CN106500903B - 一种基于扭矩信号的特殊扣拧接质量的监测方法 - Google Patents

一种基于扭矩信号的特殊扣拧接质量的监测方法 Download PDF

Info

Publication number
CN106500903B
CN106500903B CN201610831861.3A CN201610831861A CN106500903B CN 106500903 B CN106500903 B CN 106500903B CN 201610831861 A CN201610831861 A CN 201610831861A CN 106500903 B CN106500903 B CN 106500903B
Authority
CN
China
Prior art keywords
shoulder point
stage
quality
special buckle
twist
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610831861.3A
Other languages
English (en)
Other versions
CN106500903A (zh
Inventor
杜娟
张玺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
Original Assignee
Peking University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University filed Critical Peking University
Priority to CN201610831861.3A priority Critical patent/CN106500903B/zh
Publication of CN106500903A publication Critical patent/CN106500903A/zh
Application granted granted Critical
Publication of CN106500903B publication Critical patent/CN106500903B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/24—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for determining value of torque or twisting moment for tightening a nut or other member which is similarly stressed

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公布了一种特殊扣拧接质量的监测方法，属于质量工程领域，涉及钢管连接特殊扣质量监测方法。所述方法基于特殊扣的扭矩信号，构建两相状态空间模型；再采用两阶段递归的粒子滤波方法求解两相状态空间模型，得到台肩点位置。在第一阶段粒子滤波估计中，提出分层抽样和低方差采样的结合采样方法；由此提供自动化、精准化的特殊扣拧接的质量监测。本发明能够提高扭矩信号中台肩点检测的准确率，加快特殊扣拧接质量监测自动化进程，节省人工观察台肩点位置的劳动成本，同时降低质量监测的假报警率和废品流出率。本发明能够解决特殊扣拧接过程中质量监测容易出现假报警、废品外流等难题。

