-
公开(公告)号：CN111122082A
公开(公告)日：2020-05-08
申请号：CN201911224766.7
申请日：2019-12-04
Applicant: 重庆大学
IPC: G01M7/02
Abstract: 本发明涉及隔震及减震技术领域，具体公开了大型罐体防晃减震结构试验模型，包括外罐、内罐和防晃架，外罐的上端呈拱形，内罐放置在外罐的中心处，内罐的上端开口，外罐与内罐之间填充有隔热材料，防晃架位于内罐中且能够将内罐上部的液体分隔成若干部分；内罐上设有第一导轨、第二导轨和若干调节机构；第一导轨呈部分环状，第一导轨环绕内罐；第二导轨呈部分环状，第二导轨设置在内罐的上端面；调节机构包括调节杆、第一滑块和第二滑块，第一滑块滑动设置在第一导轨上，第二滑块滑动设置在第二导轨，第一滑块和第二滑块均通过螺栓与调节杆固定连接。本发明意在解决如何减少大型罐体内液体晃动程度的问题。
-
公开(公告)号：CN110907108B
公开(公告)日：2020-10-09
申请号：CN201911224588.8
申请日：2019-12-04
Applicant: 重庆大学
IPC: G01M7/02
Abstract: 本发明涉及一种液化天然气储罐减震试验模型，属于LNG储罐技术领域，包括外罐、储罐以及阻尼器，所述储罐置于所述外罐内，所述储罐与外罐之间填充有粉体材料，所述阻尼器为若干组，每一组呈环形分布于储罐和外罐之间，所述阻尼器的一端通过第一滑动连接结构与外罐的内壁连接，所述阻尼器的另一端通过第二滑动连接结构与储罐的外壁连接。本发明装置可用于研究储罐在不同减震布置形式下，各储罐的动力特性及地震响应的差异，从而验证不同隔震装置布置方式的减震效果，为理论分析提供科学验证。
-
公开(公告)号：CN110907108A
公开(公告)日：2020-03-24
申请号：CN201911224588.8
申请日：2019-12-04
Applicant: 重庆大学
IPC: G01M7/02
Abstract: 本发明涉及一种液化天然气储罐减震试验模型，属于LNG储罐技术领域，包括外罐、储罐以及阻尼器，所述储罐置于所述外罐内，所述储罐与外罐之间填充有粉体材料，所述阻尼器为若干组，每一组呈环形分布于储罐和外罐之间，所述阻尼器的一端通过第一滑动连接结构与外罐的内壁连接，所述阻尼器的另一端通过第二滑动连接结构与储罐的外壁连接。本发明装置可用于研究储罐在不同减震布置形式下，各储罐的动力特性及地震响应的差异，从而验证不同隔震装置布置方式的减震效果，为理论分析提供科学验证。
-
公开(公告)号：CN113688771A
公开(公告)日：2021-11-23
申请号：CN202111027194.0
申请日：2021-09-02
Applicant: 重庆大学
Abstract: 本发明公开了一种LNG储罐加速度响应数据补全方法及装置，包括采集LNG储罐的加速度数据，得到加速度数据序列矩阵；采用集合经验模态分解算法将所述加速度数据序列矩阵分解得到EEMD分解数据样本；将EEMD分解数据样本和异常数据测点测得的历史加速度数据输入MultiCNN神经网络模型中进行迭代训练，优化模型参数，采集LNG储罐的实时加速度数据，输入训练好的MultiCNN神经网络模型中，通过MultiCNN神经网络模型预测得到加速度预测数据，利用所述加速度预测数据对缺失的加速度数据进行补全；本发明基于EEMD算法与MultiCNN模型实现，使得加速度预测数据的预测精度高，能够准确评估LNG储罐的加速度结构响应。
-
公开(公告)号：CN113537638A
公开(公告)日：2021-10-22
申请号：CN202110927781.9
申请日：2021-08-13
Applicant: 重庆大学
Abstract: 本发明公开了一种高层建筑风压短期预测方法、异常数据补全方法及装置，包括采集高层建筑的历史风压数据，并采用经验模态分解算法将所述原始风压数据序列分解成多个IMF分量和一个RES分量；将分解得到的IMF分量输入BiGRU神经网络模型中进行迭代训练，优化模型参数，得到训练好的BiGRU神经网络模型；采集高层建筑的实时风压数据，将实时风压数据输入训练好的BiGRU神经网络模型中，通过BiGRU神经网络模型得到高层建筑的风压预测数据；本发明基于经验模态分解算法与BiGRU模型实现，将分解后的IMF分量输入到BiGRU深度神经网络模型中，风压预测数据的预测精度高，能够准确评估高层建筑的表面风压。
-
Patent Agency Ranking
公开(公告)号：CN110887627B
公开(公告)日：2021-03-16
申请号：CN201911224755.9
申请日：2019-12-04
Applicant: 中国海洋石油集团有限公司 , 重庆大学
IPC: G01M7/02
