-
公开(公告)号：CN111861219A
公开(公告)日：2020-10-30
申请号：CN202010711200.3
申请日：2020-07-22
Applicant: 清华大学
Abstract: 本发明涉及一种区域轨道交通全局结构风险瓶颈识别方法，包括如下步骤：数据获取步骤：获取路网结构风险数据、通道通行能力数据；灵敏度数据处理步骤；风险瓶颈结果输出：输出优化灵敏度和失效灵敏度，即完成风险瓶颈识别。本发明的有益效果在于，提供了一种基于灵敏度分析的区域轨道交通全局结构风险瓶颈识别方法及系统。建立路网全局结构风险评估指标后，通过灵敏度分析，评估路网的站内通道/区间失效及优化对路网全局结构风险的影响，从而为路网风险瓶颈的防护和优化提供决策支持。并且以成渝地区区域轨道交通为实例，验证了方法的有效性。
-
公开(公告)号：CN109766927A
公开(公告)日：2019-05-17
申请号：CN201811574962.2
申请日：2018-12-21
Applicant: 清华大学
Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障检测方法，该方法将结合深度学习自动特征提取及传统机器学习异常点检测的混合深度学习方法运用到道岔故障检测方法研究中，利用深度学习进行自动特征提取，形成了维度更小且更加抽象的特征数据，解决了特征提取过程依赖人工经验及聚类算法在高维数据下的计算困难问题；然后使用聚类算法结合专家知识选取正常数据簇，解决无法获得大量有标签数据问题；最后使用标注为正常的数据训练单分类支持向量机进行异常点检测并解决了道岔故障检测过程中无标签或标签不足的问题。
-
公开(公告)号：CN104182200B
公开(公告)日：2018-08-03
申请号：CN201410438595.9
申请日：2014-08-29
Applicant: 清华大学
IPC: G06F7/10
Abstract: 本发明公开了种圆柱面二维码识别方法,包括以下步骤:使所述探头触及圆柱面上的二维码;绕着所述圆柱面的轴线以预设速率转动所述探头,其中,所述图像传感器在预设时间采集图像,以获取多个二维码的部分平面图像;融合所述多个二维码的部分平面图像以生成所述二维码的完整平面图像,并对所述完整平面图像进行解码。本发明实施例的方法通过探头绕着圆柱面的轴线以预设速率转动探头以获取多个二维码的部分平面图像,从而融合多个二维码的部分平面图像以生成二维码的完整平面图像进行解码,实现读取和识别圆柱面上二维码功能,扩展了二维码的应用场合,简单方便,提高了用户的使用体验。本发明还公开了种圆柱面二维码识别装置。
-
公开(公告)号：CN104977908A
公开(公告)日：2015-10-14
申请号：CN201510220629.1
申请日：2015-05-04
Applicant: 清华大学
IPC: G05B19/418
CPC classification number: G05B19/41855
Abstract: 本发明公开了一种工业现场指示灯状态的视频监控方法，为工业现场每个或几个指示灯，安装一台网络摄像机；若指示灯所在机器固定，则安装单目网络摄像机，若指示灯所在机器可动，则安装双目网络摄像机；在控制室部署一台计算机和网络通信设备，连接计算机和网络通信设备；将现场中所有网络摄像机连接到网络通信设备。为计算机开发指示灯视频集中监控软件，通过相机标定、背景学习、前景检测、状态检测、状态分析、状态描述等步骤实时显示指示灯状态监测的结果，并分析存在的故障模式、入侵行为及其上述事件发生时指示灯所处的位置。本发明可以实现用户通过计算机就可获取各网络摄像机拍摄得到的包含所有指示灯状态信息的多路视频。
-
公开(公告)号：CN104182200A
公开(公告)日：2014-12-03
申请号：CN201410438595.9
申请日：2014-08-29
Applicant: 清华大学
IPC: G06F7/10
Abstract: 本发明公开了一种圆柱面二维码识别方法，包括以下步骤：使所述探头触及圆柱面上的二维码；绕着所述圆柱面的轴线以预设速率转动所述探头，其中，所述图像传感器在预设时间采集图像，以获取多个二维码的部分平面图像；融合所述多个二维码的部分平面图像以生成所述二维码的完整平面图像，并对所述完整平面图像进行解码。本发明实施例的方法通过探头绕着圆柱面的轴线以预设速率转动探头以获取多个二维码的部分平面图像，从而融合多个二维码的部分平面图像以生成二维码的完整平面图像进行解码，实现读取和识别圆柱面上二维码功能，扩展了二维码的应用场合，简单方便，提高了用户的使用体验。本发明还公开了一种圆柱面二维码识别装置。
-
Patent Agency Ranking
公开(公告)号：CN102075523B
公开(公告)日：2013-06-19
申请号：CN201010605546.1
申请日：2010-12-24
Applicant: 清华大学