Description

一种基于扭矩信号的特殊扣拧接质量的监测方法
技术领域
本发明属于质量工程领域，涉及钢管连接特殊扣质量监测方法，尤其涉及一种基于扭矩信号的两阶段粒子滤波的特殊扣拧接质量的监测方法。
背景技术
特殊扣拧接广泛应用在石油钻井、石油开采、石油运输等领域。特殊扣拧接的质量监测难点主要在如何检测特殊扣拧接机上的传感器测量的扭矩信号上的一个关键点的位置，这个点的位置决定了特殊扣拧接质量的好坏，为了实现自动化监测特殊扣拧接的质量，自动化精准化检测这个点的位置是非常重要的。在本申请书中，关键点也指台肩点。现有方法中，文献(R.Ruehmann,and G.Ruark,“Shoulder Yielding Detection During PipeMake Up,”Offshore Technology Conf.,pp.1-11,2011,‘VAM Book’.(2016,April).[Online].Available:http://www.vamservices.com/Library/files/VAM％C2％AE％20Book.pdf)记载了针对传感器测量的扭矩信号设计自动检测该关键点的位置，该方法来自于工程经验，图1所示为理论扭矩信号曲线，从理论的扭矩信号出发，采用近似计算方法来检测实际扭矩信号(图2是实际扭矩信号曲线)的关键点的位置。参考文献VAM book是本领域较权威的技术手册，现有实际工厂大多使用该书里面的方法和要求。然而，实际特殊扣拧接过程非常复杂，有大量的噪音和不确定性，导致扭矩信号的形式多种多样，而且会出现非线性模式，进一步导致工程经验的近似算法常常不能准确地检测到扭矩信号关键点的位置，造成特殊扣拧接质量监测出现假报警，不合格品外流等，对石油钻井、开采和运输等行业造成巨大损失。
发明内容
为了克服上述现有技术的不足，本发明提供一种自动化、精准化的特殊扣拧接的质量监测方法，用以解决特殊扣拧接过程中质量监测容易出现假报警、废品外流等难题。
本发明提供的技术方案是：
一种特殊扣拧接质量的监测方法，所述方法基于特殊扣的扭矩信号，将扭矩信号根据理论分析建模成为两相状态空间模型；根据两相状态空间模型，再采用两阶段递归的粒子滤波方法，提高扭矩信号中台肩点检测的准确率，加快特殊扣拧接质量监测自动化进程，节省劳动成本，降低质量监测的假报警率和废品流出率；具体包括如下步骤：
A.建立模型阶段，执行如下操作：
A1.从现有文献知理论的扭矩信号为分段线性，本发明假设扭矩信号为分段线性，分为第一个阶段和第二个阶段；第一个阶段和第二个阶段之间的分段点为台肩点；第二个阶段的斜率远大于第一个阶段的斜率；
A2.建立两相状态空间模型，用式1和式2表示；
其中，yk,tk和εk分别代表k时刻的扭矩观测值，圈数观测值和白噪声；参数c代表台肩点在圈数观测值的位置；ak和bk代表k时刻所处的线性段截距和斜率；a0和b0是台肩点前截距和斜率的值；p是旧状态跳到新状态的转移概率；δ是在台肩点处斜率变量的增量；
B.采用两阶段递归粒子滤波求解A中建立的两相状态空间模型，包括过程B1～B2：
B1.给A中建立的两相状态空间模型的参数设置先验分布；
B2.利用两阶段递归粒子滤波求解两相状态空间模型，包括第一阶段和第二阶段：
第一阶段，结合分层抽样和低方差采样的采样方法，根据B1设置的参数的先验分布，对状态变量(ak,bk)的后验分布进行估计，得到第一阶段的(ak,bk)的后验估计；
第二阶段，根据(ak,bk)在不同时刻的值的变化，在斜率显著发生变化的位置确定新的台肩点的位置；然后，根据新的台肩点的位置重新计算第一阶段的(ak,bk)，直到所得的台肩点的位置收敛到一个给定的阈值；由此检测得到台肩点位置；
C.根据实际需要设定台肩点位置要求范围，把第二阶段检测到的台肩点位置与要求范围
做比较，由此确定特殊扣拧接质量。
针对上述特殊扣拧接质量的监测方法，进一步地，B1所述给A中建立的两相状态空间模型的参数设置先验分布，优选地，设定所述状态变量(ak,bk)服从正态分布N(μ,∑)，其中μ从实际测量的扭矩信号中近似估计，设定所述参数c服从Beta分布；所述参数白噪声εk的标准差σ根据扭矩信号观测值的方差近似估计；设定所述参数δ为截断的正态分布或一个正常数；设定所述转移概率p取一个在[0.05,0.5]区间中的一个固定值。
