← 返回列表
深度学习辅助的落石冲击力非接触自动预测方法及系统
摘要文本
本发明公开了一种深度学习辅助的落石冲击力非接触自动预测方法及系统，包括：落石运动轨迹实时追踪模块：采用高速摄像机远距离非接触式监测落石冲击防护网系统全过程图像序列，利用预训练的Swin‑Transformer深度学习网络对落石运动轨迹进行全过程追踪识别；落石冲击力高精度预测模块：使用预先建立的精确有限元模型提取落石冲击力和位移时程，创建训练数据集，使用基于自注意力机制的序列到序列Transformer神经网络对落石冲击力与位移时程之间的复杂关系进行建模，通过非接触式监测落石位移图像序列作为网络输入，高精度预测落石作用于防护网系统冲击力时程。本发明具有非接触、远程监测和高精度预测的优势，提高了落石灾害下柔性防护系统的性态快速评定与应急抢修效率。 关注公众号马克数据网
申请人信息
- 申请人:西南交通大学
- 申请人地址:610000 四川省成都市二环路北一段111号
- 发明人: 西南交通大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 深度学习辅助的落石冲击力非接触自动预测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311081363.8 |
| 申请日 | 2023/8/25 |
| 公告号 | CN117556650A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F30/23 |
| 权利人 | 西南交通大学 |
| 发明人 | 田永丁; 杨啸宇; 童佳辉; 余志祥 |
| 地址 | 四川省成都市金牛区二环路北一段111号 |
专利主权项内容
1.一种深度学习辅助的落石冲击力非接触自动预测方法，其特征在于，包括以下步骤：S1、落石冲击被动柔性防护网系统全过程图像序列远程监测和基于深度学习的落石运动轨迹实时追踪；S2、基于序列到序列神经网络的落石冲击力非接触式高精度预测。