公开(公告)号：CN115859742A

公开(公告)日：2023-03-28

申请号：CN202211739822.2

申请日：2022-12-31

Applicant: 中国海洋大学 ,  西南交通大学

Inventor： 田晓洁 ,  王震 ,  刘贵杰 ,  王泓晖 ,  张海柱 ,  郑庆 ,  丁国富

IPC: G06F30/23 ,  G06F30/27 ,  G06F111/06 ,  G06F119/02

Abstract: 本发明公开一种基于粒子群算法的有限元模型修正方法及其系统，通过确定可调参数，并构建有限元模型；基于所述有限元模型，进行有限元分析；获取全局粒子数据，并进行区间内寻优；对寻优结果进行判定，是否符合预设条件，若不符合预设条件，则重新进行区间内寻优；若符合预设条件，则进行带权重的模型修正。采用粒子群算法进行有限元模型的修正不仅能够更快速、更便捷的寻找到全局最优，而且得到的结果更加精准，进而通过权重值对有限元模型的不同模态进行赋值修正，能够进一步提高有限元模型和实体模型的高度一致性。

公开(公告)号：CN111260125A

公开(公告)日：2020-06-09

申请号：CN202010032787.5

申请日：2020-01-13

Applicant: 西南交通大学

Inventor： 邹益胜 ,  蒋雨良 ,  丁国富 ,  黎荣 ,  张海柱

IPC: G06Q10/04 ,  G06F30/20 ,  G06N3/04 ,  G06N3/08 ,  G01K13/00 ,  G01K1/14

Abstract: 本发明公开了一种轨道车辆部件的温度异常检测方法。根据行车安全的需要，确定一个或多个部件作为温度异常的待检测对象。构建轻量级梯度提升机模型，确立车辆各项行车参数对于单个待检测对象温度预测的重要性；基于温升滞后速度的特性，确定预测温度所需要的特征的输入时间步长；结合待检测部件的空间位置分布与皮尔逊系数分析同车部件相互关系，基于同类待检测部件概念，对多个待检测对象的温度同时进行预测；构建预测模型，用卷积网络对时序信号进行预测，得到真实温度与预测温度的残差值；将得到的残差值按照同类部件概念在二维空间进行描绘，使用孤立森林方法对残差进行异常检测，对轨道车辆行车过程中的部件温度异常提前预警。

公开(公告)号：CN111207938A

公开(公告)日：2020-05-29

申请号：CN202010033722.2

申请日：2020-01-13

Applicant: 西南交通大学

Inventor： 邹益胜 ,  蒋雨良 ,  丁国富 ,  黎荣 ,  张海柱

IPC: G01M17/08 ,  G01M17/10 ,  G01M13/04 ,  G01K13/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种铁道车辆故障检测方法。根据行车安全的需要，确定一个或多个部件作为监测异常的待检测对象。构建轻量级梯度提升机模型，确立车辆各项行车参数对于单个待检测对象温度或形变量预测的重要性；确定预测变量所需要的特征的输入时间步长；结合待检测部件的空间位置分布与皮尔逊系数分析同车部件相互关系，基于同类待检测部件概念，对多个待检测对象的变量同时进行预测；构建预测模型，用卷积网络对时序信号进行预测，得到真实值与预测值的残差值；将得到的残差值按照同类部件概念在二维空间进行描绘，使用孤立森林方法对残差进行异常检测，对轨道车辆行车过程中监测到的部件异常提前预警。

公开(公告)号：CN104898414A

公开(公告)日：2015-09-09

申请号：CN201510145441.5

申请日：2015-03-31

Applicant: 西南交通大学

Inventor： 张剑 ,  邹益胜 ,  黎荣 ,  丁国富 ,  姜杰 ,  张海柱 ,  应雷 ,  黄文培

IPC: G05B13/04

Abstract: 本发明提供了一种高速列车动力学性能设计关键参数识别方法，涉及高速列车在动力学仿真设计分析领域，它能有效地利用单输出LM神经网络代理模型，将高速列车整机设计融入到多学科全局仿真设计中。包括以下步骤：首先利用高速列车多刚体动力学物理模型和仿真模型，确定高速列车动力学性能输入输出设计空间，并且利用专家领域知识，提取高速列车动力学性能设计参数和响应指标来缩减设计空间；其次,采用LM算法对神经网络的权值和阈值进行调整，以提高单输出神经网络的收敛速度和收敛精度，按照神经网络中输入参数相对于输出值的灵敏度公式，计算出灵敏度；最后,进行高速列车设计参数的灵敏度分析和关键参数识别。主要用于高速列车动力学分析和设计。

公开(公告)号：CN115544775B

公开(公告)日：2025-03-28

申请号：CN202211258400.3

申请日：2022-10-14

Applicant: 西南交通大学

Inventor： 丁国富 ,  谢家翔 ,  潘家庆 ,  郑庆 ,  张海柱

IPC: G06F30/20 ,  G06F111/10

Abstract: 本发明公开了一种数字孪生车间多维多层级模型构建与动态配置方法，具体为：将数字孪生车间多维虚拟模型定义为信息模型、可视化模型和机理模型三个维度，其中可视化模型是数字孪生车间多维多层级模型的可视化展示，机理模型表达了生产车间的生产运行逻辑和机理，信息模型则集成了生产车间运行数据；在构建数字孪生车间多维多层级模型相关子模型后，分为执行前仿真验证、执行中实时监控、执行后优化迭代三个阶段对多维多层级模型进行融合。本发明实现了能够面向车间运行管控、优化等应用的数字孪生车间多维多层级模型构建，明确了建模基本步骤，提高了建模效率，提高模型准确率。

