-
公开(公告)号：CN109657938B
公开(公告)日：2023-06-23
申请号：CN201811460210.3
申请日：2018-11-30
Applicant: 中南大学 , 中车青岛四方机车车辆股份有限公司
IPC: G06Q10/0635 , G06Q10/04 , G06Q50/30 , G06N3/08
Abstract: 本发明提供了一种轨道交通系统成本要素辨识分析方法，首先通过对轨道交通系统总成本细分得到要素对象，使用专家评分法获取要素对象的安全、性能、环境特征值并获取该要素对象与其他要素的关联程度值，建立该对象的有效影响评分集合；再建立要素安全特征值、性能特征值、环境特征值、有效影响评分与要素成本的映射模型；最后，将一条轨道交通线路各要素的安全、性能、环境、有效影响评分数据输入该模型，进行各要素成本的辨识，该方法使得决策人员能在轨道交通项目决策期间得到轨道系统的各要素的成本预测值，能有效的掌控轨道交通系统未来成本开支情况，对降低轨道交通投资的金融风险，制定风险评估体系有着重要的意义。
-
公开(公告)号：CN110111015A
公开(公告)日：2019-08-09
申请号：CN201910395899.4
申请日：2019-05-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于变分模态分解多尺度排列熵的电能质量分析方法，包括：采集电能质量监测点在受到不同类型的扰动时的原始训练数据；采用变分模态分解对其分解得到K个IMF分量；计算每个IMF分量的多尺度排列熵，构建原始训练数据的特征向量；从特征向量中选择R个特征，组成原始训练数据的优化特征向量；以原始训练数据的优化特征向量和相应的扰动类型分别作为输入和输出数据，训练ELM神经网络模型，得到电能质量扰动分类器；对待检测电能质量监测点的电压信号，按上述相同方法获取其优化特征向量，并输入到电能质量扰动分类器中，得到待检测电能质量监测点的扰动类型。本发明方法对电能质量的扰动类型进行实时诊断的效率大大提升。
-
公开(公告)号：CN109657938A
公开(公告)日：2019-04-19
申请号：CN201811460210.3
申请日：2018-11-30
Applicant: 中南大学 , 中车青岛四方机车车辆股份有限公司
Abstract: 本发明提供了一种轨道交通系统成本要素辨识分析方法，首先通过对轨道交通系统总成本细分得到要素对象，使用专家评分法获取要素对象的安全、性能、环境特征值并获取该要素对象与其他要素的关联程度值，建立该对象的有效影响评分集合；再建立要素安全特征值、性能特征值、环境特征值、有效影响评分与要素成本的映射模型；最后，将一条轨道交通线路各要素的安全、性能、环境、有效影响评分数据输入该模型，进行各要素成本的辨识，该方法使得决策人员能在轨道交通项目决策期间得到轨道系统的各要素的成本预测值，能有效的掌控轨道交通系统未来成本开支情况，对降低轨道交通投资的金融风险，制定风险评估体系有着重要的意义。
-
公开(公告)号：CN111723925B
公开(公告)日：2023-05-02
申请号：CN202010552814.1
申请日：2020-06-17
Applicant: 中南大学
Abstract: 本发明公开了一种在途智能列车空调机组故障诊断方法、装置、设备及介质，其中方法为：根据标准电功率时间序列构建标准事件模板库，其中包括瞬态和稳态标准事件模板；根据历史电功率时间序列获取对应的瞬态和稳态时间子序列，并在标准事件模板库中找到匹配的瞬态和稳态标准事件模板，进而获取得到对应的历史电功率稳态残差子序列，并作为历史样本训练极限学习机得到列车空调机组故障预测模型；获取在途列车空调机组的实时电功率时间序列，并按上述相同方法获取对应的实时电功率残差序列，以输入至列车空调机组故障预测模型，从而预测得到在途列车空调机组的故障类型。本发明所需要加装的传感器较少，成本较低，故障预测准确度高。
-
公开(公告)号：CN111546854B
公开(公告)日：2021-08-24
申请号：CN202010558477.7
申请日：2020-06-18
Applicant: 中南大学
