-
公开(公告)号：CN118640816B
公开(公告)日：2025-02-18
申请号：CN202411124280.7
申请日：2024-08-16
Applicant: 华东交通大学
IPC: G01B11/14 , G06T7/11 , G06N3/0464 , G06T7/73 , G06T7/00
Abstract: 本申请公开了一种盾构机盾尾间隙测量方法、装置、设备及介质，涉及盾尾间隙测量技术领域，利用训练好的目标区域提取模型对盾构机尾部的激光图像中的激光区域进行提取，后续对激光区域图像中的第一激光线和第二激光线进行特征提取，得到第一特征点、第二特征点和第三特征点，基于第一特征点的像素坐标、第二特征点的像素坐标、第三特征点的像素坐标和管片的壁厚的真实值，计算得到盾尾间隙的真实值，本发明通过改进后的Yolov8模型来提取激光区域，后续对激光区域图像进行处理来测量得到盾尾间隙，能够排除现场环境的干扰，比如光源干扰，且借助于改进后的Yolov8模型的高精度和轻量化的优势，实现高效准确的测量盾尾间隙。
-
公开(公告)号：CN119129438A
公开(公告)日：2024-12-13
申请号：CN202411611993.6
申请日：2024-11-13
Applicant: 华东交通大学
Abstract: 本发明公开一种高速列车操纵手柄级位预测方法、装置、介质及产品，涉及高速列车辅助驾驶技术领域。方法包括：获取目标高速列车在当前时刻的当前运行数据以及历史运行数据；历史运行数据包括第一运行数据和第二运行数据；第一运行数据为当前时刻的上一时刻的运行数据；第二运行数据为第一运行数据所在时刻的上一时刻的运行数据；将当前运行数据、第一运行数据和第二运行数据输入至手柄级位预测模型，得到下一时刻的手柄级位；其中，手柄级位预测模型是应用训练数据集对随机配置网络模型进行训练得到的。本发明能够提升列车手柄级位预测精度，并实现了高速列车的安全平稳操纵。
-
公开(公告)号：CN118884843A
公开(公告)日：2024-11-01
申请号：CN202411375328.1
申请日：2024-09-30
IPC: G05B13/04
Abstract: 本申请公开了一种基于障碍函数和耦合器约束的列车控制方法及相关装置，涉及列车控制技术领域，该方案中通过对列车内耦合作用力的分析，构建列车非线性多质点动力学模型，随后考虑列车运行参数的不确定性，对其进行线性化得到列车平衡状态下具有耦合器位移的动力学方程；之后再将其转化为列车状态空间方程，并据此和耦合器的状态约束条件，构建得到自适应鲁棒控制器；在利用基于障碍函数的Lyapunov函数验证其能够使列车耦合器位移严格处于安全范围之内后，即可根据列车期望速度与位移曲线，自适应调整列车控制器的输出。本申请所提出的方案能有效保证列车耦合器位移满足安全约束条件，在不确定环境因素下也能实现高精度的跟踪运行。
-
公开(公告)号：CN118444577A
公开(公告)日：2024-08-06
申请号：CN202410903033.0
申请日：2024-07-08
Applicant: 华东交通大学
IPC: G05B13/04
Abstract: 本发明公开一种基于DMPC的虚拟编组列车预测控制方法及相关装置，涉及虚拟编组列车预测控制技术领域，方法包括以下步骤：在性能指标函数加入邻接列车状态变量，设计得到改进的性能指标函数，根据参考速度曲线和领导者列车的实际状态变量，以最小化改进性能指标函数为目标，求解多约束优化问题，并选择一个控制输入量作为实际控制输入量，得到下一时刻领导者列车的实际状态变量；针对任一跟随者列车，同样求解多约束优化问题，并选择一个控制输入量作为实际控制输入量，得到下一时刻跟随者列车的实际状态变量。本发明通过在性能指标函数中引入邻接列车状态信息，设计了一种改进的控制算法，可以保证较好的稳定性、优势性以及实时性的控制需求。
-
公开(公告)号：CN118230113A
公开(公告)日：2024-06-21
申请号：CN202410659894.9
申请日：2024-05-27
Applicant: 华东交通大学
IPC: G06V10/80 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/045 , G06V10/764
Abstract: 本发明提供了一种基于多模态融合与注意力机制的目标检测方法及系统，该方法包括：对每一图像信息进行堆叠处理，以生成对应的目标图像信息；通过若干特征提取模块以及切片特征融合模块实时提取出目标图像信息中包含的若干目标特征图，并将最后三张特征图输入至预设第一算法中，以使预设第一算法输出对应的目标信息；实时检测出与目标信息对应的预测值以及真实值，并根据预测值以及真实值构建出对应的损失函数；对损失函数进行训练，以输出对应的网络权重文件，并构建出对应的多模态目标检测网络，以通过多模态目标检测网络实时确定出目标场景中的目标物体的位置。本发明能够快速的完成多模态数据的融合，提升了工作效率。
-
Patent Agency Ranking
公开(公告)号：CN117850215B
公开(公告)日：2024-05-17
申请号：CN202410263861.2