公开(公告)号：CN119646643A

公开(公告)日：2025-03-18

申请号：CN202411676612.2

申请日：2024-11-22

Applicant: 西南交通大学

Inventor： 黎荣 ,  沈煜华 ,  张海柱 ,  何旭 ,  梅欢欢

IPC: G06F18/2411 ,  G06F18/10 ,  G06F16/35 ,  G06F16/353 ,  G06N3/0442 ,  G06F16/951 ,  G06F18/22 ,  G06F8/10 ,  G06N5/01

Abstract: 本发明涉及一种复杂产品多主体需求挖掘与重要度分析方法。基于主体判断要素确定复杂产品的需求主体；构建信息质量框架；基于自然语言处理技术对低质量数据进行噪声过滤；基于语义相似度与需求主体权重进行多主体需求融合；构建结合犹豫模糊集与Kano的可能度模型；结合信息熵计算技术初始权重；最后，基于组合赋权计算多主体需求的整体权重，得到多主体需求权重排序结果。本发明通过结合自然语言处理、深度学习、改进Kano模型等多项技术，实现了一种进行复杂产品多主体需求挖掘与重要度分析的技术方案，为企业进行产品需求开发和产品设计制造提供决策依据。

公开(公告)号：CN114282709B

公开(公告)日：2024-11-15

申请号：CN202111417327.5

申请日：2021-11-26

Applicant: 中国海洋大学 ,  西南交通大学

Inventor： 房鑫 ,  王泓晖 ,  刘贵杰 ,  谢迎春 ,  穆为磊 ,  田晓洁 ,  冷鼎鑫 ,  马鹏磊 ,  丁国富 ,  张海柱

IPC: G06N5/04 ,  G06F17/18 ,  G06F30/25

Abstract: 本发明提出一种基于数字孪生的结构件疲劳裂纹扩展预测方法，建立了基于局部样本密化的应力强度因子—高斯过程代理模型，采用局部样本密化的样本生成方法，建立面向裂纹扩展的复合型变幅载荷下的动态贝叶斯网络模型，将裂纹扩展过程中所存在的不确定性因素作为模型的状态节点，同时也可以融合应力强度因子—高斯过程代理模型以及载荷次序效应模型，实现在载荷变角度变幅值下的裂纹扩展寿命及路径的预测；建立起基于粒子滤波的不确定性参数推理算法，利用基于数字孪生的结构件数据采集系统所采集到的关键数据，实现逐步的降低多种不确定性因素共同作用时对于裂纹扩展过程的影响。

公开(公告)号：CN114444206B

公开(公告)日：2024-08-30

申请号：CN202210101053.7

申请日：2022-01-27

Applicant: 西南交通大学

Inventor： 黎荣 ,  张海柱 ,  何旭 ,  丁国富 ,  王帅虎

IPC: G06F30/15 ,  G06F30/12 ,  G06F119/14

Abstract: 本发明涉及一种基于MBSE的高速列车制动系统建模方法，包括以下步骤，步骤1：构建基于RFLP的高速列车制动系统MBSE建模流程；步骤2：高速列车制动系统需求分析建模；步骤3：高速列车制动系统功能分析建模；步骤4：高速列车制动系统架构分析与综合。本发明提出的技术方案解决了需求、设计一致性不强，需求可追溯性较差，设计信息可重用性不足的技术问题。

公开(公告)号：CN114611313B

公开(公告)日：2024-08-20

申请号：CN202210274574.2

申请日：2022-03-21

Applicant: 西南交通大学

Inventor： 郑庆 ,  丁国富 ,  张海柱 ,  张楷 ,  刘贵杰 ,  王泓辉

IPC: G06F30/20 ,  G06F119/04 ,  G06F119/14

Abstract: 本发明提供了一种基于模型融合的复杂产品数字孪生构建与应用方法，涉及复杂产品数字孪生技术领域。所述数字孪生由信息模型、机理模型和领域模型融合而成，在真实数据驱动下提供评估、预测和优化孪生应用服务，包含以下方法步骤：根据物理产品运行环境和运行过程，建立状态信息模型、提取运行工况数据集；根据物理产品的结构组成，建立虚拟映射模型；根据物理产品的运行规律，建立机理模型；在计算机系统中模拟物理产品运行过程，提取状态数据建立孪生信息模型；采用评估、预测和优化类领域模型，修正机理模型、预测物理产品行为和状态、优化物理产品结构和运行。本发明能够在产品不同业务活动中开展有效孪生构建和应用。

公开(公告)号：CN116306645A

公开(公告)日：2023-06-23

申请号：CN202211740134.8

申请日：2022-12-31

Applicant: 西南交通大学

Inventor： 张海柱 ,  丁国富 ,  郑庆 ,  王淑营 ,  江磊

IPC: G06F40/295 ,  G06F40/216 ,  G06F40/30 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/047

Abstract: 本发明公开了一种基于规则与条件随机场混合模式的复杂命名实体的识别方法，包括：基于预设的规则模板提取输入文本的时空实体识别结果；基于条件随机场预测输入文本的最优标签序列；基于时空实体识别结果和最优标签序列输出复杂命名实体的识别结果。本发明通过构建预设的规则模板提取输入文本的时空实体识别结果，增加输入文本中时空实体的先验知识，有效克服了面向智能制造的相关语料对于时间、地点类型的命名实体标注较少的问题，并通过条件随机场预测输入文本的最优标签序列后，基于时空实体识别结果和最优标签序列输出复杂命名实体的识别结果，解决了传统的应用于智能制造领域的命名实体识别方法存在的识别准确率低下的问题。