-
公开(公告)号：CN115700494B
公开(公告)日：2023-06-30
申请号：CN202211127267.8
申请日：2022-09-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F16/215 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/0495 , G06N3/0985 , G06N5/04
Abstract: 本发明提出一种基于贝叶斯推理的轨道交通监测数据清洗方法及系统。所述方法包括稀疏贝叶斯极限学习机模型的训练、根据模型划分数据集实现异常概率的计算、异常值的迭代求解识别等。本发明所述方法通过训练好的稀疏贝叶斯极限学习机模型为基准，并通过计算数据点的预测误差划分规律数据集和可疑数据集，进而计算可疑数据集中数据点的异常概率来更新数据集，最终不断迭代识别异常值。本发明所述方法通过计算数据点的异常概率，可以做到量化数据点的异常程度，通过循环往复不断迭代从而达到数据清洗的目的，能够为轨道交通结构健康监测领域提供一种有效的数据预处理手段。
-
公开(公告)号：CN115618209A
公开(公告)日：2023-01-17
申请号：CN202211130830.7
申请日：2022-09-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/20 , G06F18/214 , G06N20/00 , G06Q10/063 , G06Q50/30 , B61L23/06
Abstract: 本发明提出基于稀疏极限学习机和假设检验的铁路轨道状态评估方法。本发明所述方法应用于某小半径曲线铁路轨道结构的长期监测数据分析中。通过结构温度场和多个测点的应变、位移响应长期监测数据训练了稀疏贝叶斯极限学习机概率预测模型，获得了结构温度场和应变及相对位移的预测关系，实现了基于温度监测数据对结构响应的可靠预测。采用贝叶斯假设检验方法对比了后续结构响应的稀疏贝叶斯极限学习机概率预测结果和实际监测数据，实现了轨道结构服役状态的有效评估。此方法考虑了监测数据采集误差和质量不统一引起的结构响应预测结果的不确定性，在概率统计意义上实现了轨道结构状态评估，有效地提升了其鲁棒性。
-
公开(公告)号：CN115618273B
公开(公告)日：2023-06-30
申请号：CN202211121446.0
申请日：2022-09-15
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G01D21/02
Abstract: 本发明提出一种基于并行图卷积神经网络的铁路轨道状态评估方法及系统。所述方法包括选择数据异常识别通道和数据整理、并行图卷积神经网络模型设计、训练模型并利用模型预测、通过预测结果判断数据异常情况以及利用有向图分析修正预测结果、根据异常结果对铁路轨道状态进行评估。本发明是针对铁路轨道异常状态评估的方法，利用多个并行图卷积层对数据进行图卷积运算并在融合层进行融合，预测结果不会过度依赖单个测点，提高了预测精度。若出现异常漂移数据，可以利用有向图进行分析，对预测结果进行修正。所述方法具有预测结果受异常数据影响小以及统一利用多种类型传感器类型数据实现铁路轨道状态评估等优势。
-
Patent Agency Ranking
公开(公告)号：CN115618273A
公开(公告)日：2023-01-17
申请号：CN202211121446.0
申请日：2022-09-15
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G01D21/02
Abstract: 本发明提出一种基于并行图卷积神经网络的铁路轨道状态评估方法及系统。所述方法包括选择数据异常识别通道和数据整理、并行图卷积神经网络模型设计、训练模型并利用模型预测、通过预测结果判断数据异常情况以及利用有向图分析修正预测结果、根据异常结果对铁路轨道状态进行评估。本发明是针对铁路轨道异常状态评估的方法，利用多个并行图卷积层对数据进行图卷积运算并在融合层进行融合，预测结果不会过度依赖单个测点，提高了预测精度。若出现异常漂移数据，可以利用有向图进行分析，对预测结果进行修正。所述方法具有预测结果受异常数据影响小以及统一利用多种类型传感器类型数据实现铁路轨道状态评估等优势。
-
公开(公告)号：CN118883715A
