-
公开(公告)号：CN112734094B
公开(公告)日：2023-11-24
申请号：CN202011620731.8
申请日：2020-12-30
Applicant: 中南大学
IPC: G06F18/241 , G06F30/27 , G06F18/213 , G06F18/2321 , G06N3/047 , G06N3/084 , G06F111/06
Abstract: 本发明公开了一种智慧城市智轨车辆故障基因预测方法及系统，采集列车部件的振动数据Xh(0)＝[e1,e2,e3,...,en]∈R，其中，e1,e2,...,en代表列车上每一个采样点的振动信息；将所述振动数据编码为DNA序列，提取所述DNA序列的特征，并排列组合以形成可预测的DNA序列，即候选车辆部件故障基因；利用所述候选车辆部件故障基因训练ESNs深度回声状态网络，得到预测模型。本发明可以准确预测车辆故障。
-
公开(公告)号：CN108805907B
公开(公告)日：2022-03-29
申请号：CN201810578415.5
申请日：2018-06-05
Applicant: 中南大学
Abstract: 本发明公开了一种行人姿势多特征智能辨识方法，包括以下几个步骤：步骤1：构建行人样本图像数据库；步骤2：对行人样本数据库中的行人图像帧进行预处理，并对预处理后的图像设置行人检测框、行人目标标识以及行人位置标签向量；步骤3：构建基于极限学习机的行人检测模型；步骤4：构建基于BP神经网络的行人跟踪模型；步骤5：行人轨迹实时跟踪辨识；该方法在行人跟踪检测采用基于BP神经网络的方法，可对行人实现快速有效的检及标记，能够满足实际交通环境中对紧急情况即时识别的要求，也适用于智能化工厂，实验室，机器人运载等复杂环境下，有利于现代交通智能化，工业智能化的提高。
-
公开(公告)号：CN109034478B
公开(公告)日：2021-09-24
申请号：CN201810844574.5
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种高速铁路沿线大风迭代竞争高精度预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用SVM、PID神经网络以及极限学习机，对去噪后的风速数据进行训练，构建各测风站在各步长下的各种风速预测模型；选用最优步长对应的风速预测模型，进行风速预测，提高预测精度，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN112816052A
公开(公告)日：2021-05-18
申请号：CN202110003658.8
申请日：2021-01-04
Applicant: 中南大学
IPC: G01H1/00 , G01H1/04 , G01H1/08 , G01H1/12 , G01H1/16 , G01M17/08 , G06F30/15 , G06F30/27 , G06F111/06
Abstract: 本发明公开了一种列车车室振动监测方法、振动信号特征库建立及应用方法，采用非侵入式列车车室振动监测方法，实际监测时仅需获取列车车室内总测点的振动信号，避免传感器冗余，节省成本，有利于列车轻量化，准确真实地反映出振源位置与相位偏移、幅值衰减之间的关系，能够监测未知振源的振动情况，能够识别振源的异常振动，从而为异常振动处理提供依据；能够在仅测量总测点振动信号的基础上实现振源信号的重建，从而实现其多元振动信号特征库的实时更新，且多元振动信号特征库能够为振动信号优化分解、振动信号图像辨识、异常振动信号辨识等提供数据基础。
-
公开(公告)号：CN112734094A
公开(公告)日：2021-04-30
申请号：CN202011620731.8
申请日：2020-12-30
Applicant: 中南大学
IPC: G06Q10/04 , G06F30/27 , G06K9/62 , G06F111/06
Abstract: 本发明公开了一种智慧城市智轨车辆故障基因预测方法及系统，采集列车部件的振动数据Xh(0)＝[e1,e2,e3,...,en]∈R，其中，e1,e2,...,en代表列车上每一个采样点的振动信息；将所述振动数据编码为DNA序列，提取所述DNA序列的特征，并排列组合以形成可预测的DNA序列，即候选车辆部件故障基因；利用所述候选车辆部件故障基因训练ESNs深度回声状态网络，得到预测模型。本发明可以准确预测车辆故障。
-
Patent Agency Ranking
公开(公告)号：CN110376003B
公开(公告)日：2021-01-26
申请号：CN201910676723.6
申请日：2019-07-25
Applicant: 中南大学
IPC: G01M17/08
Abstract: 本发明公开了一种基于BIM的智能列车整车服役寿命预测方法，包括获取列车整车以及列车各个部件的静态数据和工作性能参数；提取列车的各个部件的健康指标时序；预测得到列车整车及列车的各个部件的剩余服役寿命并修正；得到最终的列车整车以及部件的剩余服役寿命预测结果。本发明还公开了实现所述基于BIM的智能列车整车服役寿命预测方法的系统。本发明能够实现对列车服役状态以及外界影响因素的监测，完成外界因素对剩余使用寿命的不确定性影响建模，并提供全面的可视化信息；本发明能够实现对列车的剩余寿命预测，有效提高列车服役性能，且可靠性高、适用性好且评估全面准确。
-
公开(公告)号：CN110361180B
公开(公告)日：2021-01-26
申请号：CN201910676732.5
申请日：2019-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种智能列车受电弓服役性能动态监测与评估方法，包括获取列车受电弓的工作性能参数；提取列车受电弓的各个部件的健康指标时序；预测得到受电弓各部件以及受电弓整体的剩余服役寿命并修正；得到最终的列车受电弓的服役性能动态监测评估结果。本发明还公开了实现所述智能列车受电弓服役性能动态监测与评估方法的系统。本发明能够实现对受电弓服役状态以及外界影响因素的监测，完成外界因素对剩余使用寿命的不确定性影响建模，能够实现对受电弓的剩余寿命预测，有效提高受电弓服役性能，且可靠性高、适用性好且评估全面准确。
-
公开(公告)号：CN109002860B
公开(公告)日：2020-11-24
申请号：CN201810844741.6
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种高速铁路沿线突变风速智能适应性匹配预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用SVM模型，对去噪后的风速数据进行训练，构建各测风站在多种步长下的风速预测模型；选用多种模拟预测时间，提前构建好各种模拟预测时间对应的预测模型的预测迭代向量；进行实际预测时，选择目标预测时间与模拟预测时间匹配的预测迭代向量直接进行预测，即可快速获得准确的风速预测值，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN109726802B
公开(公告)日：2020-11-20
申请号：CN201811643479.5
申请日：2018-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种铁路和风电场环境风速机器学习预测方法，该方法选择多种神经网络模型，建立多种风速预测特征预选模型各100个，通过均方误差分析和相关性分析，选取性能好以及特征独立性强的模型各10个，然后建立多个风速预测集成模型，对风速预测特征进行集成处理，最后建立风速预测归一模型，对风速集成值进行归一处理，并计算预测风速向量与训练样本的风速向量之间的相关性，利用相关性强的对应时刻的风速噪声还原预测风速值，该方法能有效预测非平稳风速，对复杂，非线性风速值具有精准的预测效果。
-
公开(公告)号：CN109711593B
公开(公告)日：2020-11-17
申请号：CN201810846325.X
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种面向瞬时计算决策的高速铁路沿线风速预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用极限学习机，对去噪后的风速数据进行训练，构建各测风站在多种步长下的风速预测模型；提前对利用各种步长构建的预测任务迭代向量进行筛选，获得各模型进行多种步长的最优预测组合，实现多步迭代预测，提高预测精度，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
-
-
-
-
-
-
-
-
Search Results
218
records
(took 0.031 seconds)
