一种文献多层引用网络关联分析方法及系统

    公开(公告)号:CN113535988B

    公开(公告)日:2024-09-13

    申请号:CN202110718363.9

    申请日:2021-06-28

    Abstract: 本发明公开了一种文献多层引用网络关联分析方法,包括(1)获取论文文献数据及其引用关系数据、专利文献数据及其引用关系数据;(2)采用社区检测算法将文献数据进行社区划分获得多个文献簇团;(3)获取其相应文献数据,并使用LDA主题模型进行主题提取,得到每个文献簇团的主题集合;(4)使用词向量模型计算论文文献簇团和专利文献簇团之间的相似性矩阵,即获得文献数据多层引用网络关联关系。本发明提供的一种多层引用网络关联的可视化分析方法及系统,通过社区检测算法处理论文和专利的引用网络,并划分为多个社区,利用LDA主题模型结合词向量的主题关联方法实现论文和专利的簇团关联。

    一种大体积混凝土结构的防微振性能的测试方法

    公开(公告)号:CN117191306A

    公开(公告)日:2023-12-08

    申请号:CN202310494902.4

    申请日:2023-05-05

    Abstract: 本发明提供了一种大体积混凝土结构的防微振性能的测试方法,包括:在底座上浇筑混凝土试验段;在底座的上表面设置激振器和第一传感器组,在混凝土试验段的上表面设置第二传感器组;通过各个传感器测量得到各个预定测点处的环境振动水平数据;通过激振器输出预设频率范围的激励信号,并通过各个传感器测量得到各个预定测点处的扫频激励数据;当预先指定的底座上的第一类测点处和混凝土试验段上的第二类测点处的扫频激励数据和环境振动水平数据的比值大于预设阈值时,根据第一类测点和第二类测点处的扫频激励数据,计算得到混凝土试验段的振动控制能力的评价参数。通过使用本发明的方法,可以确定待测试的大体积混凝土结构不同频段振动的控制效果。

    一种建筑结构的整面动位移的测量方法

    公开(公告)号:CN114295058B

    公开(公告)日:2023-01-17

    申请号:CN202111432226.5

    申请日:2021-11-29

    Applicant: 清华大学

    Abstract: 本发明提供了一种建筑结构的整面动位移的测量方法。该方法包括:设置两个刚性连接的第一监控装置和第二监控装置;将所述第一监控装置的监测区域设置为待测结构的表面,将所述第二监控装置的监测区域设置为预设的标定区域;第一监控装置和第二监控装置分别获取各自的监测区域的原始视频或连续图像;根据所获得的监测区域的原始视频或连续图像,计算得到待测结构的表面的整体位移。应用本发明可以有效地提高测量结果的准确性。

    一种用于获取最优深度学习模型的方法和系统

    公开(公告)号:CN114861935A

    公开(公告)日:2022-08-05

    申请号:CN202210486649.3

    申请日:2022-05-06

    Abstract: 本发明公开了一种用于获取最优深度学习模型的方法,包括:获取科研人员输入的参数,包括任务、与该任务对应的深度学习模型名称NameModel、实现该深度学习模型对应的深度学习框架名称NameFramework、以及该深度学习模型的结构参数,获取科研人员输入的、与参数相关的数据,对该数据进行预处理,以得到预处理后的数据,对深度学习模型名称NameModel深度学习框架名称NameFramework进行处理,以建立所需的深度学习模型,将预处理后的数据输入建立的深度学习模型中进行训练,以得到最终的最优深度学习模型。本发明能够解决现有深度学习在数控机床领域的应用过程中,深度学习算法代码实现、算法环境配置、模型调试过程费时费力,且成本高昂的技术问题。

