-
公开(公告)号：CN110632846A
公开(公告)日：2019-12-31
申请号：CN201910877299.1
申请日：2019-09-17
Applicant: 北京交通大学
IPC: G05B11/42
Abstract: 本发明提供了一种基于二阶ADRC算法的地铁列车速度自动控制方法。该方法包括：由列车的运行目标速度经过跟踪微分器安排过渡过程并提取微分信号后，获得跟踪速度和跟踪加速度；由列车实际运行速度经过扩张状态观测器估计对象状态和不确定扰动作用后获得观测扰动、观测速度和观测加速度；将跟踪速度误差和跟踪加速度误差经过非线性反馈环节后得到输出量，将输出量减去观测扰动和系统增益的倒数的乘积后，得到系统控制量。将系统控制量转化为列车的数学模型的控制力，并将控制力输出给列车的数学模型。本发明结合ADRC算法的优点对速度跟踪误差进行修正，从而减小速度跟踪误差，使得对列车的控制更加精确，能够使得列车更加平稳运行。
-
公开(公告)号：CN110852365B
公开(公告)日：2023-04-18
申请号：CN201911055753.1
申请日：2019-10-31
Applicant: 北京交通大学
IPC: G06F18/2411 , G06F18/214 , G06N3/084
Abstract: 本发明提供了一种基于DBM‑SVM的ZPW‑2000A无绝缘轨道电路故障诊断方法，用以解决人工检测存在随机性、诊断精度低、误差大、周期长的问题。所述诊断方法将原始数据划分为训练样本集和测试样本集，采用训练样本集数据作为DBN的输入数据，提取轨道电路故障原始数据的特征，再采用所提取的轨道电路故障原始数据的特征，训练二叉树型支持向量机多类分类器，而后将测试样本集，送入二叉树型支持向量机多类分类器中进行分类，得出诊断结果。本发明基于DBM‑SVM模型，对ZPW‑2000A无绝缘轨道电路进行故障诊断，诊断性能稳定，精度高、误差小，工作周期短，提高了无绝缘轨道电路故障诊断的效率。
-
Patent Agency Ranking
公开(公告)号：CN110827354B
公开(公告)日：2022-07-22
申请号：CN201911057378.4
申请日：2019-11-01
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于轨旁电网线杆计数的列车定位方法，包括：针对轨旁电网线杆，采用基于卷积神经网络的视觉几何组神经网络分类器算法训练出分类器；通过安装在列车车头中部的高速摄像机采集列车的运行视频；采用图像识别算法识别出所述运行视频的轨道线和消失点；根据所述训练好的分类器，识别出所述消失点右侧的电网线杆，并采用电网线杆计数算法记录当前识别到的电网线杆的总数量；根据当前电网线杆的总数量确定列车的当前位置。本方法可以改善现有列车定位方法成本高昂并且需要定期维护的情况，减轻铁路运输行业的经济负担。
-
公开(公告)号：CN110824919A
公开(公告)日：2020-02-21
申请号：CN201911055770.5
申请日：2019-10-31
Applicant: 北京交通大学
IPC: G05B13/04
Abstract: 本发明提供了一种直流电脑鼠自动控制方法和系统，用以解决电脑鼠控制对象反应速度慢及失步、振荡、碰撞的问题。所述直流电脑鼠自动控制方法，在获取直流电脑鼠当前运行目标速度和实际速度基础上，由运行目标速度获得跟踪速度及跟踪加速度，由实际速度获得观测扰动、观测速度及观测加速度，作差后得到跟踪速度误差和跟踪加速度误差，再经过非线性反馈环节，得到系统控制量，实现对直流电脑鼠的自动控制。本发明利用ADRC算法对直流电脑鼠进行自动控制，有效地减少了电脑鼠运作过程中的速度跟踪误差和加减速切换次数，实现对直流电脑鼠的精确控制，有效减少了直流电脑鼠对目的地的搜索时间、冲刺时间及碰撞次数，提高了搜索成功率。
-
公开(公告)号：CN111062245A
公开(公告)日：2020-04-24
申请号：CN201911054152.9
申请日：2019-10-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于上身姿态的机车司机疲劳状态监测方法，用以解决现有技术中机车司机疲劳状态判断准确度及精度不高的问题。所述机车司机疲劳状态监测方法，通过对比疲劳标签样本和清醒标签样本，获得疲劳数据特征集，输入DBN网络完成RBM的训练得到最优参数值，再将BPNN作为分类器，反向调优后实现二分类，从而构建DBN-BPNN监测模型，再将监测的原始数据输入所述模型完成对司机疲劳状态的判定。本发明解决了原始BPNN的局部最优和不确定性，具有实时性、环境适应性、非接触性和便捷性，对机车司机疲劳度的分析更加精确，有效提高列车安全保障，减少事故发生机率，降低列车运营成本。
-
公开(公告)号：CN110852365A
公开(公告)日：2020-02-28
申请号：CN201911055753.1
申请日：2019-10-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于DBM-SVM的ZPW-2000A无绝缘轨道电路故障诊断方法，用以解决人工检测存在随机性、诊断精度低、误差大、周期长的问题。所述诊断方法将原始数据划分为训练样本集和测试样本集，采用训练样本集数据作为DBN的输入数据，提取轨道电路故障原始数据的特征，再采用所提取的轨道电路故障原始数据的特征，训练二叉树型支持向量机多类分类器，而后将测试样本集，送入二叉树型支持向量机多类分类器中进行分类，得出诊断结果。本发明基于DBM-SVM模型，对ZPW-2000A无绝缘轨道电路进行故障诊断，诊断性能稳定，精度高、误差小，工作周期短，提高了无绝缘轨道电路故障诊断的效率。
-
公开(公告)号：CN110827354A
公开(公告)日：2020-02-21
申请号：CN201911057378.4
申请日：2019-11-01
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于轨旁电网线杆计数的列车定位方法，包括：针对轨旁电网线杆，采用基于卷积神经网络的视觉几何组神经网络分类器算法训练出分类器；通过安装在列车车头中部的高速摄像机采集列车的运行视频；采用图像识别算法识别出所述运行视频的轨道线和消失点；根据所述训练好的分类器，识别出所述消失点右侧的电网线杆，并采用电网线杆计数算法记录当前识别到的电网线杆的总数量；根据当前电网线杆的总数量确定列车的当前位置。本方法可以改善现有列车定位方法成本高昂并且需要定期维护的情况，减轻铁路运输行业的经济负担。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
