-
公开(公告)号：CN112883340B
公开(公告)日：2021-07-23
申请号：CN202110482883.4
申请日：2021-04-30
Applicant: 西南交通大学
IPC: G06F17/18
Abstract: 本发明涉及轨道分析技术领域，具体地说，涉及一种基于分位数回归的轨道质量指数阈值合理性分析方法，其包括以下步骤：一、确定合理标准值；二、轨检车数据预处理：包括选取检测数据、里程修正和基于时间序列的峰值异常值处理；三、检测数据分析：通过不同分位数的线性回归得到峰值管理与均值管理对应的半峰值与标准差的倍数关系；以此分析不同运营时速、不同轨道板类型所在线路的均值管理中TQI管理值及各项标准差的合理性，具体包括分位数回归统计分析、指标拟合分析和均值建议管理值分析。本发明能够较佳的分析轨道质量状态。
-
公开(公告)号：CN112329520A
公开(公告)日：2021-02-05
申请号：CN202011011024.9
申请日：2020-09-23
Applicant: 西南交通大学
Abstract: 本发明涉及轴承故障识别技术领域，涉及一种基于生成对抗学习的货车轴承故障识别方法，包括：1、建立轮对振动试验台，设计并制作不同故障类别的滚动轴承，进行测试，获取振动信号；2、数据处理；3、建立一维信号的卷积神经网络模型，将源域数据输入到模型中进行参数预训练；4、通过生成对抗网络模型进行训练；5、利用训练后的生成对抗网络模型合成大量目标域数据，利用合成的数据对卷积神经网络进行二次训练；6、使用所述卷积神经网络对未知数据进行测试。本发明能够利用生成对抗网络模型解决了训练数据量不足的问题，能够结合深度学习方法对各类故障类型的数据进行分类。
-
公开(公告)号：CN112100929B
公开(公告)日：2021-01-29
申请号：CN202011238831.4
申请日：2020-11-09
Applicant: 西南交通大学
Abstract: 本发明涉及轨道动态精调技术领域，涉及一种基于粒子群算法的轨道动态精调方法，包括以下步骤：一、导入不平顺值、轨枕编号及里程坐标；二、计算出水平、轨距、三角坑对应的不平顺值；三、对不平顺值进行插值处理，得到各编号轨枕位置处的不平顺指标；四、设置需要调整的扣件个数N，并将该区段内左右高低、左右轨向绝对值前N大的坐标位置作为待调整扣件；由不平顺值的符号，得到调整量符号；五、得到最大调整单位量U；六、得到初始化调整量；七、利用粒子群算法迭代求解，得到全局最优值。本发明能较佳地实现轨道动态精调。
-
公开(公告)号：CN117557256B
公开(公告)日：2024-03-22
申请号：CN202410047396.9
申请日：2024-01-12
Applicant: 西南交通大学
Abstract: 本发明涉及铁路轨道平顺性维护技术领域，提供一种高速铁路轨道平顺性多任务协调维护方法，其包括以下步骤：1）初始化轨道状态；2）定义自然恶化、大机捣固和轨道精调动作的状态转移概率矩阵；3）初始化轨道维护环境参数；4）初始化贝叶斯深度强化学习代理参数；5）维护环境与模型代理迭代交互和时间步求解。本发明能较佳地进行高速铁路轨道平顺性多任务协调维护。
-
公开(公告)号：CN117557256A
公开(公告)日：2024-02-13
申请号：CN202410047396.9
申请日：2024-01-12
Applicant: 西南交通大学
Abstract: 本发明涉及铁路轨道平顺性维护技术领域，提供一种高速铁路轨道平顺性多任务协调维护方法，其包括以下步骤：1）初始化轨道状态；2）定义自然恶化、大机捣固和轨道精调动作的状态转移概率矩阵；3）初始化轨道维护环境参数；4）初始化贝叶斯深度强化学习代理参数；5）维护环境与模型代理迭代交互和时间步求解。本发明能较佳地进行高速铁路轨道平顺性多任务协调维护。
-
Patent Agency Ranking
公开(公告)号：CN112329520B
公开(公告)日：2023-01-31
申请号：CN202011011024.9
申请日：2020-09-23