针对上述特殊扣拧接质量的监测方法，在本发明实施例中，步骤C所述根据实际需要设定台肩点位置要求范围[-0.04,0.03]为成功检测的差别区间，当检测得到的台肩点位置与实际的台肩点位置的差值在所述要求范围内时为成功检测。
与现有技术相比，本发明的有益效果是：
本发明提供一种自动化、精准化的特殊扣拧接的质量监测方法，根据特殊扣的扭矩信号，将扭矩信号根据理论分析建模成为两相状态空间模型；根据两相状态空间模型，提出两阶段递归的粒子滤波方法；在第一阶段粒子滤波估计中，提出分层抽样和低方差采样的结合采样方法。本发明创新地发明了两阶段递归粒子滤波方法，同时创新地结合了分层采样和低方差采样的重抽样方法，使对台肩点的估计更加精准。通过本发明所提供的特殊扣拧接的质量监测方法，提高了扭矩信号中台肩点检测的准确率，加快了特殊扣拧接质量监测自动化进程，节省了人工观察台肩点位置的劳动成本，同时降低了质量监测的假报警率和废品流出率。本发明能够解决特殊扣拧接过程中质量监测容易出现假报警、废品外流等难题。
附图说明
图1是理论扭矩信号曲线；
图2是实际扭矩信号曲线；
图1～2中，1为台肩点。
图3是本发明提供的监测方法的流程框图；
其中，左面实线框内为本发明的检测方法的全部步骤；右面实线框图为第四步骤两阶段粒子滤波算法的具体实现方法步骤。
图4是本发明实施例中采用两阶段递归粒子滤波检测台肩点的结果图；
其中，(a)为台肩点检测结果；(b)为两阶段递归粒子滤波中台肩点的位置变化。
图5是本发明实施例不同迭代更新中的台肩点位置的直方图变化；
其中，(a)为第一个循环中的台肩点位置直方图；(b)为第五个循环中的台肩点位置直方图；(c)为最后一个循环中的台肩点位置直方图。
图6是本发明实施例不同迭代更新中斜率bk均值的变化；
其中，(a)为第一个循环中斜率bk均值；(b)为第五个循环中斜率bk均值；(c)为最后一个循环中斜率bk均值。
图7是本发明实施例不同迭代更新中截距ak均值的变化；
其中，(a)为第一个循环中截距ak均值；(b)为第五个循环中截距ak均值；(c)为最后一个循环中截距ak均值。
图8是本发明实施例采用不同的粒子滤波方法的对比；
其中，(a)为一个阶段粒子滤波的检测结果；(b)为没有低方差采样的结果。
图9是本发明实施例在不同时刻k＝100,300,370，bk直方图；
其中，(a)～(c)为结合分层抽样和低方差采样；(d)～(f)为无低方差抽样。
图10是本发明实施例在不同时刻k＝100,300,370，ak直方图；
其中，(a)～(c)为结合分层抽样和低方差采样；(d)～(f)为无低方差抽样。
图11是本发明实施例中四个实际扭矩信号案例和相应的台肩点检测位置。
具体实施方式
下面结合附图，通过实施例进一步描述本发明，但不以任何方式限制本发明的范围。
本发明提供一种自动化、精准化的特殊扣拧接的质量监测方法，根据特殊扣的扭矩信号，提出两相状态空间模型；根据两相状态空间模型，提出两阶段递归的粒子滤波方法；得到台肩点位置；由此提供自动化、精准化的特殊扣拧接的质量监测；在第一阶段粒子滤波估计中，提出分层抽样和低方差采样的结合采样方法。
图3是本发明提供的基于扭矩信号的两阶段粒子滤波的特殊扣拧接质量的监测方法的流程框图，主要包括以下步骤：
A.建立模型：
A1.通过分析扭矩信号的变化过程获得模型假设：扭矩信号应该理论上分段线性，分段点为台肩点，第二个阶段线性的斜率远大于第一个阶段。
A2.建立两相状态空间模型；
其中，yk,tk和εk分别代表k时刻的扭矩观测值，圈数观测值和白噪声；参数c代表台肩点在圈数观测值的位置；ak和bk代表k时刻所处的线性段截距和斜率；a0和b0是台肩点前截距和斜率的值；p是旧状态跳到新状态的转移概率；δ是在台肩点处斜率变量的增量。
B.两阶段递归粒子滤波求解A中建立的两相状态空间模型
B1.给A中建立的两相状态空间模型的参数设置先验分布，其中可以假设状态变量(ak,bk)服从正态分布N(μ,∑)，μ可以从实际测量的扭矩信号中近似估计，∑可以假设有这样的结构c可以假设服从贝塔分布，也可以设置为其他分布，如均匀分布。白噪声εk的标准差σ可以从扭矩信号观测值的方差近似估计。δ可以假设成截断的正态分布或一个较大的正常数。转移概率p可以从[0.05,0.5]区间中取一个固定值。
