一种重载群组列车供电设备的协同控制方法

    公开(公告)号:CN118281988A

    公开(公告)日:2024-07-02

    申请号:CN202410370142.0

    申请日:2024-03-29

    Abstract: 本发明公开了一种重载群组列车供电设备的协同控制方法,包括:获取各供电设备的供电数据信息,估计荷电状态值,确定局部状态观测信息;基于协同比例因子的状态编码器对局部状态观测信息进行特征提取得到局部状态特征信息,输入对应的装置级控制器中得到动作间的映射;采用限幅双指数平滑安全策略进行平滑得到最终控制指令进而输出至对应供电设备、装置级控制器实现交互,将装置级控制器的稳压和功率协同控制作为目标,建立动态协同比例因子误差函数与动态电压误差函数,并采用两阶段奖励函数得到奖励反馈;根据奖励反馈计算损失函数与梯度,反向优化更新装置级控制器参数。所述方法能够考虑控制指令安全性下的重载货运列车多供电设备协同控制。

    一种重载群组列车运行控制网络的攻击检测方法、系统、介质及终端

    公开(公告)号:CN118041682A

    公开(公告)日:2024-05-14

    申请号:CN202410350300.6

    申请日:2024-03-26

    Abstract: 本发明公开了一种重载群组列车运行控制网络的攻击检测方法、系统、终端及介质,其中方法包括:获取重载列车运行控制网络的本地模块传感器和相邻模块传感器的测量信息;对测量信息进行滑动窗口截取并进行归一化处理;基于归一化结果计算一致性特征参数和平稳性特征参数,并分别与各预设阈值进行比较,若一致性特征参数和/或平稳性特征参数大于对应的预设阈值,则表明重载列车运行控制网络处于异常状态;采用遗传算法分别求解异常状态下控制网络的一致性和平稳性特征参数之间的相关系数进而进行加权,构建控制网络综合攻击检测指标,当检测指标大于所设定的阈值时进行攻击标记。所述方法解决了攻击与异常变化混淆问题,实现快速攻击检测。

    一种面向重载列车群组的运载任务流能效调度方法及系统

    公开(公告)号:CN116882697A

    公开(公告)日:2023-10-13

    申请号:CN202310904552.4

    申请日:2023-07-24

    Applicant: 中南大学

    Abstract: 本发明公开了一种面向重载列车群组的运载任务流能效调度方法及系统,方法包括:获取重载列车群组的运载任务流信息,基于有向无环图理论将运载任务流抽象为任务图;然后对任务图序列化以确定各运载子任务的优先级顺序;采用能耗预算优化策略,在不存在任务逾期的前提下,获得任务流及各子任务的能耗预算;按照各运载子任务的优先级顺序,依次确定各运载子任务在其能耗预算约束下的调度空间,即运载子任务开始执行时刻的取值区间;采用扁平化运载任务流调度策略,确定各运载子任务的实际开始执行时间和责任列车。本发明减少重载列车群组的运输能耗,并使得任务流并行执行趋于平稳,在提高重载列车任务流执行效率的同时,保证列车群组的安全稳定。

    分布式制动系统健康评估方法、系统、设备及存储介质

    公开(公告)号:CN116501027B

    公开(公告)日:2023-10-03

    申请号:CN202310784140.1

    申请日:2023-06-29

    Applicant: 中南大学

    Abstract: 本发明公开了一种分布式制动系统健康评估方法、系统、设备及存储介质,其中方法包括:对于充风电磁阀和排风电磁阀,基于其驱动电流曲线计算其健康评估指标,并输入至电磁阀健康评估模型以得到其健康状态;对于分布式制动系统中其他部件,根据失效率、可靠度、有效度和重要度计算其健康状态;对于三个压力控制模块,提取其阶段性特征和跟随性特征计算其健康状态指标;然后根据分布式制动系统当前状态下所处的制动功能模式建立包含部件‑模块‑系统三个层次的贝叶斯网络模型;根据各节点的后验概率和前述计算的部件节点的健康状态,基于贝叶斯网络模型计算得到分布式制动系统的健康状态。可以实现分布式制动系统健康状态的准确评估。

    基于卷积神经网络的帧同步方法、设备及介质

    公开(公告)号:CN114157544B

    公开(公告)日:2023-04-07

    申请号:CN202111487260.2

    申请日:2021-12-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于卷积神经网络的帧同步方法、设备及介质,应用于无线通信系统,方法为:Step1:准备无线通信系统的通信数据集,对接收端数据进行预处理,并根据发送端数据确定接收端数据中的数据包起始位置;Step2:构建卷积神经网络模型,以接收端预处理后的数据为输入,以接收端数据中的数据包起始位置为输出,对构建的卷积神经网络模型进行训练;Step3:将训练好的卷积神经网络模型嵌入到接收端的帧同步系统之中;Step4:对接收端数据进行预处理,再输入至训练好的卷积神经网络,输出即为接收端数据中的数据包起始位置。本发明能充分解决发送端和接收端之间信息漏同步和假同步的问题,提高同步系统的同步性能。

    一种板桁加劲梁在扭矩荷载作用下的变形评估方法

    公开(公告)号:CN114878363A

    公开(公告)日:2022-08-09

    申请号:CN202210481259.7

    申请日:2022-05-05

    Abstract: 本发明公开了一种板桁加劲梁在扭矩荷载作用下的变形评估方法。将板桁加劲梁分为主桁、弦杆、上下层桥面系三部分,计算板桁加劲梁中各杆件的抗弯惯性矩,根据剪切变形相等或剪切应变能相等的原则将主桁和桥面系分别等效为连续薄板,将薄板通过弦杆连接在一起,形成空间连续的等效薄壁箱梁作为研究对象,计算箱梁各薄壁的广义剪切刚度,据此计算薄壁箱梁的自由扭转刚度和弦杆约束扭转刚度,形成考虑弦杆约束的扭转平衡微分方程,根据板桁加劲梁的约束条件得到微分方程的边界条件,根据板桁加劲梁上的扭矩加载情况确定微分方程的常数项,求解扭转平衡微分方程得到板桁加劲梁在扭矩荷载作用下的变形。本发明避免了复杂计算,可以较准确地评估变形。

Patent Agency Ranking