    一种基于知识图谱的技术清单生成方法和系统

    公开(公告)号:CN114817472A

    公开(公告)日:2022-07-29

    申请号:CN202210474138.X

    申请日:2022-04-29

    Abstract: 本发明公开了一种基于知识图谱的技术清单生成方法,包括:获取专利数据,将专利数据输入预先构建的知识图谱嵌入神经网络模型中,以得到专利数据的嵌入结果,即专利数据的嵌入向量;使用Canopy聚类算法对专利数据的嵌入向量进行处理,以得到K个聚类中心点,以K个聚类中心点为初始中心点,使用K‑means算法对实体嵌入向量进行聚类处理,以得到K个聚类结果作为K个技术领域,对于K个技术领域中的每一个技术领域而言,从专利数据库中获取每一个技术领域中的所有专利文本。本发明能够解决现有技术清单生成方法存在的涉及专家多、耗时长、需要消耗大量精力、严重依赖专家的知识和经验、缺少定量分析和数据支持的技术问题。

    数控系统中基于深度学习模型的Docker容器部署方法和系统

    公开(公告)号:CN114780140A

    公开(公告)日:2022-07-22

    申请号:CN202210486646.X

    申请日:2022-05-06

    Abstract: 本发明涉及数控机床领域和智能制造领域,具体涉及一种数控系统中基于深度学习模型的Docker容器部署方法,包括如下步骤:将深度学习模型的训练代码和环境依赖打包,创建Docker镜像文件;将Docker镜像文件传输至数控系统云平台,然后将其实例化为Docker容器;将数控机床的加工数据远程传输至数控系统云平台,载入Docker容器;基于云平台提供的算力资源基础和数控机床提供的加工数据基础,在Docker容器中进行深度学习模型的训练,将训练完成的深度学习模型保存为序列化格式;通过云平台将序列化格式的深度学习模型远程传输至智能数控系统。该方法结合迁移学习的思想,能够简单有效地完成深度学习模型的训练与部署,以提高数控机床的加工精度、加工速度和可靠性。

    一种工程结构表面裂缝识别与投影修正方法及系统

    公开(公告)号:CN109580649B

    公开(公告)日:2020-11-27

    申请号:CN201811547207.5

    申请日:2018-12-18

    Applicant: 清华大学

    Abstract: 本发明涉及一种工程结构表面裂缝识别与投影修正方法及系统,其特征在于,包括以下内容:对多视角图像进行裂缝识别,得到待测工程结构的裂缝宽度特征对;对多视角图像进行多视角几何三维重建,得到待测工程结构的表面三维点云模型和各图像拍摄时的空间成像模型;对待测工程结构的表面三维点云模型进行处理,得到待测工程结构的三角形表面模型;建立相机光心、成像平面以及三角形表面模型之间的三维成像关系;根据建立的三维成像关系,对待测工程结构的裂缝宽度特征对进行裂缝投影;根据裂缝投影后的裂缝宽度特征对,识别待测工程结构的裂缝位置和裂缝形态,本发明可广泛用于既有工程结构表面裂缝识别领域中。

    一种使用飞行器检测工程结构表面裂缝的方法

    公开(公告)号:CN110763697B

    公开(公告)日:2020-11-06

    申请号:CN201910789063.2

    申请日:2019-08-26

    Applicant: 清华大学

    Inventor: 刘宇飞 樊健生

    Abstract: 本发明提供了一种使用飞行器检测工程结构表面裂缝的方法,包括:确定飞行器的飞行路线及多个图像拍摄点;飞行器沿飞行路线飞行,在各个图像拍摄点拍摄图像;根据拍摄的图像得到待测物体的初始表面三维模型;记录存在裂缝的图像的序号;根据各个存在裂缝的图像,飞行器飞行到各个裂缝处进行近距离拍摄,得到各个裂缝的近距离图像;根据在各个图像拍摄点拍摄的图像以及各个裂缝的近距离图像,得到待测物体的表面三维模型;将各个裂缝的近距离图像投影贴图到待测物体的表面三维模型中,实现裂缝在待测物体表面的位置标记;确定各个裂缝的基本参数。应用本发明可以实现无人机平台对桥墩等既有工程结构的表面裂缝的全面定量检测。

Patent Agency Ranking