B2.因为两相状态空间模型中存在一个未知的台肩点，而且模型分段线性，普通的卡尔曼滤波或者传统粒子滤波不能求解上述模型中台肩点的后验分布，本发明创新地提出两阶段递归粒子滤波进行求解。第一阶段，采用分层抽样(stratified sampling)和低方差采样(low variance sampling)根据给定的B1中的先验分布，对(ak,bk)的后验分布进行估计。第二阶段，根据(ak,bk)在不同时刻的值的变化，物理上决定新的台肩点位置，具体为根据斜率的显著变化来确定新的台肩点的位置。然后，根据新的台肩点的位置重新计算第一阶段的(ak,bk)，直到所得的台肩点的位置收敛到一个给定的阈值，给定的阈值可以选择为仪器测量精度的倍数，根据工厂使用的实际需要而选择不同的阈值范围。
C.根据工厂使用需要，把检测到的台肩点位置与要求范围做比较，决定是否报警或定义为废品。
根据以上步骤，两阶段递归粒子滤波算法详细的算法流程如下：
其中，g1(x)可以是上述的N(μ,∑)正态分布函数，g2(c)可以是上述的贝塔分布，h(x)是状态转移函数，见式2。以下以一个仿真案例和180个实际扭矩信号的样本为案例说明本发明方法的具体实施方式。
实施例一：
仿真案例中，建立一个大噪声情况下的扭矩信号，方程式为：
其中，tk范围为从0到3.192，采样间隔0.008。信号长度为400。台肩点在tk轴的位置为2.792。先验分布的参数数值为：μ＝[12.2157,525.1551]T,ω＝1721.4,σ＝1779.1,α＝4.1866,andβ＝0.71.p＝0.2。这里采用c～beta(α,β)，δ可以假设成截断的正态分布,取值范围为[ω,+∞).p＝0.2,阈值ψ＝0.008。粒子滤波的粒子数为1000。
本案例的检测结果如图4(a)所示，台肩点的位置为(2.808,2207.479)，虽然检测点位置和实际位置不完全相同，但是差值和采样间隔0.008来比较是非常小的。利用两阶段递归粒子滤波求解的迭代次数是9。从图4(b)来看，台肩点位置的均值逐渐收敛到真实值，其中虚线是台肩点位置的真实值。同时，图5和图6展示了不同时刻状态变量的变化，随着迭代次数的增加，估计的状态变量更稳定尽管信号中存在很多非线性的模式。
为了展现本发明方法的优势，我们将本发明方法和传统的粒子滤波方法(一个阶段估计)做了对比，如图8(a)所示，一个阶段粒子滤波方法检测到的变点位置为(2.552,932.1104)，表明一个阶段粒子滤波没有准确检测台肩点的位置。
为了展现本发明方法在第一阶段粒子滤波中结合了分层采样和低方差采样的优势，具体实施中我们对比了无低方差采样方法和本发明的结合采样的方法。无低方差采样的检测结果如图8(b)所示，检测台肩点位置为(2.824,2418.9634)，同样失效。我们对比了不同时刻状态变量的直方图，如图9和图10所示，从该两图中发现在k＝300和k＝370时，bk和ak的大部分粒子集中在了同一个数值，意味着粒子滤波出现了粒子贫瘠现象(particleimpoverishment)。所以采用结合分层抽样和低方差抽样的方法可以使检测台肩点的位置更准确。
实施例二：
本扭矩信号案例中，我们从某钢管公司随机收集到了180个不同非线性模式的扭矩信号，来自于4个生产批次，这些信号有不同的信号长度，不同的非线性模式，而且都具有回程差扰动。并且这些信号的台肩点位置有专业的工程师进行了相应的标记。采用本发明提出的两相状态空间模型和两阶段递归粒子滤波方法对着180个不同的扭矩信号进行台肩点检测。因该工厂的扭矩信号中圈数测量精度为0.002，阈值ψ＝0.006可以满足工厂的精度要求。因为扭矩信号有回程差，可以把[-0.04,0.03]定义为成功检测的差别区间，即检测位置与实际位置的差值不得超出该区间值的范围定义为成功检测。同时，我们利用圈数差别均方误差RMSE来衡量我们方法检测的准确性。将本发明方法与现在工厂使用的VAM book中记载的经验算法进行了对比。检测结果如下表1和表2所示：
表1 两种方法的台肩点检测准确率对比
表2 两种方法的圈数差别均方误差RMSE结果对比
从表中可以看出，本发明的方法检测的台肩点位置准确率和RMSE远远好于经验方法，为特殊扣拧接质量监测提供了一种有效手段。为了更好地展示我们方法的有效性，我们选了4个样本作为展示，四个样本的实际扭矩信号案例和相应的台肩点检测位置结果如图11所示。
需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (5)