申请日：2024-03-08
Applicant: 华东交通大学
IPC: G05B13/02
Abstract: 本发明公开的高速动车组无模型自适应滑模控制方法、系统及电子设备，涉及一般的控制与调节技术领域。本发明首先利用无模型自适应控制理论，将高速列车复杂模型转化为全格式动态线性化模型，其次利用线性化模型设计离散滑模控制器，选取离散积分滑模面消除滑模面到达阶段的抖振，切换控制选取斜率变化较小的双曲正切函数使得切换更加平缓。进一步利用无模型自适应控制理论中的伪梯度概念设计离散扩张状态观测器对列车运行过程中的不确定项进行估计，实现对离散滑模控制器的实时补偿，进而进而在降低时间控制成本的同时，实现速度跟踪的精准控制。
-
公开(公告)号：CN114547774B
公开(公告)日：2024-03-29
申请号：CN202210159158.8
申请日：2022-02-22
Applicant: 华东交通大学
IPC: G06F30/15 , G06F30/27 , G06N3/126 , G06F111/06 , G06F119/14
Abstract: 本发明提出了一种重载列车进站曲线优化方法及系统，在NSGA‑II算法的基础上，结合拥挤度距离计算和迭代进程，自适应改变交叉算子和变异算子的选取，保证种群的多样性；结合实际运行线路，实现重载列车运行曲线优化；研究空气制动原理，建立数学模型，在常用进站减压量的情况下，计算重载列车停车精准度和制动时每个质点速度位移状态，根据精准停车要求，准确定位司机实施空气制动的位置，实现重载列车停车曲线优化。运行曲线优化可确保重载列车在进站实施制动前正以最优状态运行，为重载列车精准进站停车提供基础性保障；通过停车曲线优化可提供在固定减压量下各质点的精确的速度位移曲线，以使司机能够操控重载列车精准进站停车。
-
公开(公告)号：CN117076690B
公开(公告)日：2024-01-09
申请号：CN202311326626.7
申请日：2023-10-13
Applicant: 华东交通大学
IPC: G06F16/36 , G06F40/295 , G06F30/27 , G06N3/0442 , G06N3/08 , G06N3/126 , G06Q10/0633 , G06Q50/04 , G06F119/18
Abstract: 本发明涉及数据分析领域，更具体的说，它涉及一种数据驱动的工艺流程组态方法及系统。一种数据驱动的工艺流程组态系统，包括：描述文本获取模块、实体提取模型管理模块、命名实体提取模块、工艺流程知识图谱管理模块、工艺流程三元组输出模块、工艺流程组态图构建模块、检测点信息映射模块和工艺流程组态图显示模块。本发明通过自动识别描述文本中的设备实体，并将设备实体与工艺流程知识图谱进行匹配，自动构建工艺流程组态图，同时将检测点信息映射至工艺流程组态图中的图元中，无需工作人员花费大量时间来梳理工艺流程组态图中图元、管线和数据之间的关系，在针对大型工艺流程的工艺流程组态图的设计时，能够提高工作效率。
-
公开(公告)号：CN116363037B
公开(公告)日：2023-08-11
申请号：CN202310638962.9
申请日：2023-06-01
Applicant: 华东交通大学
IPC: G06T5/50 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种多模态图像融合方法、装置及设备，方法包括：获取同一目标对象的不同模态的至少两张图像数据，并采用预设特征提取网络对每张图像数据进行特征信息提取，得到对应的特征图像；将不同模态的特征图像进行堆叠，得到堆叠后特征图像，并对堆叠后特征图像进行通道注意力处理，输出具有通道注意力的特征图；依序对具有通道注意力的特征图进行局部多头自注意力处理和全局多头自注意力处理，得到多模态图像融合后的目标特征图。本发明通过将不同模态的特征图堆叠后依次进行通道注意力、局部自注意力以及全局注意力处理，在保证注重全局和局部信息的情况下，将计算复杂度降低到线性，具有速度快，精度高的特点。
-
公开(公告)号：CN116513274A
公开(公告)日：2023-08-01
申请号：CN202310080223.2
申请日：2023-02-08
Applicant: 华东交通大学
Abstract: 本发明公开一种高速列车辅助驾驶控制方法及系统，该方法包括构建高速列车操纵过程端‑边‑云协同系统，基于高速列车操纵过程速度变化机理特性及级位变化机理特性的动态分析，构建速度及级位机理特性模型；根据从协同系统中获取的列车及线路数据、速度及级位机理特性模型和LSTM神经网络结构确定基于LSTM的高速列车辅助驾驶控制策略预测模型；边缘层结合实时采集到的数据及端层所获取的数据，利用从云层下载的基于大量历史数据离线建立好的基于LSTM的高速列车辅助驾驶控制策略预测模型确定高速列车辅助驾驶控制策略，并通过5G网络发送至车载边缘计算节点进行辅助驾驶控制。本发明可提高高速列车运行过程中辅助驾驶控制策略预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
194
records
(took 0.089 seconds)