Applicant: 西南交通大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/094 , G01M7/02 , G01M13/045
Abstract: 本发明涉及轴承故障识别技术领域，涉及一种基于生成对抗学习的货车轴承故障识别方法，包括：1、建立轮对振动试验台，设计并制作不同故障类别的滚动轴承，进行测试，获取振动信号；2、数据处理；3、建立一维信号的卷积神经网络模型，将源域数据输入到模型中进行参数预训练；4、通过生成对抗网络模型进行训练；5、利用训练后的生成对抗网络模型合成大量目标域数据，利用合成的数据对卷积神经网络进行二次训练；6、使用所述卷积神经网络对未知数据进行测试。本发明能够利用生成对抗网络模型解决了训练数据量不足的问题，能够结合深度学习方法对各类故障类型的数据进行分类。
-
公开(公告)号：CN112231870A
公开(公告)日：2021-01-15
申请号：CN202011011062.4
申请日：2020-09-23
Applicant: 西南交通大学
Abstract: 本发明涉及铁路线路技术领域，具体地说，涉及一种复杂山区铁路线路智能化生成方法，其包括以下步骤：一、环境Environment搭建；二、设置环境Environment的各类属性；三、采用强化学习中的DDPG来确定线路的最优路径；3.1、创建一个Memory Buffer；3.2、利用Memory Buffer的存储内容更新DDPG结构参数；3.3、用DDPG优化铁路线路路径，直到线路路径收敛。本发明可大量节省人力物力，有效提升了山区铁路选线的效率和水平。
-
公开(公告)号：CN112215264A
公开(公告)日：2021-01-12
申请号：CN202011013145.7
申请日：2020-09-23
Applicant: 西南交通大学
Abstract: 本发明涉及钢轨磨耗检测技术领域，具体地说，涉及一种基于钢轨光带图像的钢轨磨耗检测方法，其包括以下步骤：一、采集钢轨光带图像和磨耗数据；二、划分数据集，标注钢轨光带图像，并MaskR‑CNN训练；三、根据提取的钢轨光带图像与相对应的磨耗数据训练深度学习模型；四、将训练得到的模型对钢轨磨耗进行检测。本发明测量结果稳定，具有很强的鲁棒性。
-
公开(公告)号：CN112215263A
公开(公告)日：2021-01-12
申请号：CN202011011012.6
申请日：2020-09-23
Applicant: 西南交通大学
Abstract: 本发明涉及钢轨波磨检测技术领域，涉及一种基于深度卷积神经网络的钢轨波磨检测方法，其包括以下步骤：一、拍摄钢轨顶面图像，并保存；二、挑选出长波磨、短波磨和非波磨的图片并标定；三、提取图像中间的钢轨区域；四、创建训练集数据存放文件夹；五、创建测试文件夹；六、将图片按照原图片灰度值的0.6倍、0.8倍、1.2倍和1.4倍进行变换；七、使用DenseNet模型构造深度卷积神经网络；八、将训练集导入构建的深度卷积神经网络模型进行训练；九、将测试集输入到深度卷积神经网络中进行测试，并统计评价指标值。本发明能够实现长、短波磨的有效和高速检测，并实现对光照强度变化的鲁棒性。
-
公开(公告)号：CN118094797A
公开(公告)日：2024-05-28
申请号：CN202410069208.2
申请日：2024-01-17
Applicant: 西南交通大学
Abstract: 本发明公开了一种考虑多弦约束的高速铁路轨道精调优化方法，包括：建立高速铁路轨道精调模型的约束条件；模型建立，构建调整节点的目标函数，从原始数据中推导出评价矩阵；通过生成调整测量向量并将其与原始偏差叠加，获得优化的偏差数据；利用迭代算法，在生成调整测量向量并优化线形后，完成了第1个迭代；对于后续的迭代，使用优化线形作为输入偏差数据；然后，将偏差数据转化为调整空间矩阵和评价矩阵，并在第2次迭代后重新计算优化线形；本发明可应用于日常的轨道不平顺作业维护中，实现精调方案快速输出，避免了人工方案生成的复杂性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.025 seconds)
