-
公开(公告)号：CN119646575A
公开(公告)日：2025-03-18
申请号：CN202411708855.X
申请日：2024-11-27
Applicant: 华东交通大学
IPC: G06F18/24 , G01M17/08 , G06F18/25 , G06N3/0464 , G06F18/15
Abstract: 本发明属于铁路转向架检测技术领域，具体涉及基于多传感器融合与YOLOv8算法的铁路转向架智能故障检测系统，包括多维数据采集模块、数据预处理模块、融合处理模块、故障识别模块和告警模块。该发明通过对采集的多维度数据进行汇总分析，实现了对铁路转向架状态的实时监控和故障的快速识别，使得正常状态下的铁路转向架能够快速的被筛选出来，以此缩短了铁路转向架的检测时间，对于异常的铁路转向架而言，方会进行相应的逐一核对工作，此外，对于故障的铁路转向架而言，还会对其进行故障等级进行分类，从而便能够确定同批次进行检测的铁路转向架的维保优先级，确保铁路转向架的维护工作有序进行，提高了铁路运营的安全性和效率。
-
公开(公告)号：CN119394261A
公开(公告)日：2025-02-07
申请号：CN202411511383.9
申请日：2024-10-28
Applicant: 华东交通大学 , 中铁武汉电气化设计研究院有限公司
Abstract: 本发明属于沉降自动化监测技术领域，具体涉及一种基于3DGIS的铁路桥隧沉降自动监测装置及方法，包括观测点标识、校准点标识以及基准点观测台，所述基准点观测台的内部可拆卸式安装有用于进行检测工作的自动全站仪，所述基准点观测台内部的一侧设置有联动做功组件，所述基准点观测台内部并位于联动做功组件的下方设置有储能组件，所述基准点观测台内部并远离联动做功组件的一侧设置有用于净化内部气体环境的净气组件，所述基准点观测台的顶部可拆卸式组装有用于保护自动全站仪的防护罩。本发明能够改善自动全站仪的工作环境，且没有额外持续性电力消耗的过程，同时提供出能够应对基准点沉降的监测方法。
-
公开(公告)号：CN117011280B
公开(公告)日：2025-01-17
申请号：CN202311069716.2
申请日：2023-08-24
Applicant: 华东交通大学
Abstract: 本发明为基于点云分割的3D打印混凝土墙质量监测方法及系统，所述监测方法包括以下内容：获取3D打印混凝土墙施工过程中的点云数据并将点云坐标进行归一化处理；构建神经网络模型PSC‑Net，获得已打印的混凝土墙施工层的边界点云；基于获得已打印的混凝土墙施工层的边界点云进行层高监测，直接跳过层高计算步骤，通过检测偏离点的数量来进行层高检测，大大提升了检测效率。可以实现实时监测和分析施工数据，及时发现问题并采取措施，优化施工方案，确保施工安全和质量。
-
公开(公告)号：CN118337512A
公开(公告)日：2024-07-12
申请号：CN202410598657.6
申请日：2024-05-15
Applicant: 华东交通大学
IPC: H04L9/40
Abstract: 本发明属于网络信息安全技术领域，具体涉及一种基于深度学习的网络信息入侵检测预警系统及方法。该发明，利用深度学习技术进行网络异常检测，可以提高检测准确性，减少误报和漏报的情况，通过实时收集和分析网络数据，能够及时发现入侵行为，有助于快速响应和处理，整个过程可以自动化进行，减轻了网络管理员的工作负担，提高了网络安全管理的效率，将网络流量和任务数据综合考虑，能够更全面地评估网络安全状况，降低漏报的风险，整个过程可以自动化进行，减少了人工干预的需要，提高了效率和可靠性。
-
公开(公告)号：CN111680159B
公开(公告)日：2023-08-29
申请号：CN202010532007.3
申请日：2020-06-11
Applicant: 华东交通大学
Abstract: 本申请公开一种数据处理方法、装置、电子设备及存储介质。该方法包括：获取待处理词向量，继而获取基于所述待处理词向量确定的多头注意力向量，再基于所述第一多头注意力向量获取与所述句子对应的第一隐藏语义表示，以及基于所述第二多头注意力向量获取与所述目标词对应的第二隐藏语义表示，继而基于所述第一隐藏语义表示以及所述第二隐藏语义表示获取分类特征向量，然后基于所述分类特征向量获取所述句子的情感极性类别，以对所述句子进行情感分类。实现了通过获取基于待处理词向量确定的多头注意力向量，以获得与句子和目标词对应的融合了句子的全句语义的向量表示，从而使得分类特征向量的分类结果更加准确，进而可以提升情感分类的准确度。
-
Patent Agency Ranking
公开(公告)号：CN116630282A
公开(公告)日：2023-08-22
申请号：CN202310627051.6
申请日：2023-05-31