Abstract: 本发明涉及一种大型LNG储罐减震试验模型，属于LNG储罐技术领域，包括振动台、支撑桩、隔振座、外罐、储罐以及第一阻尼器，所述外罐通过支撑桩和隔振座支撑于所述振动台上，所述隔振座设置在外罐的底部，所述支撑桩呈环形分布，所述储罐置于所述外罐内且两者之间通过所述第一阻尼器连接，所述储罐与外罐之间的空腔内填充有粉体材料，所述支撑桩与所述外罐的外壁之间设置有阻尼装置。本发明装置可用于对振动台对外罐之间的阻尼力的传递情况进行研究，从而为后续的储罐减震布置形式做准备，为理论分析提供科学验证。
-
公开(公告)号：CN113465733B
公开(公告)日：2022-04-05
申请号：CN202110927785.7
申请日：2021-08-13
Applicant: 重庆大学 , 中国地震局工程力学研究所
Abstract: 本发明公开了一种基于EEMD‑DNN的振动台结构位移响应预测方法及装置，采集振动台加速度时程记录，并将该加速度时程记录分为训练集和测试集；对训练集中的加速度时程记录依次进行二次数值积分和集合经验模态分解，获得训练样本集；将训练样本集输入预先构建的深度神经网络模型中，进行迭代训练，优化模型参数，得到优化后的深度神经网络模型；将测试集输入优化后的深度神经网络模型中，预测得到振动台的位移时程曲线，进而还原振动台真实的结构位移响应；本发明基于集合经验模态分解和深度神经网络模型，整个过程具有自适应性，适用范围广，预测精度高。
-
公开(公告)号：CN113722308A
公开(公告)日：2021-11-30
申请号：CN202111027190.2
申请日：2021-09-02
Applicant: 重庆大学
IPC: G06F16/215 , G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于EEMD‑MultiCNN‑LSTM的加速度响应数据补全方法及装置，包括采集LNG储罐的加速度数据，得到加速度数据序列矩阵；采用集合经验模态分解算法将所述加速度数据序列矩阵分解得到EEMD分解数据样本；将EEMD分解数据样本和缺失数据测点测得的历史加速度数据输入MultiCNN‑LSTM神经网络模型中进行迭代训练，优化模型参数，采集LNG储罐的实时加速度数据，输入训练好的MultiCNN‑LSTM神经网络模型中，通过MultiCNN‑LSTM神经网络模型预测得到加速度预测数据，利用所述加速度预测数据对缺失的加速度数据进行补全；本发明基于EEMD算法与MultiCNN‑LSTM模型实现，使得加速度预测数据的预测精度高，能够准确评估LNG储罐的加速度结构响应。
-
公开(公告)号：CN111122082B
公开(公告)日：2020-11-17
申请号：CN201911224766.7
申请日：2019-12-04
Applicant: 重庆大学
IPC: G01M7/02
Abstract: 本发明涉及隔震及减震技术领域，具体公开了大型罐体防晃减震结构试验模型，包括外罐、内罐和防晃架，外罐的上端呈拱形，内罐放置在外罐的中心处，内罐的上端开口，外罐与内罐之间填充有隔热材料，防晃架位于内罐中且能够将内罐上部的液体分隔成若干部分；内罐上设有第一导轨、第二导轨和若干调节机构；第一导轨呈部分环状，第一导轨环绕内罐；第二导轨呈部分环状，第二导轨设置在内罐的上端面；调节机构包括调节杆、第一滑块和第二滑块，第一滑块滑动设置在第一导轨上，第二滑块滑动设置在第二导轨，第一滑块和第二滑块均通过螺栓与调节杆固定连接。本发明意在解决如何减少大型罐体内液体晃动程度的问题。
-
公开(公告)号：CN113688771B
公开(公告)日：2024-04-05
申请号：CN202111027194.0
申请日：2021-09-02
Applicant: 重庆大学
IPC: G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种LNG储罐加速度响应数据补全方法及装置，包括采集LNG储罐的加速度数据，得到加速度数据序列矩阵；采用集合经验模态分解算法将所述加速度数据序列矩阵分解得到EEMD分解数据样本；将EEMD分解数据样本和异常数据测点测得的历史加速度数据输入MultiCNN神经网络模型中进行迭代训练，优化模型参数，采集LNG储罐的实时加速度数据，输入训练好的MultiCNN神经网络模型中，通过MultiCNN神经网络模型预测得到加速度预测数据，利用所述加速度预测数据对缺失的加速度数据进行补全；本发明基于EEMD算法与MultiCNN模型实现，使得加速度预测数据的预测精度高，能够准确评估LNG储罐的加速度结构响应。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.014 seconds)