公开(公告)日：2024-11-01
申请号：CN202411048693.1
申请日：2024-08-01
Applicant: 哈尔滨工业大学
IPC: G01N29/04 , G01N29/44 , G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/082 , G06N3/0895 , G06F123/02
Abstract: 本发明提出基于自监督对比学习的轨道剪力绞和阻尼器缺失损伤识别方法。该方法利用切比雪夫滤波器对振动采集到的振动响应数据进行滤波，并利用网格法和双阈值截断方法提取过车时的振动响应信号，搭建基于自监督对比学习的时间序列表征学习模型，以准确识别轨道的损伤。自监督对比学习可以从大量未标注的数据中提取到有价值的信息，可以仅用很少的标签数据就可以实现有效的训练和优异的性能，同时利用对比学习的机制更好的学习数据特性，从而提供更好的识别结果。本发明能在少量标记数据的基础上实现有效的训练和优异的轨道损伤识别性能，从而降低了模型对人工标注数据的依赖性，适用于不方便人工大量标注的情况下实现轨道损伤的高效识别。
-
公开(公告)号：CN118734045A
公开(公告)日：2024-10-01
申请号：CN202411010659.5
申请日：2024-07-26
Applicant: 哈尔滨工业大学
IPC: G06F18/213 , G06N3/0442 , G06N3/08 , G06N3/048 , G06F123/02
Abstract: 本发明提出一种基于条件扩散模型的轨道监测数据时间序列预测方法。所述方法包括训练数据集的预处理，插补缺失值、输入条件网络计算隐藏状态、前向过程增加白噪声、结合隐藏状态训练预测模型，优化条件网络和去噪网络的模型参数以及基于训练好的网络模型生成最终预测结果等过程。本发明所述方法通过条件化处理，使模型能够在特定条件下生成和预测时间序列数据，能够为高铁轨道结构健康监测领域提供一种有效的时间序列数据预测方法。
-
公开(公告)号：CN115618209B
公开(公告)日：2023-06-30
申请号：CN202211130830.7
申请日：2022-09-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F18/20 , G06F18/214 , G06N20/00 , G06Q10/063 , G06Q50/30 , B61L23/06
Abstract: 本发明提出基于稀疏极限学习机和假设检验的铁路轨道状态评估方法。本发明所述方法应用于某小半径曲线铁路轨道结构的长期监测数据分析中。通过结构温度场和多个测点的应变、位移响应长期监测数据训练了稀疏贝叶斯极限学习机概率预测模型，获得了结构温度场和应变及相对位移的预测关系，实现了基于温度监测数据对结构响应的可靠预测。采用贝叶斯假设检验方法对比了后续结构响应的稀疏贝叶斯极限学习机概率预测结果和实际监测数据，实现了轨道结构服役状态的有效评估。此方法考虑了监测数据采集误差和质量不统一引起的结构响应预测结果的不确定性，在概率统计意义上实现了轨道结构状态评估，有效地提升了其鲁棒性。
-
公开(公告)号：CN115700494A
公开(公告)日：2023-02-07
申请号：CN202211127267.8
申请日：2022-09-16
Applicant: 哈尔滨工业大学 , 中铁第四勘察设计院集团有限公司 , 中国铁建股份有限公司
IPC: G06F16/215 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/0495 , G06N3/0985 , G06N5/04
Abstract: 本发明提出一种基于贝叶斯推理的轨道交通监测数据清洗方法及系统。所述方法包括稀疏贝叶斯极限学习机模型的训练、根据模型划分数据集实现异常概率的计算、异常值的迭代求解识别等。本发明所述方法通过训练好的稀疏贝叶斯极限学习机模型为基准，并通过计算数据点的预测误差划分规律数据集和可疑数据集，进而计算可疑数据集中数据点的异常概率来更新数据集，最终不断迭代识别异常值。本发明所述方法通过计算数据点的异常概率，可以做到量化数据点的异常程度，通过循环往复不断迭代从而达到数据清洗的目的，能够为轨道交通结构健康监测领域提供一种有效的数据预处理手段。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
