-
公开(公告)号：CN116386884A
公开(公告)日：2023-07-04
申请号：CN202310302330.5
申请日：2023-03-23
Applicant: 中南大学
IPC: G16H50/50
Abstract: 本发明公开了一种老年综合征全景溯源模型训练方法、溯源方法、设备及介质，所述训练方法包括获取老年人行为状态数据集和症状表现数据集；对每个场景下每个老人的行为状态数据进行一次分解；对一次分解得到的K个模式{D1,D2,...,Dk,...,DK}进行二次分解，得到目标高频成分；构建特征提取模型，利用特征提取模型对目标高频成分和K个模式{D1,D2,...,Dk,...,DK}中的低频成分进行特征提取，得到特征向量；由所有场景下所有老人的特征向量构成训练输入样本，以症状表现数据集作为训练输出样本；构建老年综合征全景溯源模型，对老年综合征全景溯源模型进行训练，得到目标老年综合征全景溯源模型。本发明适用于全场景情况下的GS溯源，溯源准确度高。
-
公开(公告)号：CN111027727B
公开(公告)日：2023-06-09
申请号：CN201911379311.2
申请日：2019-12-27
Applicant: 中南大学
IPC: G06Q10/20 , G06Q10/063 , G06Q50/30 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种轨道系统跨域运维关键要素辨识方法，包括对轨道系统进行全生命周期构成要素的分解；对各个要素在安全域、性能域和环境域进行量化计算；建立数据集；建立安全域分析模型、性能域分析模型和环境域分析模型并获得跨域运维强相关要素；根据跨域运维强相关要素建立全生命周期运维分析模型并得到强相关要素运维关键度；根据强相关要素运维关键度建立运维关键要素辨识模型并得到最终的跨域运维关键要素。本发明能够进行轨道系统的跨域运维关键要素分析确认，而且可靠性高，实用性好。
-
公开(公告)号：CN108846344B
公开(公告)日：2022-05-17
申请号：CN201810574972.X
申请日：2018-06-05
Applicant: 中南大学
Abstract: 本发明公开了一种融合深度学习的行人姿势多特征智能辨识方法，通过对行人检测框和行人位置标签向量的提取，以行人位置标签向量作为行人轨迹点，准确的实现了对所有行人的跟踪，相比于现有技术而言，检测准确：在行人检测采用基于神经网络的深度学习方法，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；再识别率高，由神经网络自动对跟踪目标提取高层抽象特征，实现对跟踪目标高效快速的匹配再识别；使用优化算法对神经网络参数进行调优处理，大大提高行人识别精准度，鲁棒性高。
-
公开(公告)号：CN112734186A
公开(公告)日：2021-04-30
申请号：CN202011616205.4
申请日：2020-12-30
Applicant: 中南大学
IPC: G06Q10/06 , G06F30/27 , G06F16/2458 , G06N3/08 , C12Q1/06
Abstract: 本发明公开了一种列车车厢空气微生物污染实时评估方法、系统及存储介质，通过在列车车厢内设置环境参数、大气污染物以及空气微生物采样检测装置，并对采集数据进行分析、建模和筛选，输出微生物污染的实时评估结果。本发明创新性地将微生物“延时检测”转化为“实时评估”，能有效解决微生物检测的实时性问题。该方法对铁路列车微生物污染评估有着指导作用。
-
公开(公告)号：CN112734097A
公开(公告)日：2021-04-30
申请号：CN202011639921.4
申请日：2020-12-31
Applicant: 中南大学
Abstract: 本发明公开了一种无人驾驶列车能耗预测方法、系统及存储介质，在保证无人驾驶列车的运行过程中的安全性、舒适性、守时性等要求的基础上，将采集到的列车运行数据、车内及车站乘客数据、车外环境数据等多种参数融合来实现高可靠性、高精度的无人驾驶列车的最低牵引能耗预测。
-
Patent Agency Ranking
公开(公告)号：CN109615027B
公开(公告)日：2020-12-08
申请号：CN201811643482.7
