-
公开(公告)号：CN116644304A
公开(公告)日：2023-08-25
申请号：CN202310612975.9
申请日：2023-05-26
Applicant: 重庆长征重工有限责任公司 , 西南交通大学
IPC: G06F18/213 , G06F18/22 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F18/241 , G01M13/045 , G01J5/00
Abstract: 本发明涉及异常检测技术领域，公开了一种基于相似性的货车轴承异常特征提取与分类方法，提取方法包括以下步骤：步骤1：采集基础数据；所述基础数据包括货车轴承的时域加速度信号；步骤2：预处理基础数据，并将基础数据划分为训练集和测试集；并将训练集和测试集中的时域数据均转换为频域数据；步骤3：建立孪生网络特征提取模型；且建立得到的孪生网络特征提取模型中设有特征计算网络和与之孪生的孪生网络；特征计算网络与孪生网络的结构相同且参数共享；步骤4：采用孪生网络特征提取模型进行特征提取。本发明能够智能、准确完成针对货车的轴承异常识别分析，有助于识别出货车轴承早期故障，精确度较高且具备实时性。
-
公开(公告)号：CN116644278A
公开(公告)日：2023-08-25
申请号：CN202310612971.0
申请日：2023-05-26
Applicant: 重庆长征重工有限责任公司 , 西南交通大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/048 , G01M13/045 , G01J5/00
Abstract: 本发明涉及异常检测技术领域，公开了一种基于样本筛选和特征提取的双模型轴承异常检测算法，包括以下步骤：步骤1：采集初始数据并进行预处理；所述初始数据为轮对的传递振动加速度信号；步骤2：将预处理后的初始数据按比例划分为训练集和测试集；步骤3：建立样本筛分模型；并采用样本筛分模型筛选出可用于特征提取的正样本和负样本；步骤4：建立特征提取模型；所述特征提取模型包括三元组特征提取网络；步骤5：建立特征分类模型，并对提取后的正样本和负样本进行特征分类，并通过训练分类边界来进行陌生样本的识别任务。本发明能够准确、高效地识别轴承异常，识别精度较高；具有线上线下实时检测效能。
-
公开(公告)号：CN115758061B
公开(公告)日：2023-04-14
申请号：CN202310036679.9
申请日：2023-01-10
Applicant: 西南交通大学
IPC: G06F17/16
Abstract: 本发明涉及铁路轨道精密工程测量技术领域，涉及一种基于邻枕耦合解析计算的轨道不平顺精调方法，其包括以下步骤：1）、确定邻枕关系解析计算公式：2）、实例化解析计算公式中各项参数，确定个性化约束条件；3）、确定调整阈值；4）、确定各位置调整量，控制到阈值范围内；5）、按调整量计算精调后的轨道高低不平顺，找出不能满足要求的轨枕，对这些轨枕或与其相邻的轨枕处的计算调整量进行适当改变；6）、迭代计算，直到所有轨枕处的不平顺都满足要求。本发明提高了精调效率，节省工作量。
-
公开(公告)号：CN112215263B
公开(公告)日：2022-08-02
申请号：CN202011011012.6
申请日：2020-09-23
Applicant: 西南交通大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06T7/00 , G06F16/16 , G06F16/51 , G06N3/04
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：CN112215264B
公开(公告)日：2022-04-12
申请号：CN202011013145.7
申请日：2020-09-23
Applicant: 西南交通大学
IPC: G06K9/62 , G06T7/00 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
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，并进行MaskR‑CNN训练；三、根据提取的钢轨光带图像与相对应的磨耗分类训练深度学习模型；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。
-
Patent Agency Ranking
公开(公告)号：CN113177259A
公开(公告)日：2021-07-27
申请号：CN202110402591.5
申请日：2021-04-14
Applicant: 西南交通大学
IPC: G06F30/15 , G06F30/20 , G06Q10/06 , G06Q50/30 , G06F111/08
Abstract: 本发明涉及高铁轨道技术领域，具体地说，涉及一种基于极值理论的轨道不平顺峰值超限管理方法，其包括以下步骤：一、建立峰值过阈值法模型；二、参数估计；三、动态不平顺峰值管理指标的拟定及合理性评价；本发明采用极值理论中的峰值过阈值法模型，根据一定规则选取阈值，对历史检测值超过阈值的数据进行建模，并运用广义帕累托分布研究并确定新样本序列的分布函数，将既有峰值标准不同等级的容许偏差管理值视为损失值VaRP来反推超限概率，以此来评价既有峰值管理标准的合理性。
-
公开(公告)号：CN112948984A
公开(公告)日：2021-06-11
申请号：CN202110520888.1
申请日：2021-05-13
Applicant: 西南交通大学
IPC: G06F30/15 , G06F30/27 , G06N3/04 , G06N3/08 , G06N7/00 , G01D21/02 , B61K9/08 , G06F111/08 , G06F119/14
Abstract: 本发明公开了一种车载式的轨道高低不平顺峰值区间检测方法，包括数据采集、数据预处理、模型建立及训练、预测评价得到最佳置信区间宽度，仅需要采集车体的三轴振动加速度，角速度及所在位置的地磁强度，不需要在车辆外部安装其余的传感器，且不涉及到车辆各部件的动力学参数，解决了现有存在的检测成本高、检测效率低、检测鲁棒性低的问题，实现长期高频检测，显著的提升了检测效率，本发明方法具有较强适应性和泛化能力，能够适用于桥梁、路基、隧道等各种轨道结构中的高低不平顺峰值区间检测。
-
公开(公告)号：CN112100929A
公开(公告)日：2020-12-18
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：CN118094797B
公开(公告)日：2025-02-11
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。
-
公开(公告)号：CN116304954B
公开(公告)日：2023-07-28
申请号：CN202310505256.7
申请日：2023-05-08
Applicant: 西南交通大学
IPC: G06F18/2433 , G06F18/22 , G06F17/16
Abstract: 本发明提供了一种高速铁路动检车高频采样数据的里程对齐方法及系统，属于轨道交通数据的里程对齐技术领域，方法可以通过系统实现，方法包括：S1.提取轴箱加速度数据中的速度数据和轮轨力数据中的速度数据；S2.对轴箱加速度数据和轮轨力数据进行长单元里程误差修正；S3.对轴箱加速度数据和轮轨力数据进行短单元里程误差修正。本发明可以大幅提高动检车高频采样数据的分析的精确性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.095 seconds)
