于特征点匹配的SIFT算法进行了改进，提升了对桥梁结构特征点的描述效果，提高了特征点匹配的准确性，从而实现对视频中桥梁结构特征点的精确追踪。该方法能实现高精度的非接触式桥梁结构位移测量，为桥梁结构变形监测提供了一种新手段。
-
公开(公告)号：CN117332351B
公开(公告)日：2024-08-13
申请号：CN202311298894.2
申请日：2023-10-09
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/241 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/047 , G06N3/088 , G06N3/084
Abstract: 基于无监督深度学习模型DCVAE‑SVDD的结构异常诊断方法和装置，其方法包括：A.预采集结构基准状态数据，构建数据集以完成模型训练和效果验证；B.设计深度卷积变分自编码器(DCVAE)网络框架，利用变分编码有效表征信号概率特征，并通过卷积核和反卷积核提取多测点信号的时序特征和相关性特征；C.训练DCVAE神经网络模型，选择最优隐变量维度数来优化网络，计算异常统计指标来衡量特征变化程度；D.构建支持向量数据表征模型(SVDD)以识别异常统计指标中的离群值，定义综合相对误差用于SVDD模型最优参数选择；E.输入测试状态数据集，诊断测试状态是否为异常状态。本发明实现对结构轻微异常状态的高精度诊断，为结构安全和结构可靠性提供保障。
-
Patent Agency Ranking
公开(公告)号：CN116502060B
公开(公告)日：2024-04-23
申请号：CN202310467312.2
申请日：2023-04-25
Applicant: 浙江大学长三角智慧绿洲创新中心
IPC: G06F18/21 , G06F18/241 , G06F18/214 , G06N3/0475 , G06N3/045
Abstract: 一种基于WGANGP‑Unet的结构健康监测缺失数据重构方法，改进损失函数及参数优化过程，实现高精度结构健康监测缺失数据重构。具体实施流程如下：A.预采集与预处理结构健康监测完整数据，并构建训练与验证数据集；B.构建具备跳跃连接技术的多层U‑net生成器和引入Wasserstein距离的判别器，组合构成WGANGP‑Unet框架；C.构建混合损失函数，循环最小化损失函数以实现WGANGP‑Unet网络模型的对抗式训练；D.采用损失函数、信号时域的根均方误差、频域根均方误差、中心频率相对误差和均方频率相对误差多项指标综合验证数据重构效果，确定重构参数；E.输入传感器采集的存在缺失的监测数据，进行缺失数据重构。本发明公开的方法能够实现结构健康监测缺失数据的高精度重构，为结构状态诊断和预测提供支持。
-
公开(公告)号：CN117332351A
公开(公告)日：2024-01-02
申请号：CN202311298894.2
申请日：2023-10-09
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/241 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/047 , G06N3/088 , G06N3/084
Abstract: 基于无监督深度学习模型DCVAE‑SVDD的结构异常诊断方法和装置，其方法包括：A.预采集结构基准状态数据，构建数据集以完成模型训练和效果验证；B.设计深度卷积变分自编码器(DCVAE)网络框架，利用变分编码有效表征信号概率特征，并通过卷积核和反卷积核提取多测点信号的时序特征和相关性特征；C.训练DCVAE神经网络模型，选择最优隐变量维度数来优化网络，计算异常统计指标来衡量特征变化程度；D.构建支持向量数据表征模型(SVDD)以识别异常统计指标中的离群值，定义综合相对误差用于SVDD模型最优参数选择；E.输入测试状态数据集，诊断测试状态是否为异常状态。本发明实现对结构轻微异常状态的高精度诊断，为结构安全和结构可靠性提供保障。
-
公开(公告)号：CN116502060A
公开(公告)日：2023-07-28
申请号：CN202310467312.2
申请日：2023-04-25
Applicant: 浙江大学长三角智慧绿洲创新中心
IPC: G06F18/21 , G06F18/241 , G06F18/214 , G06N3/0475 , G06N3/045
Abstract: 一种基于WGANGP‑Unet的结构健康监测缺失数据重构方法，改进损失函数及参数优化过程，实现高精度结构健康监测缺失数据重构。具体实施流程如下：A.预采集与预处理结构健康监测完整数据，并构建训练与验证数据集；B.构建具备跳跃连接技术的多层U‑net生成器和引入Wasserstein距离的判别器，组合构成WGANGP‑Unet框架；C.构建混合损失函数，循环最小化损失函数以实现WGANGP‑Unet网络模型的对抗式训练；D.采用损失函数、信号时域的根均方误差、频域根均方误差、中心频率相对误差和均方频率相对误差多项指标综合验证数据重构效果，确定重构参数；E.输入传感器采集的存在缺失的监测数据，进行缺失数据重构。本发明公开的方法能够实现结构健康监测缺失数据的高精度重构，为结构状态诊断和预测提供支持。
-
公开(公告)号：CN119830187A
公开(公告)日：2025-04-15
申请号：CN202510016896.0
申请日：2025-01-06
Applicant: 浙江大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/10 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/047 , G06N3/08 , G06F123/02
Abstract: 一种考虑复杂环境影响的结构异常状态诊断方法和装置，其方法包括：A.采集时变环境影响下的结构基准状态数据，构建训练数据集；B.设计并训练卷积自编码器，将高维原始数据转换至低维隐含特征；C.设计并训练条件扩散概率模型，并引入注意力机制融合分析多源数据，针对不同环境影响下的基准状态监测数据建立条件概率模型；D.计算基准状态统计指标，并利用基准状态统计指标构建离群值识别模型SVDD；E.输入测试状态数据集，诊断测试状态是否为异常状态。本发明仅需结构基准状态数据集，且无需依赖于有限元等结构物理模型，实现对时变环境影响下结构的高精度异常状态诊断。
-
公开(公告)号：CN118474794B
公开(公告)日：2024-11-19
申请号：CN202410663791.X
申请日：2024-05-27
Applicant: 浙江大学
Abstract: 一种用于无线风速传感器的数据压缩与传输方法，包括：A.传感器端以固定频率采集风速数据，记录首次采集的时间戳与采集得到的风速数据序列，并将采集的风速数据序列转换为压缩数据序列。B.利用消息队列遥测传输(Message Queuing Telemetry Transport，MQTT)轻量级通讯协议将首次采集的时间戳与压缩数据序列从传感器端传输至数据终端。C.在数据终端中利用基于小波字典的压缩感知算法重构风速数据序列。D.将传感器安装在实际环境中测试，预采集一段完整数据用以测试传输效果，确定传输参数。E.将调整后的传输参数发送至风速传感器，并以双线程长期开展采集和传输风速数据。本发明实现低能耗、低带宽、高鲁棒性的风速数据无线传输，保障风速数据完整性的同时，有效延长无线风速传输设备的使用时长。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