申请日：2018-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种高速铁路沿线风速特征提取智能预测方法，该方法利用风速不同特征进行K‑means聚类，并选择最优聚类数K，将风速模型样本分为K类，然后针对K个聚类类别分别建立100个风速预测特征预选模型，利用数学分析和相关性分析方法筛选风速预测特征预选模型并建立K个风速预测特征模型组和K个风速预测归一模型，最后分析预测的风速向量与风速时间序列数据集之间的相关性并还原真实风速，该方法具有预测高精度、特征智能提取、适应性强、鲁棒性高的特点，适合应用于大风环境下的高速铁路沿线安全等领域。
-
公开(公告)号：CN108247637B
公开(公告)日：2020-11-24
申请号：CN201810067937.9
申请日：2018-01-24
Applicant: 中南大学
IPC: B25J9/16
Abstract: 本发明公开了一种工业机器人手臂视觉防撞操控方法，包括以下步骤：步骤1：构建机械臂所在工作空间的三维坐标系；步骤2：构建基于Elman网络的待抓取物体目标识别模型；步骤3：构建基于多核支持向量机的机械臂抓取最优路径模型；步骤4：实时采集待抓取物体目标图像识别物体类别；步骤5；基于物体类别确定物体重心，求得抓取终点坐标，获取机械臂抓取最优路径，驱动机械臂抓取物体；该方法采用智能算法计算得到机械臂抓取目标物体一条无碰撞、动力学特性满足裕度要求、轨迹长度和运动时间较短的理想轨迹，大大提高了生产效率，同时节约了人员成本，给工厂带来收益。
-
公开(公告)号：CN109583386B
公开(公告)日：2020-08-25
申请号：CN201811458792.1
申请日：2018-11-30
Applicant: 中南大学
Abstract: 本发明公开了一种智能旋转机械故障深度网络特征辨识方法，通过在列车滚动轴承待检测旋转机械部位设置振动传感器，收集滚动轴承工作时的原始振动序列，然后通过奇异谱分析方法将原始振动序列进行分解重构，并提取重构振动序列的均方根值、标准差、偏度指标和峰值，利用支持向量机训练得到的旋转机械故障位置诊断模型来判断故障位置，然后将重构振动序列进行集合经验模态分解，计算分解后的一组固有模态分量各自的排列熵值，将排列熵值的排列组合作为检测特征，利用支持向量机训练得到的旋转机械故障类型诊断模型来判断故障类型。本发明能更及时地检测出旋转机械的故障位置和故障类型，提高故障诊断的准确性和可靠性。
-
公开(公告)号：CN109583092B
公开(公告)日：2020-07-14
申请号：CN201811458795.5
申请日：2018-11-30
Applicant: 中南大学
Abstract: 本发明公开了一种多层次多模式特征提取的智能机械系统故障诊断方法，包括步骤：获取待检测机械部件的原始振动序列；采用主元分析法对原始振动序列进行第一次特征提取，得到待检测机械部件的第一目标样本；采用非负矩阵分解方法对第一目标样本进行第二次特征提取，得到待检测机械部件的第二目标样本；使用基于PID神经网络和极限学习机训练得到的两个振动序列预测器，分别对两个目标样本进行预测得到两个预测振动序列，并进行加权融合得到融合预测振动序列；使用基于支持向量机训练得到的智能机械系统故障分类模型，根据融合预测振动序列输出待检测机械部件的故障类型。本发明对机械部件故障诊断的准确性高、鲁棒性和时效性强。
-
公开(公告)号：CN108280518B
公开(公告)日：2020-06-26
申请号：CN201810063127.6
申请日：2018-01-23
Applicant: 中南大学
Abstract: 本发明公开了一种分布式环境机器人及车辆移动互联运载方法与系统，该方法包括以下步骤：步骤1：在运输起点和终点所在的工作台之间设置地面导轨以及在工作台设置导轨，地面导轨设置地标；步骤2：位于取物工作台的桌面机器人从取物指定位置抓取物体；步骤3：移动机器人沿地面导轨移动并抓取物体运输至另一工作台；步骤4：位于放物工作台的桌面机器人抓取物体后，移动至放物工作台的放物指定位置；步骤5：结合极限学习机和PID神经网络，建立电量预测模型对移动机器人下一步行动进行决策；通过桌面机器人和移动机器人的协同完成工业实验室物体的定时、定点运输，实现工业实验室全天候的运输。
-
-
-
-
-
-
-
-
-
Search Results
218
records
(took 0.033 seconds)