Abstract: 本发明公开了一种智能列车空调机组在途识别与诊断方法，其中方法包括：获取列车空调机组分别在多种预设的环境参数下、按正常工况运行时的内部运行参数，构建正常参数数据库；获取列车空调机组分别在多种预设的环境参数下、且不同故障工况运行时的内部运行参数，构建异常参数数据库；在正常参数数据库中找到与每组异常参数和正常参数相匹配的正常参数，并计算相应的残差作为训练样本；以所有训练样本和对应的工况类型，训练获得故障预测模型；以相同方法获取实时的残差时间序列，输入至故障预测模型，得到多个工况类型预测结果，并综合评估得到最终的实时工况类型。本发明可以提高故障预测精度。
-
Patent Agency Ranking
公开(公告)号：CN107272704A
公开(公告)日：2017-10-20
申请号：CN201710643174.3
申请日：2017-08-01
Applicant: 中南大学
IPC: G05D1/02
CPC classification number: G05D1/0251 , G05D1/0214 , G05D1/0276 , G05D1/0278 , G05D2201/0216
Abstract: 本发明公开了一种融合无人机牵引的智能车辆及机器人室外运载方法，包括以下步骤：步骤1：将运输任务指令发送至指定的运载机器人和匹配的无人机；步骤2：无人机依据GPS导航飞行至运输任务起点对应的楼栋门口处；步骤3：运载机器人识别并匹配无人机；步骤4：成功匹配后，令无人机与运载机器人保持相对静止的稳定运动形态；步骤5：判断运动形态是否稳定，若稳定，则无人机指引运载机器人前行；步骤6：当运行至终点时，形态稳定解除，运载机器人按照楼栋定位片前行至运输任务终点位置，完成运输任务。将无人机作为一个单独的导航模块导航，成本低，对运载机器人兼容性高；构建无人机和运载机器人之间的不可入侵域，增强了牵引过程的安全性。
-
公开(公告)号：CN111723925A
公开(公告)日：2020-09-29
申请号：CN202010552814.1
申请日：2020-06-17
Applicant: 中南大学
Abstract: 本发明公开了一种在途智能列车空调机组故障诊断方法、装置、设备及介质，其中方法为：根据标准电功率时间序列构建标准事件模板库，其中包括瞬态和稳态标准事件模板；根据历史电功率时间序列获取对应的瞬态和稳态时间子序列，并在标准事件模板库中找到匹配的瞬态和稳态标准事件模板，进而获取得到对应的历史电功率稳态残差子序列，并作为历史样本训练极限学习机得到列车空调机组故障预测模型；获取在途列车空调机组的实时电功率时间序列，并按上述相同方法获取对应的实时电功率残差序列，以输入至列车空调机组故障预测模型，从而预测得到在途列车空调机组的故障类型。本发明所需要加装的传感器较少，成本较低，故障预测准确度高。
-
公开(公告)号：CN108247637A
公开(公告)日：2018-07-06
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：CN107450535B
公开(公告)日：2018-06-29
申请号：CN201710643371.5
申请日：2017-07-31
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种智能运载机器人最优路径混合图论控制规划方法，该方法提出对全局路径进行分层规划的思想，以每个房间或楼道的局部最优路径规划作为最小规划单元，寻找各楼层中的最优枢纽节点，将各个房间或楼道的局部最优路径连通，得到单个楼层的最优路径，最后将楼层之间的最优路径进行连通，得到完整的全局最优路径，分层规划的设计，大大的降低了路径规划过程中的计算量，能够快速实现路径规划。
-
公开(公告)号：CN111546854A
公开(公告)日：2020-08-18
申请号：CN202010558477.7
申请日：2020-06-18
Applicant: 中南大学
Abstract: 本发明公开了一种智能列车空调机组在途识别与诊断方法，其中方法包括：获取列车空调机组分别在多种预设的环境参数下、按正常工况运行时的内部运行参数，构建正常参数数据库；获取列车空调机组分别在多种预设的环境参数下、且不同故障工况运行时的内部运行参数，构建异常参数数据库；在正常参数数据库中找到与每组异常参数和正常参数相匹配的正常参数，并计算相应的残差作为训练样本；以所有训练样本和对应的工况类型，训练获得故障预测模型；以相同方法获取实时的残差时间序列，输入至故障预测模型，得到多个工况类型预测结果，并综合评估得到最终的实时工况类型。本发明可以提高故障预测精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