IPC: H04L29/06
Abstract: 本发明涉及一种用于动车组网络控制逻辑验证的仿真装置，属于交通控制技术领域。包括第一和第二主控制器、绞线式列车总线仿真器、司机操作界面主机、第一和第二协议转换器、第一仿和第二仿真计算机。本装置的主控制单元采用TI的高性能浮点DSP实现，分别挂载两条多功能车辆总线；绞线式列车总线通过一个仿真器实现，以连接两条多功能车辆总线，并在内部实现绞线式列车总线协议下的数据收发功能；主控制单元和动车组设备的交互采用以太网实现，进而将PC机通过以太网卡接入本地以太网，在PC机内部实现多功能车辆总线协议与以太网协议的转换；最后将仿真动车组设备的PC机接入以太网。本装置验证效率高、可重用性强、维护方便，且成本较低。
-
公开(公告)号：CN101980220B
公开(公告)日：2012-06-20
申请号：CN201010515429.6
申请日：2010-10-15
Applicant: 清华大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于近似概率转换的电路性能可靠性的估计方法，属于电子线路设计技术领域。对于给定的电路性能函数，将其输入变量表示为区间证据；将该区间证据通过性能函数映射到输出，获得输出量的区间证据；利用可传递信度模型中的近似概率转换，将输出变量的区间证据转化为近似累积概率分布；将该近似分布作为输出变量真实累积概率分布的近似，用其估计电路性能可靠度是否达到要求。本发明方法在区间采样次数确定的情况下，只需实施一次仿真过程即可得到置信水平为100％的确定性估计误差，在同样的估计误差下，本方法所需计算量远远小于已有的蒙特卡罗方法。
-
公开(公告)号：CN100470982C
公开(公告)日：2009-03-18
申请号：CN200610112769.8
申请日：2006-09-01
Applicant: 清华大学
IPC: H02H3/05 , H01H47/32 , H03K5/00 , H03K17/795
Abstract: 本发明属于电力系统防继电器保护装置误动作的技术领域，其特征在于：微机型继电保护装置内的CPU的各PWM脉冲输出端依次通过串接的脉冲传递电路、驱动电路、光电隔离电路后与各继电器相连，其中，指定一条光电隔离电路的输出端与继电器电路中的开关三极管的基极相连，去接通各继电器的电源，其余各条光电隔离支路中的光电三极管的正输出端与相应的各个反并在各继电器线圈上的二极管正极相连，而所述各光电二极管的各负输出端共地，各继电器线圈的另一端共同连接到所述开关三极管的集电极。本发明具有成本低、可靠性高的优点。
-
公开(公告)号：CN119151106A
公开(公告)日：2024-12-17
申请号：CN202411311448.5
申请日：2024-09-19
Applicant: 清华大学
IPC: G06Q10/047 , G06Q10/0639 , G06Q50/40
Abstract: 本公开涉及城市轨道交通乘客服务质量优化方法、装置、电子设备及存储介质，所述方法包括获取地铁路网在指定时段内的路网数据、客流数据、决策变量集以及引导策略集；根据路网数据、客流数据与引导策略集，确定乘客路径选择集；根据路网数据、乘客路径选择集以及乘客服务系数集，确定从各个起始车站去往各个终点车站的乘客的耐心度损失；根据乘客路径选择集，确定各个乘客所选择的目标乘车路径所需的等待时长；根据从各个起始车站去往各个终点车站的乘客的耐心度损失与等待时长，对决策变量集与引导策略集进行优化，得到目标决策变量集与目标引导策略集。由此，能够实现缩短地铁路网中乘客的等待时长与耐心度损失，提高地铁路网的乘客服务质量。
-
公开(公告)号：CN119106765A
公开(公告)日：2024-12-10
申请号：CN202411203783.3
申请日：2024-08-29
Applicant: 清华大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06F18/22 , G06N3/048 , G06F123/02
Abstract: 本公开涉及智能交通技术领域，尤其涉及一种基于图卷积神经网络的高速铁路列车晚点预测方法、装置及存储介质。所述方法包括：获取列车在前站的第一运行数据，前站为在列车的行驶线路上位于待预测的目标车站之前的n个车站，n为正整数，第一运行数据用于指示列车在前站的晚点情况和运行计划；根据第一运行数据，调用训练完成的晚点预测模型进行晚点预测，输出得到晚点预测结果，晚点预测结果用于指示预测的列车在目标车站的晚点情况，晚点预测模型为基于图卷积神经网络的模型。本公开实施例通过基于图卷积神经网络的晚点预测模型，实现了利用列车在前站的晚点情况和运行计划对列车在目标车站的晚点情况进行预测，提高了列车晚点预测效果。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.056 seconds)
