基于张量分解递推的欠定工作模态参数识别方法及系统

    公开(公告)号:CN119179875B

    公开(公告)日:2025-03-14

    申请号:CN202411678686.X

    申请日:2024-11-22

    Abstract: 本发明公开了一种基于张量分解递推的欠定工作模态参数识别方法及系统,涉及工作模态参数识别技术领域,方法包括:获取传感器测点在设定环境激励下的线性时变结构振动响应信号,并通过PCA提取响应信号的主成分得分;通过计算主成分得分的自相关性,并结合自相关函数中的峰值,确定适当的滞后期,将其与响应信号构建为三阶张量;在时变条件下,通过递推分解和动态遗忘因子选择机制,建立加权观测矩阵,对分解后的结果进行递归更新,从而获得更准确的模态振型和固有频率。本发明显著提高了在复杂时变工作模态下的识别精度、稳定性和鲁棒性,适用于大型土木工程结构健康监测中,如桥梁、建筑物和风力发电塔等,帮助及时发现结构损伤。

    多类型订单的城际动态拼车调度优化方法、装置、设备及系统

    公开(公告)号:CN118798593B

    公开(公告)日:2024-12-20

    申请号:CN202411273944.6

    申请日:2024-09-12

    Abstract: 本发明提供了多类型订单的城际动态拼车调度优化方法、装置、设备及系统,根据当前时刻获得的多类型订单信息和车辆信息执行客货联运的在线车辆调度和多类型订单离线车辆调度;将未匹配成功的订单按照利润最大的方式全部插入到车辆集合中,形成待分治解集合,并将待分治解集合分成若干组,每组至多包含一定数量的点;在每一个组中分别处理不同类型的订单;将每个组得到的最优解合并成为全局可行解,并通过客货联运的自适应大邻域搜索算法对全局可行解优化得到全局最优解。本方法的每条路线平均接送客总时间与贪心插入相差不大,但总利润、车辆平均满载率、总拼车乘客接客数、总包车数和总接货数都高于现有方法。

    基于物理信息多任务模型的城际网约车长期可用运力预测方法、装置、设备及介质

    公开(公告)号:CN118761567B

    公开(公告)日:2024-12-06

    申请号:CN202411247314.1

    申请日:2024-09-06

    Abstract: 本发明提供了基于物理信息多任务模型的城际网约车长期可用运力预测方法、装置、设备及介质,包括:获取历史订单、运力数据,并进行预处理;根据时间将运营时间切片作为可用运力量特征,对切片特征进行编码,获取特征编码;根据城际运力守恒原则设计损失函数;按时间顺序排序并归一化,按预设时长分割数据,获取模型输入数据;通过多任务预测框架,同时预测两城可用运力,使用双向长短时记忆网络作为共享专家网络提取两个任务的共享特征,使用门控网络根据不同任务的特定需求分配不同专家网络的特征贡献,经位置编码处理后生成各任务特定的特征表示,为每个任务设计独立的Transformer层来获取预测结果。本方法提高了城际网约车可用运力预测的准确性和效率。

    欠定条件下的密集模态参数识别方法、装置、设备及介质

    公开(公告)号:CN118503683B

    公开(公告)日:2024-10-08

    申请号:CN202410910545.X

    申请日:2024-07-09

    Abstract: 本发明提供了欠定条件下的密集模态参数识别方法、装置、设备及介质,涉及工作模态参数识别技术领域,本方法通过获取传感器测点的线性时不变结构振动响应信号,根据振动响应信号数据的自相关性来构建三阶张量,通过张量分解后可以得到模态振型与模态响应矩阵;可以更准确地反映数据的内在结构,通过整合自相关性、PCA以及张量分解,使得即使在传感器有限的情况下(欠定)也能有效地提取模态信息,识别出工作模态参数(模态振型、固有频率等),为监测大型结构,如桥梁、高层建筑、风力涡轮机等提供了进一步的可能。

    一种基于异构图卷积网络的信息传播预测方法

    公开(公告)号:CN118690947A

    公开(公告)日:2024-09-24

    申请号:CN202410694062.0

    申请日:2024-05-31

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于异构图卷积网络的信息传播预测方法,包括以下步骤:构建并训练基于异构图卷积网络的信息传播预测模型,用于实现信息传播预测;所述信息传播预测模型的预测过程包括:根据用户社交关系和信息传播序列构建异构图;通过双向图卷积网络从异构图中学习到用户节点的表示;通过时序注意力机制获取用户节点的时序特征;通过结构注意力机制获取用户节点的结构特征;融合时序特征和结构特征以获取最新用户节点表示;多头注意力机制根据最新用户节点进行预测,输出当前信息的传播预测序列。本发明利用双向图卷积网络来学习用户结构特征、利用注意力机制获取用户的时序特征,充分利用用户特征,从而提高信息传播预测的性能。

    一种线性时变结构的欠定工作模态参数识别方法和系统

    公开(公告)号:CN114912547B

    公开(公告)日:2024-09-06

    申请号:CN202210690343.X

    申请日:2022-06-17

    Abstract: 本发明涉及一种线性时变结构的欠定工作模态参数识别方法和系统。本发明在获取工程结构在环境激励下的特定时间段内每一时刻的时域振动位移响应信号之后,采用预设长度的窗口在时域振动位移响应信号上滑动得到窗口数据,接着,采用稀疏成分分析方法基于窗口数据得到模态振型、模态的阻尼比和模态的固有频率,以能够提高所获取的工作模态信息分析的速度和准度。并且,本发明通过采用窗口滑动和稀疏成分分析方法结合的方式进行数据处理,能够从有限的传感器中识别出更多的工作模态参数。

    基于STZINB-GCN的城际拼车的OD对区域需求预测方法、装置、设备和介质

    公开(公告)号:CN118410915A

    公开(公告)日:2024-07-30

    申请号:CN202410798558.2

    申请日:2024-06-20

    Abstract: 本发明提供一种基于STZINB‑GCN的城际拼车的OD对区域需求预测方法、装置、设备和介质,涉及城际客运拼车规划技术领域。其中,这种预测方法包含步骤S1至步骤S5。S1、获取城际拼车的历史订单数据,提历史需求特征、历史流入特征和时间信息特征构建总数据集并分割,获取输入数据。S2、获取OD对邻接关系图。S3、根据输入数据,通过深度卷积隔开每个通道的信息对时间信息进行压缩,通过两层卷积前馈网络,获得时间相关性信息。S4、根据输入数据和OD对邻接关系图,通过三层扩散图卷积神经网络,学习从一个OD对到另一对的空间依赖性信息。S5、将时间相关性信息和空间依赖性信息通过哈达玛积进行融合,然后通过零膨胀负二项分布解码成真实分布,获取预测值。

Patent Agency Ranking