Applicant: 华东交通大学
IPC: G06T7/00 , G06T7/60 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本发明为基于深度学习的3D打印桥预制箱梁施工质量监测系统，包括：数据(图像)收集处理模块，通过工业相机对打印区域进行图像采集及处理；数据标注与模型训练模块，与所述的数据(图像)收集处理模块连接，构建用于目标检测与测量的收敛模型；信息校准与存储模块，与所述的数据标注与模型训练模块连接，将测试集输入到训练后的目标检测算法，采用校准算法对转换函数模块中的换算比M进行修正，以校准后的换算比M’更新转换函数模块，获得校准后的收敛模型；缺陷检测与分析模块；预警与提示处理模块。不仅能够实现减少人工成本、提升打印效率、保证打印产品的质量，同时也能使追求更大规模建筑级别的3D打印实现成为可能。
-
公开(公告)号：CN114155009A
公开(公告)日：2022-03-08
申请号：CN202111478242.8
申请日：2021-12-06
Applicant: 华东交通大学
Abstract: 本申请实施例公开了一种欺诈检测方法、装置、电子设备及存储介质。所述方法包括：获取与检测内容相关的多个同构图数据，所述多个同构图数据各自对应的元路径模式不同，所述同构图数据包括待检测节点、所述待检测节点的邻居节点、以及基于元路径模式建立的连接所述待检测节点与所述邻居节点之间的路径；将所述多个同构图数据输入到训练好的异构神经网络模型，获取所述异构神经网络输出的所述待检测节点的表示向量；将所述待检测节点的表示向量输入训练好的检测模型中，以对所述待检测节点进行检测。通过上述方法，可以提高对待检测节点进行检测的检测精度。
-
公开(公告)号：CN107249208B
公开(公告)日：2020-10-30
申请号：CN201710338816.9
申请日：2017-05-15
Applicant: 华东交通大学
Abstract: 本发明涉及一种非易失性网络节点数据存储方法，应用于智能家居系统的局域网中，局域网包括协调器及终端节点。该方法包括步骤：使协调器启动并建立网络，将协调器及终端节点设置为采用非易失性存储器进行数据存储；初始化协调器，在非易失性存储器中分配需要的内存空间；使协调器将用于保存终端节点信息的绑定表存储在非易失性存储器中；使协调器读取非易失性存储器中的绑定表信息，并查询是否存在终端节点的信息；若存在，则读取终端节点的信息，若不存在，则将终端节点的信息添加至绑定表中，并将更新后的绑定表信息存储至非易失性存储器中。上述的方法能够提高网络稳定性，且在协调器断重启后能够及时恢复网络节信息，以解决上述技术问题。
-
公开(公告)号：CN106888272B
公开(公告)日：2020-05-19
申请号：CN201710233312.0
申请日：2017-04-11
Applicant: 华东交通大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于第三方推送平台的客户端消息刷新方法，应用于智能家居系统。所述智能家居系统包括底层设备、智能主机、云服务器以及客户端，所述客户端用于与所述云服务器通信，并通过所述云服务器及所述智能主机控制所述底层设备工作。所述基于第三方推送平台的客户端消息刷新方法包括步骤：所述智能家居系统在底层设备状态改变时，将设备状态报文发送至第三方推送平台；所述第三方推送平台将设备状态报文发送至客户端消息推送服务器；以及，所述客户端消息推送服务器将设备状态报文推送至客户端。上述基于第三方推送平台的客户端的消息刷新方法，其能够提高客户端设备状态刷新的实时性、减轻云服务器及客户端内存的压力。
-
公开(公告)号：CN110763251A
公开(公告)日：2020-02-07
申请号：CN201910996260.1
申请日：2019-10-18
Applicant: 华东交通大学
Abstract: 本申请实施例公开了一种视觉惯性里程计优化的方法及系统。通过获取IMU数据以及视觉图像数据；提取视觉图像数据的点线特征数据；对IMU数据进行预积分处理，得到尺度信息以及IMU变量；基于尺度信息对点线特征数据进行联合初始化，得到点线特征像素灰度值；计算相邻两帧视觉图像之间的IMU更新量；结合IMU更新量获取新的位姿；判断不同帧图像是否满足目标条件；若满足，获取关键帧；将关键帧、位姿、目标点线特征数据、预先配置的加速度零偏和陀螺仪零偏、以及IMU速度加入到滑动窗口中，得到边缘化先验；获取IMU残差以及视觉残差，并基于边缘化先验、IMU残差以及视觉残差对视觉图像估计进行优化处理，可以实现消除误差累积，得到视觉图像的最优轨迹。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.042 seconds)