1.一种特殊扣拧接质量的监测方法，所述方法基于特殊扣的扭矩信号，构建两相状态空间模型；再采用两阶段递归的粒子滤波方法求解两相状态空间模型，得到台肩点位置；由此提供自动化、精准化的特殊扣拧接的质量监测；具体包括如下步骤：
A.建立模型阶段，执行如下操作：
A1.将扭矩信号的分段线性分为第一个阶段和第二个阶段；第一个阶段和第二个阶段之间的分段点为台肩点；第二个阶段的斜率远大于第一个阶段的斜率；
A2.建立两相状态空间模型，用式1和式2表示；
其中，yk,tk和εk分别代表k时刻的扭矩观测值，圈数观测值和白噪声；参数c代表台肩点在圈数观测值的位置；ak和bk代表k时刻所处的线性段截距和斜率；a0和b0是台肩点前截距和斜率的值；p是旧状态跳到新状态的转移概率；δ是在台肩点处斜率变量的增量；
B.采用两阶段递归粒子滤波求解A中建立的两相状态空间模型，包括过程B1～B2：
B1.给A中建立的两相状态空间模型的参数设置先验分布；
B2.利用两阶段递归粒子滤波求解两相状态空间模型，包括第一阶段和第二阶段：
第一阶段，结合分层抽样和低方差采样的采样方法，根据B1设置的参数的先验分布，对状态变量(ak,bk)的后验分布进行估计，得到第一阶段的(ak,bk)的后验估计；
第二阶段，根据(ak,bk)在不同时刻的值的变化来确定新的台肩点的位置；具体是根据斜率状态的显著增加位置来更新台肩点的位置；然后，根据新的台肩点的位置重新计算第一阶段的(ak,bk)，直到所得的台肩点的位置收敛到一个给定的阈值；由此检测得到台肩点位置；
C.根据实际需要设定台肩点位置要求范围，把第二阶段检测到的台肩点位置与要求范围做比较，由此确定特殊扣拧接质量。
2.如权利要求1所述特殊扣拧接质量的监测方法，其特征是，B1所述给A中建立的两相状态空间模型的参数设置先验分布，优选地，设定所述状态变量(ak,bk)服从正态分布N(μ,∑)，其中μ从实际测量的扭矩信号中近似估计，设定所述参数c服从Beta分布；所述参数白噪声εk的标准差σ根据扭矩观测值的方差近似估计；设定所述参数δ为截断的正态分布或一个正常数；设定所述转移概率p取一个固定值。
3.如权利要求2所述特殊扣拧接质量的监测方法，其特征是，具体设定所述转移概率p为[0.05,0.5]区间中的一个固定值。
4.如权利要求1所述特殊扣拧接质量的监测方法，其特征是，B2第二阶段所述给定的阈值优选为仪器测量精度的倍数。
5.如权利要求1所述特殊扣拧接质量的监测方法，其特征是，步骤C所述根据实际需要设定台肩点位置要求范围[-0.04,0.03]为成功检测的差别区间，当检测得到的台肩点位置与实际的台肩点位置的差值在所述要求范围内时为成功检测。
CN201610831861.3A 2016-09-19 2016-09-19 一种基于扭矩信号的特殊扣拧接质量的监测方法 Active CN106500903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610831861.3A CN106500903B (zh) 2016-09-19 2016-09-19 一种基于扭矩信号的特殊扣拧接质量的监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610831861.3A CN106500903B (zh) 2016-09-19 2016-09-19 一种基于扭矩信号的特殊扣拧接质量的监测方法

