公开(公告)号：CN116134303A

公开(公告)日：2023-05-16

申请号：CN202080104778.0

申请日：2020-09-16

Applicant: 三菱电机株式会社

Inventor： 叶名纪彦 ,  秋吉雅夫 ,  梅田政树 ,  天谷贤治

IPC: G01N3/06

Abstract: 是高精度地推测构造物内部中的龟裂的龟裂推测装置。具备：测量部(10)，测量测量面的变形作为测量面变形矢量；模型生成部(30)，针对多个种类的龟裂候选，设定在龟裂发生面发生了龟裂时的测量面的变形作为测量面推测变化矢量；以及龟裂状态解析部(40)，求出测量面变形矢量以及测量面推测变化矢量的类似度，对类似度进行标准化，根据针对各个龟裂候选将表示龟裂发生面的状态的状态量的矢量与标准化后的类似度相乘并关于所有的龟裂候选进行相加得到的结果来推测在龟裂发生面发生的龟裂(4)。

公开(公告)号：CN117836592A

公开(公告)日：2024-04-05

申请号：CN202180101653.7

申请日：2021-08-25

Applicant: 三菱电机株式会社

Inventor： 叶名纪彦 ,  秋吉雅夫 ,  梅田政树 ,  天谷贤治 ,  岩本拓也

IPC: G01H17/00

Abstract: 一种检查装置(20)，具备：数据存储部(50)，所述数据存储部预先存储通过使被检查物体(1)被支承的部分(3)的刚性和被检查物体(1)的损伤的大小变化而产生的固有振动频率的变化；测定部(40)，所述测定部对激振后的被检查物体(1)的振动响应进行测量；以及推定部(60)，所述推定部基于根据振动响应算出的被检查物体(1)的固有振动频率与对已知损伤状态的被检查物体(1)进行测量而得到的固有振动频率之间的固有振动频率的变化和存储于数据存储部(50)的固有振动频率的变化，同时推定被检查物体(1)被支承的部分(3)的刚性和被检查物体(1)的损伤的大小。

公开(公告)号：CN119013532A

公开(公告)日：2024-11-22

申请号：CN202280090816.0

申请日：2022-02-08

Applicant: 三菱电机株式会社

Inventor： 叶名纪彦 ,  梅田政树 ,  尾原刚

IPC: G01B21/00

Abstract: 控制部(10、30)根据表示配管(40)的构造的构造信息生成配管(40)的形状模型，进行根据形状模型设定配管(40)的内表面上的龟裂发生面的第1设定控制，并且进行将在龟裂发生面产生了龟裂时产生变形的配管的表面设定为测量面的第2设定控制，进行根据被赋予了包括附加到配管(40)的内表面的第1压力信息的边界条件的形状模型，针对多个种类的龟裂候补的每个将在龟裂发生面产生了龟裂时的测量面的变化设定为测量面推测变化矢量的第3设定控制，进行将测量面中的变形作为测量面变形矢量导出，针对每个龟裂候补计算该测量面变形矢量和测量面推测变化矢量的相似度并且进行标准化，根据标准化的相似度和表示每个龟裂候补的龟裂发生面的变形状态的状态量变形矢量推测龟裂的第1推测控制。

公开(公告)号：CN118974531A

公开(公告)日：2024-11-15

申请号：CN202280093333.6

申请日：2022-03-14

Applicant: 三菱电机株式会社

Inventor： 叶名纪彦 ,  梅田政树 ,  天谷贤治 ,  田中伦也

IPC: G01M99/00

Abstract: 一种裂缝的发展预测装置（1），预测在构造物中产生的裂缝的发展，其中，具备：参数输入部（2），至少将构造物的形状、被施加到构造物的力、构造物的材料特性、裂缝形状的初始值的各个的参数，包含各个参数的不确定性以概率分布输入；模型生成部（3），根据输入的参数而生成预测由状态方程式和观测方程式构成的裂缝发展状态的状态空间模型；裂缝形状测量部（4），测量构造物的裂缝形状；以及推测部（5），根据用裂缝形状测量部（4）测量的裂缝形状的测量值和测量误差所引起的不确定性的概率分布、和用所述状态空间模型预测的裂缝形状的先验分布，推测包括裂缝形状和参数的后验分布，该裂缝的发展预测装置根据利用推测部（5）更新的裂缝形状和参数而预测裂缝的发展。

公开(公告)号：CN116710955A

公开(公告)日：2023-09-05

申请号：CN202180068822.1

申请日：2021-09-01

Applicant: 三菱电机株式会社

Inventor： 刘德红 ,  石莱茜 ,  梅田政树 ,  叶名纪彦

IPC: G06T7/00

Abstract: 提供用于测量物体位移的图像处理方法。该方法包括获取第一序列图像和第二序列图像，第一序列图像的两个相邻图像包括第一重叠部分，第二序列图像的两个相邻图像包括第二重叠部分，第一序列图像对应于第一状态下的物体上的第一三维(3D)表面，第二序列图像对应于第二状态下的物体上的第二3D表面。该方法还包括基于盲反卷积法对第一序列图像和第二序列图像去模糊以获得锐利的焦平面图像，分别基于通过使用精化鲁棒加权的莱文贝格‑马夸特(RRWLM)算法求解透视n点(PnP)问题来进行的相机姿态估计将锐化的第一序列图像和锐化的第二序列图像拼接成第一锐利3D图像和第二锐利3D图像。该方法还包括通过分别展开第一锐利3D图像和第二锐利3D图像来形成第一二维(2D)图像和第二2D图像，并通过执行二维数字图像校正(DIC)法来从第一2D和第二2D图像生成位移(应变)映像图像。