-
公开(公告)号：CN115700494B
公开(公告)日：2023-06-30
申请号：CN202211127267.8
申请日：2022-09-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F16/215 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/0495 , G06N3/0985 , G06N5/04
Abstract: 本发明提出一种基于贝叶斯推理的轨道交通监测数据清洗方法及系统。所述方法包括稀疏贝叶斯极限学习机模型的训练、根据模型划分数据集实现异常概率的计算、异常值的迭代求解识别等。本发明所述方法通过训练好的稀疏贝叶斯极限学习机模型为基准，并通过计算数据点的预测误差划分规律数据集和可疑数据集，进而计算可疑数据集中数据点的异常概率来更新数据集，最终不断迭代识别异常值。本发明所述方法通过计算数据点的异常概率，可以做到量化数据点的异常程度，通过循环往复不断迭代从而达到数据清洗的目的，能够为轨道交通结构健康监测领域提供一种有效的数据预处理手段。
-
公开(公告)号：CN115618209A
公开(公告)日：2023-01-17
申请号：CN202211130830.7
申请日：2022-09-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/20 , G06F18/214 , G06N20/00 , G06Q10/063 , G06Q50/30 , B61L23/06
Abstract: 本发明提出基于稀疏极限学习机和假设检验的铁路轨道状态评估方法。本发明所述方法应用于某小半径曲线铁路轨道结构的长期监测数据分析中。通过结构温度场和多个测点的应变、位移响应长期监测数据训练了稀疏贝叶斯极限学习机概率预测模型，获得了结构温度场和应变及相对位移的预测关系，实现了基于温度监测数据对结构响应的可靠预测。采用贝叶斯假设检验方法对比了后续结构响应的稀疏贝叶斯极限学习机概率预测结果和实际监测数据，实现了轨道结构服役状态的有效评估。此方法考虑了监测数据采集误差和质量不统一引起的结构响应预测结果的不确定性，在概率统计意义上实现了轨道结构状态评估，有效地提升了其鲁棒性。
-
公开(公告)号：CN115618273B
公开(公告)日：2023-06-30
申请号：CN202211121446.0
申请日：2022-09-15
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G01D21/02
Abstract: 本发明提出一种基于并行图卷积神经网络的铁路轨道状态评估方法及系统。所述方法包括选择数据异常识别通道和数据整理、并行图卷积神经网络模型设计、训练模型并利用模型预测、通过预测结果判断数据异常情况以及利用有向图分析修正预测结果、根据异常结果对铁路轨道状态进行评估。本发明是针对铁路轨道异常状态评估的方法，利用多个并行图卷积层对数据进行图卷积运算并在融合层进行融合，预测结果不会过度依赖单个测点，提高了预测精度。若出现异常漂移数据，可以利用有向图进行分析，对预测结果进行修正。所述方法具有预测结果受异常数据影响小以及统一利用多种类型传感器类型数据实现铁路轨道状态评估等优势。
-
公开(公告)号：CN115618273A
公开(公告)日：2023-01-17
申请号：CN202211121446.0
申请日：2022-09-15
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G01D21/02
Abstract: 本发明提出一种基于并行图卷积神经网络的铁路轨道状态评估方法及系统。所述方法包括选择数据异常识别通道和数据整理、并行图卷积神经网络模型设计、训练模型并利用模型预测、通过预测结果判断数据异常情况以及利用有向图分析修正预测结果、根据异常结果对铁路轨道状态进行评估。本发明是针对铁路轨道异常状态评估的方法，利用多个并行图卷积层对数据进行图卷积运算并在融合层进行融合，预测结果不会过度依赖单个测点，提高了预测精度。若出现异常漂移数据，可以利用有向图进行分析，对预测结果进行修正。所述方法具有预测结果受异常数据影响小以及统一利用多种类型传感器类型数据实现铁路轨道状态评估等优势。
-
公开(公告)号：CN115700494A
公开(公告)日：2023-02-07
申请号：CN202211127267.8
申请日：2022-09-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F16/215 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/0495 , G06N3/0985 , G06N5/04
Abstract: 本发明提出一种基于贝叶斯推理的轨道交通监测数据清洗方法及系统。所述方法包括稀疏贝叶斯极限学习机模型的训练、根据模型划分数据集实现异常概率的计算、异常值的迭代求解识别等。本发明所述方法通过训练好的稀疏贝叶斯极限学习机模型为基准，并通过计算数据点的预测误差划分规律数据集和可疑数据集，进而计算可疑数据集中数据点的异常概率来更新数据集，最终不断迭代识别异常值。本发明所述方法通过计算数据点的异常概率，可以做到量化数据点的异常程度，通过循环往复不断迭代从而达到数据清洗的目的，能够为轨道交通结构健康监测领域提供一种有效的数据预处理手段。
-
Patent Agency Ranking
公开(公告)号：CN115618209B
公开(公告)日：2023-06-30
