基于声发射技术的箱型梁大应力区故障模式识别

在介绍了声发射技术的基础上,采用BP神经网络,分别对预置故障的港口起重机典型结构——箱型梁的声发射信号进行分析。选用原始波形特征参数以及它们之间组合派生出的特征参数等9个参数作为神经网络的输入,设计箱型梁大应力区常见五种故障模式：正常、局部表面裂纹、局部深埋裂纹、局部焊缝、对接焊缝为最终识别分类模式。结果表明,该方法可以对以上五种模式的声发射源进行有效识别。     

岸边集装箱起重机司机室隔声控制分析

岸边集装箱起重机是港口作业中的主要运输设备。起重机作业中一般会受到噪声的严重干扰,为了提高起重机操作人员作业准确性和安全性,需要对司机室进行隔声控制,从而为起重机司机提供良好的工作环境。岸边集装箱起重机司机隔声控制中,需要根据噪声来源,制定可行的隔声控制方案,从而保障司机室隔声控制合理化。     

基于声发射技术的箱型梁大应力区故障模式识别

在介绍了声发射技术的基础上,采用 BP 神经网络,分别对预置故障的港口起重机典型结构———箱型梁的声发射信号进行分析.选用原始波形特征参数以及它们之间组合派生出的特征参数等9个参数作为神经网络的输入,设计箱型梁大应力区常见五种故障模式:正常、局部表面裂纹、局部深埋裂纹、局部焊缝、对接焊缝为最终识别分类模式.结果表明,该方法可以对以上五种模式的声发射源进行有效识别     

面向知识图谱的信息抽取技术综述

互联网时代, 数据呈爆发式的增长, 怎样从这些数据中抽取出有用的信息, 已是人工智能研究中的一个核心问题. 知识图谱作为解决这一问题的重要方法, 已成为人工智能技术发展的核心推动力. 信息抽取是知识图谱构建过程中的首要环节, 它实现了从海量的数据中抽取出结构化实体以及实体之间的关系. 本文探讨知识图谱中信息抽取的发展趋势, 对实体抽取、关系抽取和事件抽取及其关键技术进行了综述, 分析和讨论了当前存在的问题、挑战以及未来发展的方向.