专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果6个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于多层感知机的动载荷时域识别方法-CN202010654572.7有效
  • 姜金辉;杨泓基;罗淑一;唐宏志;张方 - 南京航空航天大学
  • 2020-07-09 - 2020-10-09 - G06F30/27
  • 本发明提出了一种基于多层感知机的动载荷时域识别方法。所述方法包括:首先通过试验、仿真、理论分析等手段获取大量振动响应数据,并将响应数据划分为训练集、验证集、测试集;随后利用多层感知机理论建立结构响应与外激励之间的内在关系,构建复杂非线性映射下的动力学逆向模型;而后利用训练集数据对该模型进行训练,建立待识别载荷与真实载荷的损失函数,采用梯度下降算法对多层感知机模型的参数进行更新,采用L1正则化算法防止过拟合现象,提升模型的泛化能力;最后利用训练好的模型实现对动载荷的时域识别。本发明可以改善现有结构动载荷识别精度不好、不适定性等问题。
  • 一种基于多层感知载荷时域识别方法
  • [发明专利]一种基于卷积神经网络的动载荷时域识别方法-CN202010654576.5有效
  • 姜金辉;杨泓基;罗淑一;唐宏志;张方 - 南京航空航天大学
  • 2020-07-09 - 2020-10-09 - G06F30/20
  • 本发明提出了一种基于卷积神经网络的动载荷时域识别方法。首先通过试验/理论分析得到大量动力学系统的振动响应数据,将振动响应数据分为训练集、验证集、测试集。随后基于卷积神经网络理论搭建动载荷识别的逆向模型,建立系统响应与外载荷之间的内在关系,采用梯度下降算法更新逆向模型参数,进一步提高动载荷的识别精度。而后利用训练集数据对模型进行训练,建立预测载荷与试验室标准载荷的损失函数,采用梯度下降算法对CNN模型的参数进行更新,引入dropout算法提升模型的泛化能力。相较于传统的动载荷识别方法,本发明方法在仅有系统响应信息即双盲的情况下仍可识别出动载荷,改善了现有的动载荷识别方法识别精度不好、不适定性等问题。
  • 一种基于卷积神经网络载荷时域识别方法
  • [发明专利]分布动载荷识别的动态标定方法-CN202010649333.2有效
  • 姜金辉;罗淑一;唐宏志;杨泓基;丁铭;沈楠孙 - 南京航空航天大学
  • 2020-07-08 - 2020-09-29 - G06F17/15
  • 本发明提出了一种分布动载荷识别的动态标定方法,包括以下步骤:在目标结构体上设置多个测量点,获取测量点在分布动载荷作用下产生的位移响应;将频域内动载荷识别理论与广义傅里叶分解相结合,得到相应的动态标定矩阵的表达式;将高斯‑勒让德积分应用到动态标定过程中,通过选取相应的高斯点将无限维的动态标定转化为有限维的动态标定得到动态标定矩阵,建立系统响应与分布动载荷之间的联系;结合位移响应和动态标定矩阵,求解傅里叶分解表达式的系数并拟合分布动载荷,完成相应的分布动载荷识别。本发明的方法具有较高的识别精度且易于实施,适合于工程结构上的连续结构分布动载荷的识别。
  • 分布载荷识别动态标定方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top