一种基于深度学习的隧道交通拥堵状态识别方法

    公开(公告)号:CN119516485A

    公开(公告)日:2025-02-25

    申请号:CN202411536329.X

    申请日:2024-10-31

    Abstract: 本发明公开了一种基于深度学习的隧道交通拥堵状态识别方法,包括:识别交通监控视频中的车辆,获取车辆在图像中的坐标信息;根据已知车道线位置和车辆坐标信息,确定各车辆所在车道编号;对于每个车道,为各车道预先设置车流量统计区域进行车流量统计,计算单位时间内的平均车流量;统计各车道通行车辆与前车到达车流量统计区域的时间,计算单位时间内的平均车头时距;统计各车道通行车辆通过各车道的车流量统计区域所需时间,计算单位时间内的平均车道通行速度;分别对平均车流量、平均车头时距和平均车道通行速度赋权重系数,加权计算得到隧道交通拥堵指数,根据指数判断隧道交通拥堵状态。本发明无需人工干预,实现自动化检测识别。

    一种金属零件增材制造过程温度场预估方法

    公开(公告)号:CN110414103A

    公开(公告)日:2019-11-05

    申请号:CN201910639411.8

    申请日:2019-07-16

    Applicant: 东南大学

    Inventor: 孙东科 陈俊伟

    Abstract: 本发明公开了一种预估金属零件增材制造过程温度场的方法,基于数值模拟和有限差分算法,建立金属零件增材制造动态温度场。包括步骤1,初始化增材制造系统状态、确定粉床体积及网格边长、零件材料属性;步骤2,确定零件三维模型并划分模型和迭代时间步长;步骤3,根据打印状态将ti时刻归类为铺粉状态或扫描状态;步骤4,确定ti时刻对应的边界条件;步骤5,计算ti时刻温度场;步骤6,判断ti时刻是否为打印最后一个时刻;若是则计算结束,否则进入步骤3,以此循环,直到完成所有时刻计算。该发明温度场预估方法计算效率高,能充分考虑增材制造中每个状态边界条件,建立金属增材制造动态温度场,为零件结构设计优化及缺陷分析提供保证。

    一种金属零件增材制造过程温度场预估方法

    公开(公告)号:CN110414103B

    公开(公告)日:2023-03-24

    申请号:CN201910639411.8

    申请日:2019-07-16

    Applicant: 东南大学

    Inventor: 孙东科 陈俊伟

    Abstract: 本发明公开了一种预估金属零件增材制造过程温度场的方法,基于数值模拟和有限差分算法,建立金属零件增材制造动态温度场。包括步骤1,初始化增材制造系统状态、确定粉床体积及网格边长、零件材料属性;步骤2,确定零件三维模型并划分模型和迭代时间步长;步骤3,根据打印状态将ti时刻归类为铺粉状态或扫描状态;步骤4,确定ti时刻对应的边界条件;步骤5,计算ti时刻温度场;步骤6,判断ti时刻是否为打印最后一个时刻;若是则计算结束,否则进入步骤3,以此循环,直到完成所有时刻计算。该发明温度场预估方法计算效率高,能充分考虑增材制造中每个状态边界条件,建立金属增材制造动态温度场,为零件结构设计优化及缺陷分析提供保证。

Patent Agency Ranking