申请号：CN202211130830.7
申请日：2022-09-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/20 , G06F18/214 , G06N20/00 , G06Q10/063 , G06Q50/30 , B61L23/06
Abstract: 本发明提出基于稀疏极限学习机和假设检验的铁路轨道状态评估方法。本发明所述方法应用于某小半径曲线铁路轨道结构的长期监测数据分析中。通过结构温度场和多个测点的应变、位移响应长期监测数据训练了稀疏贝叶斯极限学习机概率预测模型，获得了结构温度场和应变及相对位移的预测关系，实现了基于温度监测数据对结构响应的可靠预测。采用贝叶斯假设检验方法对比了后续结构响应的稀疏贝叶斯极限学习机概率预测结果和实际监测数据，实现了轨道结构服役状态的有效评估。此方法考虑了监测数据采集误差和质量不统一引起的结构响应预测结果的不确定性，在概率统计意义上实现了轨道结构状态评估，有效地提升了其鲁棒性。
-
公开(公告)号：CN119513540B
公开(公告)日：2025-05-16
申请号：CN202411598546.1
申请日：2024-11-11
Applicant: 哈尔滨工业大学
IPC: G06F18/20 , G06F18/214 , G06F18/15 , G06N3/047 , G06N3/084 , G06N3/0985 , G06N7/01 , G01D21/02 , G06N3/048
Abstract: 本发明提出基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法。所述方法首先基于任务数据判断是否已有适配具体结构系统识别任务的自适应元学习采样器，若没有则训练一个适配该任务的自适应元学习采样器，最后利用训练好的采样器执行基于贝叶斯更新的自适应元学习采样方法实现高效采样，完成结构系统识别任务。本发明通过提出自适应元学习采样方法，在贝叶斯更新的详尽概率分布识别结果基础上，利用神经网络的精细化策略学习能力提高采样效率，利用自适应元学习设计节省神经网络训练时间，使方法适用于更复杂的结构系统识别问题，从而更好的服务于结构健康检测领域。
-
公开(公告)号：CN119829778A
公开(公告)日：2025-04-15
申请号：CN202411924013.8
申请日：2024-12-25
Applicant: 中建数字科技有限公司 , 哈尔滨工业大学
IPC: G06F16/38 , G06F16/36 , G06F16/31 , G06F40/194 , G06F40/279 , G06F40/30 , G06F40/126 , G06N5/022
Abstract: 本发明提出土木工程领域知识大模型检索增强生成方法。所述方法包括土木工程领域知识处理与向量化存储，大语言模型土木工程领域知识能力评估与适配，土木工程领域知识向量数据库高效检索机制，以及基于检索结果的知识增强生成引导。本发明通过数据清洗、文本分割等预处理过程，将土木工程领域知识编码并建立为向量数据库。通过语义困惑度指标选择适用于土木工程领域知识检索增强生成的通用大语言模型，通过相似度计算检索目标知识形成提示词，增强大语言模型土木工程领域专业知识生成能力。
-
公开(公告)号：CN119513540A
公开(公告)日：2025-02-25
申请号：CN202411598546.1
申请日：2024-11-11
Applicant: 哈尔滨工业大学
IPC: G06F18/20 , G06F18/214 , G06F18/15 , G06N3/047 , G06N3/084 , G06N3/0985 , G06N7/01 , G01D21/02 , G06N3/048
Abstract: 本发明提出基于贝叶斯更新和自适应元学习采样方法的结构系统识别方法。所述方法首先基于任务数据判断是否已有适配具体结构系统识别任务的自适应元学习采样器，若没有则训练一个适配该任务的自适应元学习采样器，最后利用训练好的采样器执行基于贝叶斯更新的自适应元学习采样方法实现高效采样，完成结构系统识别任务。本发明通过提出自适应元学习采样方法，在贝叶斯更新的详尽概率分布识别结果基础上，利用神经网络的精细化策略学习能力提高采样效率，利用自适应元学习设计节省神经网络训练时间，使方法适用于更复杂的结构系统识别问题，从而更好的服务于结构健康检测领域。
-
公开(公告)号：CN117409379B
公开(公告)日：2024-07-12
申请号：CN202311341478.6
申请日：2023-10-17
Applicant: 哈尔滨工业大学
IPC: G06V20/54 , G06V10/25 , G06V10/62 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁车辆追踪与车辆荷载谱智能识别方法。所述方法针对路侧摄像头在桥上分布布置的工况，首先通过训练后YOLOv7深度网络获取单摄像头数据中的车辆外观图像信息与对应车辆类型、时间等信息，并结合车道线识别方法实现车辆横向位置识别；然后引入L2‑Net深度描述符，通过各摄像头数据设计搜索匹配策略，实现行车方向各车辆行驶轨迹的精确追踪，得到车辆在桥上任意时刻的位置信息；最后将方法集成为车辆荷载谱识别系统，其可结合动态称重数据，以较低的运算耗时和较高的精度实现各种监控场景下车辆荷载谱的识别。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.096 seconds)