Publications (2)

Publication Number Publication Date
CN106500903A CN106500903A (zh) 2017-03-15
CN106500903B true CN106500903B (zh) 2019-01-15

Family

ID=58290511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610831861.3A Active CN106500903B (zh) 2016-09-19 2016-09-19 一种基于扭矩信号的特殊扣拧接质量的监测方法

Country Status (1)

Country Link
CN (1) CN106500903B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4259869A (en) * 1977-10-07 1981-04-07 Atlas Copco Aktiebolag Method and apparatus for inspection and fail-safe control of threaded joint tightening processes
DE3247618A1 (de) * 1982-12-23 1984-07-05 Deutsche Gardner-Denver Gmbh, 7081 Westhausen Verfahren zum anziehen von schraubverbindungen
CN102169339A (zh) * 2011-01-18 2011-08-31 洛阳锐腾机械技术有限公司 接箍拧接扭矩图形实时显示及存档的方法
CN103335766A (zh) * 2013-06-07 2013-10-02 天津钢管集团股份有限公司 特殊扣石油套管接箍拧接信息采集处理系统及扭矩标定方法
CN204532141U (zh) * 2015-02-06 2015-08-05 江苏常宝钢管股份有限公司 一种油套管与接箍拧接j值的精准控制装置
CN204807249U (zh) * 2015-06-18 2015-11-25 中国石油天然气股份有限公司 拧扣机扭矩校准装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4259869A (en) * 1977-10-07 1981-04-07 Atlas Copco Aktiebolag Method and apparatus for inspection and fail-safe control of threaded joint tightening processes
DE3247618A1 (de) * 1982-12-23 1984-07-05 Deutsche Gardner-Denver Gmbh, 7081 Westhausen Verfahren zum anziehen von schraubverbindungen
CN102169339A (zh) * 2011-01-18 2011-08-31 洛阳锐腾机械技术有限公司 接箍拧接扭矩图形实时显示及存档的方法
CN103335766A (zh) * 2013-06-07 2013-10-02 天津钢管集团股份有限公司 特殊扣石油套管接箍拧接信息采集处理系统及扭矩标定方法
CN204532141U (zh) * 2015-02-06 2015-08-05 江苏常宝钢管股份有限公司 一种油套管与接箍拧接j值的精准控制装置
CN204807249U (zh) * 2015-06-18 2015-11-25 中国石油天然气股份有限公司 拧扣机扭矩校准装置

Also Published As

Publication number Publication date
CN106500903A (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
Artyushenko et al. Statistical characteristics of envelope outliers duration of non-Gaussian information processes
CN103674062B (zh) 基于Allan方差与ARMA模型分析提高陀螺仪测量精度的方法
CN103279636B (zh) 一种确定树木年龄的方法
CN105447298A (zh) 一种储层分析的方法及其应用
CN111241660B (zh) 一种基于云计算技术的土木工程实验检测系统及方法
CN117556366B (zh) 基于数据筛选的数据异常检测系统及方法
CN106500903B (zh) 一种基于扭矩信号的特殊扣拧接质量的监测方法
CN104180822A (zh) 一种变形监测基准点稳定性检验方法
CN107870894B (zh) 一种计算乘潮水位及其延时的条件概率方法
CN105547957A (zh) 土壤下渗湿润峰吸力和降雨初损量计算方法
CN109902345A (zh) 基于极限分析下限定理的二维边坡极限荷载求解方法
CN105095649B (zh) 建筑物倾斜角度的数据分析方法和系统
CN116595345B (zh) 一种自动化次洪划分与退水修正方法及系统
CN111199109B (zh) 基于计盒维数与聚类分析用于划分岩体均质区的耦合方法
CN113687411B (zh) 一种基于微地震的地应力方位预测方法
CN109341650B (zh) 一种基于最小检测代价的无人机高程误差双门限修正方法
CN109670143B (zh) 一种环境激励下土木工程结构振动频域响应信号统计规律检测方法
CN110610187A (zh) 一种基于贝叶斯网络的土质边坡坍塌事故诊断方法
CN106525716B (zh) 一种钢管套管接箍连接的关键点自动检测方法
Nasta et al. Prediction of unsaturated relative hydraulic conductivity from Kosugi's water retention function
CN109145258A (zh) 基于非线性拟合的威布尔分布参数置信区间估计方法
CN109101778A (zh) 基于性能退化数据和寿命数据融合的Wiener过程参数估计方法
Davis et al. Statistical Methods for Data Analysis
CN108491606B (zh) 一种材料强度分布获取方法
CN111881800A (zh) 基于ar模型和自助检验的钢管混凝土脱空缺陷检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant