-
公开(公告)号:CN113312715A
公开(公告)日:2021-08-27
申请号:CN202110503172.0
申请日:2021-05-10
Applicant: 暨南大学
Abstract: 本发明公开了一种有轨电车槽型轨扭曲不平顺预测方法,该方法包括以下步骤:轨道轮廓数据检测步骤:基于激光传感器采集轨道的断面轮廓数据,对断面轮廓数据进行修正处理得到轨道轮廓图像;扭曲不平顺值计算步骤:建立坐标,得到轨道点的三维坐标,基于各轨道点相对坐标计算扭曲不平顺值;扭曲不平顺值序列预测分析步骤:根据扭曲不平顺值预测非等时间距灰色得到扭曲不平顺值序列,评价预测误差,扭曲不平顺值序列经过评价合格后,用于预测未来扭曲不平顺值发展趋势。本发明与传统的人工检测相比,提高了有轨电车槽型轨扭曲不平顺检测精度,实现了对轨道扭曲不平顺变化趋势的预测。
-
公开(公告)号:CN113312715B
公开(公告)日:2023-05-26
申请号:CN202110503172.0
申请日:2021-05-10
Applicant: 暨南大学
Abstract: 本发明公开了一种有轨电车槽型轨扭曲不平顺预测方法,该方法包括以下步骤:轨道轮廓数据检测步骤:基于激光传感器采集轨道的断面轮廓数据,对断面轮廓数据进行修正处理得到轨道轮廓图像;扭曲不平顺值计算步骤:建立坐标,得到轨道点的三维坐标,基于各轨道点相对坐标计算扭曲不平顺值;扭曲不平顺值序列预测分析步骤:根据扭曲不平顺值预测非等时间距灰色得到扭曲不平顺值序列,评价预测误差,扭曲不平顺值序列经过评价合格后,用于预测未来扭曲不平顺值发展趋势。本发明与传统的人工检测相比,提高了有轨电车槽型轨扭曲不平顺检测精度,实现了对轨道扭曲不平顺变化趋势的预测。
-
公开(公告)号:CN112964195B
公开(公告)日:2022-08-30
申请号:CN202110153629.X
申请日:2021-02-04
Applicant: 暨南大学
IPC: G01B11/24
Abstract: 本发明公开了一种基于激光三角法的供电轨几何参数综合检测方法及系统,该方法包括以下步骤:获取轨道轮廓数据步骤:基于激光三角法获取轨道轮廓数据;采集轨道数据步骤:配合编码轮里程定位进行采集供电轨的轨道数据;综合滤波处理步骤:对供电轨的轨道数据进行综合滤波处理以及误差修正处理。相比以往的供电轨参数检测采用人工检测的方式,本发明采用激光传感器采集轨道数据,实现了供电轨参数的高效、动态采集,运用基于供电轨几何轮廓特征的的综合滤波处理与误差修正算法,消除了激光三角法容易出现的误差,得到准确平滑的供电轨轨道轮廓,精确度高,抗干扰能力强。
-
公开(公告)号:CN113326975A
公开(公告)日:2021-08-31
申请号:CN202110493436.9
申请日:2021-05-07
Applicant: 暨南大学
Abstract: 本发明公开了一种基于随机振荡序列灰色模型的轨道不平顺的超高预测方法,该方法包括以下步骤:数据预处理步骤:对检测的左右轨面高度偏差进行均值处理得到等间距平均高度偏差序列;初步预测步骤:基于灰色模型进行随机振荡序列灰色预测,得到初步预测高度偏差;预测修正步骤:基于高度残差平均值对初步预测高度残差进行修正得到修正高度残差,进行归一化处理;优化Elman神经网络步骤:通过蚁狮算法对Elman神经网络的初始权值和阈值优化,进而获得优化Elman神经网络;超高预测步骤:基于优化Elman神经网络得到轨道预测修正高度残差。本发明通过结合随机振荡序列灰色模型与Elman神经网络,克服了对随机振荡序列预测结果不理想的缺陷,使得对超高预测结果更加精确。
-
公开(公告)号:CN112902871A
公开(公告)日:2021-06-04
申请号:CN202110153865.1
申请日:2021-02-04
Applicant: 暨南大学
Abstract: 本发明公开了一种有轨电车轨道不平顺检测方法,该方法包括以下步骤:基于编码轮设备对激光传感器进行触发,利用激光传感器扫描轨道得到轨道断面轮廓数据;基于轨道里程数据、轨道断面轮廓数据构造测量弦线;根据测量弦线进行采样构造采样弦线以获取轨道弦测值;迭代复原得到轨道不平顺值。本发明采用激光传感器测距法实现对轨道轮廓的扫描,克服了传感器安装方面所带来的困难及误差,通过拟合轨道扫描图形,并提取出轨道的特征点;在轨道不平顺计算方面通过激光传感器扫描得到的轨道特征点,结合中点弦测算法进行轨道不平顺的计算测量,实现了对现代有轨电车槽型轨道的非接触式、高精度的测量,满足了对槽型轨道中长波段轨道不平顺的检测。
-
公开(公告)号:CN111444658A
公开(公告)日:2020-07-24
申请号:CN202010207194.8
申请日:2020-03-23
Applicant: 暨南大学
Abstract: 本发明公开了一种槽型轨几何参数趋势预测方法及系统,该方法包括下述步骤:将检测的槽型轨几何参数值进行数据存储及批量处理;进行数据预处理识别并修正异常值;构建并训练径向基神经网络,选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据,将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练;选取槽型轨设定检测区段的磨耗数据的最大值输入径向基神经网络进行训练;迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值;输入检测数据预测得到槽型轨不平顺和磨耗值预测数据。本发明将大数据、神经网络与轨道几何参数预测相结合,提高了神经网络的泛化能力和收敛速度。
-
公开(公告)号:CN111461288B
公开(公告)日:2023-10-31
申请号:CN202010134045.3
申请日:2020-03-02
Applicant: 暨南大学
IPC: G01C21/16 , G01B11/24 , G06N3/043 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种轨道几何参数全速段检测方法及系统,该方法的步骤包括:基于搭建的标准轨道,运行搭载四点弦测法与惯性基准法的轨道检测车,对轨道几何参数进行检测,建立轨道几何参数数据库;对检测数据进行异常值的识别与修正,采用区间归一化法对检测数据进行归一化处理,完成检测数据的预处理;搭建模糊神经网络并进行网络训练;检查神经网络,对网络节点参数进行深度调整;封装网络模型。本发明将深度学习技术与现代轨道几何参数检测研究有机结合,具有较高的检测精度和鲁棒性,同时将检测区段进行进一步的扩展,使其适用于列车运行的全速段,实现高低轨向的高精度检测。
-
公开(公告)号:CN111444658B
公开(公告)日:2023-05-05
申请号:CN202010207194.8
申请日:2020-03-23
Applicant: 暨南大学
IPC: G06F30/27 , G06F18/23213 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种槽型轨几何参数趋势预测方法及系统,该方法包括下述步骤:将检测的槽型轨几何参数值进行数据存储及批量处理;进行数据预处理识别并修正异常值;构建并训练径向基神经网络,选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据,将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练;选取槽型轨设定检测区段的磨耗数据的最大值输入径向基神经网络进行训练;迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值;输入检测数据预测得到槽型轨不平顺和磨耗值预测数据。本发明将大数据、神经网络与轨道几何参数预测相结合,提高了神经网络的泛化能力和收敛速度。
-
公开(公告)号:CN113326975B
公开(公告)日:2022-07-22
申请号:CN202110493436.9
申请日:2021-05-07
Applicant: 暨南大学
Abstract: 本发明公开了一种基于随机振荡序列灰色模型的轨道不平顺的超高预测方法,该方法包括以下步骤:数据预处理步骤:对检测的左右轨面高度偏差进行均值处理得到等间距平均高度偏差序列;初步预测步骤:基于灰色模型进行随机振荡序列灰色预测,得到初步预测高度偏差;预测修正步骤:基于高度残差平均值对初步预测高度残差进行修正得到修正高度残差,进行归一化处理;优化Elman神经网络步骤:通过蚁狮算法对Elman神经网络的初始权值和阈值优化,进而获得优化Elman神经网络;超高预测步骤:基于优化Elman神经网络得到轨道预测修正高度残差。本发明通过结合随机振荡序列灰色模型与Elman神经网络,克服了对随机振荡序列预测结果不理想的缺陷,使得对超高预测结果更加精确。
-
公开(公告)号:CN112964195A
公开(公告)日:2021-06-15
申请号:CN202110153629.X
申请日:2021-02-04
Applicant: 暨南大学
IPC: G01B11/24
Abstract: 本发明公开了一种基于激光三角法的供电轨几何参数综合检测方法及系统,该方法包括以下步骤:获取轨道轮廓数据步骤:基于激光三角法获取轨道轮廓数据;采集轨道数据步骤:配合编码轮里程定位进行采集供电轨的轨道数据;综合滤波处理步骤:对供电轨的轨道数据进行综合滤波处理以及误差修正处理。相比以往的供电轨参数检测采用人工检测的方式,本发明采用激光传感器采集轨道数据,实现了供电轨参数的高效、动态采集,运用基于供电轨几何轮廓特征的的综合滤波处理与误差修正算法,消除了激光三角法容易出现的误差,得到准确平滑的供电轨轨道轮廓,精确度高,抗干扰能力强。
-
-
-
-
-
-
-
-
-