-
公开(公告)号：CN110111012A
公开(公告)日：2019-08-09
申请号：CN201910393518.9
申请日：2019-05-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于稳态图像特征的接触网负荷识别方法，包括：获取列车负荷事件的稳态负荷信号，并进行预处理得到对应的原始V-I曲线图；对原始V-I曲线图二值化处理，得到二值化V-I曲线图；从二值化V-I曲线图中提取5种图形特征，并构建特征向量；利用特征向量构建训练样本，再针对每种负荷类型，均利用训练样本并采用AdaBoost算法训练弱分类器，并集成得到与负荷类型对应的AdaBoost二分类器；将待识别列车负荷事件的特征向量输入至所有AdaBoost二分类器中，将最大输出值所对应的负荷类型作为待识别运行事件的负荷类型。本发明方法在计算上操作简单，对负荷运行事件的识别速度快，而且识别准确率高。
-
公开(公告)号：CN119939956A
公开(公告)日：2025-05-06
申请号：CN202510423282.4
申请日：2025-04-07
Applicant: 中南大学
IPC: G06F30/20 , G06F30/28 , E21D9/06 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种泥水盾构开挖面预防泥饼形成流速分析方法、系统、存储介质及泥水盾构机，方法包括如下步骤：获取当前盾构掘进的渣土物性参数、泥浆参数及地层参数；获得渣土的粘稠指数、不排水抗剪强度、界面剪切强度；获得渣土粘附力、渣土黏聚力和渣土颗粒所受到的流体作用力；建立不同工况下的不同起动方式的临界流速数学模型；获得不同工况下的不同起动方式的泥浆临界流速；获得预防泥饼形成临界流速。本发明能够适应不同工况和不同起动方式，快速确定预防泥饼形成临界流速，避免了传统施工中频繁调试泥浆流速的繁琐过程，显著提高了施工效率。
-
Patent Agency Ranking
公开(公告)号：CN116386884A
公开(公告)日：2023-07-04
申请号：CN202310302330.5
申请日：2023-03-23
Applicant: 中南大学
IPC: G16H50/50
Abstract: 本发明公开了一种老年综合征全景溯源模型训练方法、溯源方法、设备及介质，所述训练方法包括获取老年人行为状态数据集和症状表现数据集；对每个场景下每个老人的行为状态数据进行一次分解；对一次分解得到的K个模式{D1,D2,...,Dk,...,DK}进行二次分解，得到目标高频成分；构建特征提取模型，利用特征提取模型对目标高频成分和K个模式{D1,D2,...,Dk,...,DK}中的低频成分进行特征提取，得到特征向量；由所有场景下所有老人的特征向量构成训练输入样本，以症状表现数据集作为训练输出样本；构建老年综合征全景溯源模型，对老年综合征全景溯源模型进行训练，得到目标老年综合征全景溯源模型。本发明适用于全场景情况下的GS溯源，溯源准确度高。
-
公开(公告)号：CN118942701A
公开(公告)日：2024-11-12
申请号：CN202411041780.4
申请日：2024-07-31
Applicant: 中南大学
IPC: G16H50/30 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/26
Abstract: 本发明提供了一种基于生成对抗网络和UNet的肺结节风险预测方法及设备，本发明通过生成对抗网络和条件生成对抗网络处理健康肺部CT图像和肺结节患病肺部的CT图像，丰富了数据样本的多样性，提高了模型的泛化能力；UNet模型接收真实以及生成的肺部CT图像作为输入，从肺部CT图像中分割出病变区域；通过跳跃连接使得特征图能够在编码器和解码器的对应层次之间进行信息传递，从而增强了模型的分割能力和病变区域检测的准确性；本发明可以很好地捕捉复杂特征和识别微小病变，提高了肺结节风险预测的准确性。
-
公开(公告)号：CN112650204B
公开(公告)日：2021-12-24
申请号：CN202011616264.1
申请日：2020-12-30
Applicant: 中南大学
IPC: G05B23/02
Abstract: 本发明公开了一种智慧轨道无人驾驶车辆故障基因识别方法及系统，采用基于增量式网络爬虫方法获取列车历史振动数据；对所述振动数据的振动幅度EA，振动周期ET进行预处理，输出新的X；将X作为故障检测模块的输入，检测故障序列后，输出故障序列数据E；将所述故障序列数据E作为降维模型的输入，输出可编码的基因序列I1,I2,I3,I4；将所述可编码的基因序列I1,I2,I3,I4整合为DNA序列S＝S1,S2,S3,...,SN，提取所述DNA序列的碱基特征，并排列组合所述碱基特征，形成可预测的预判定候选车辆部件故障基因Vs；利用所述候选车辆部件故障基因训练双向长短时记忆网络深度学习模型，得到分类模型。本发明可以准确识别车辆故障的位置及类型。
-
公开(公告)号：CN112836577A
公开(公告)日：2021-05-25
申请号：CN202011616139.0
申请日：2020-12-30
Applicant: 中南大学
Abstract: 本发明公开了一种智慧交通无人驾驶车辆故障基因诊断方法及系统，虚拟LabVIEW图形化数据采集系统与现有CAN、车载以太网和WiFi的结合为大量历史数据需求提供了保障，大数据车载互联、车辆故障信息检测、基因信号转化、可编码的基因序列特征提取、故障模块的DNA序列模板库搭建、深度学习人工智能建模相互配合，准确识别车辆故障的位置及类型。
-
公开(公告)号：CN110232415A
公开(公告)日：2019-09-13
申请号：CN201910506772.5
申请日：2019-06-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于生物信息特征的列车转向架故障识别方法，包括：获取列车转向架的历史振动信号，并进行预处理转化为人工DNA序列；通过滑动窗口法获取所有窗口序列，并从中选择满足预设要求的特征序列；以人工DNA序列中四个碱基的含量、序列长度以及各特征序列的数量，作为人工DNA序列的基因特征向量；利用人工DNA序列的基因特征向量构建训练样本，并针对每种故障类型均训练相应的LPBoost二分类器；从而在故障检测时，将相应的基因特征向量输入至每个LPBoost二分类器，通过投票表决方法确定待检测列车转向架的故障类型。本发明通过挖掘导致各故障类型的特征序列，从而实现准确地进行多种故障类别的识别与分类。
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
