飞行员状态监测与飞行数据实时同步融合系统

    公开(公告)号:CN119503144A

    公开(公告)日:2025-02-25

    申请号:CN202411528408.6

    申请日:2024-10-30

    Abstract: 本发明涉及飞行员状态监测技术领域,具体涉及飞行员状态监测与飞行数据实时同步融合系统,包括信息采集模块,用于实时采集飞行员的生理状态信息和飞机的飞行数据信息;智能控制模块,用于控制摄像头、脑电采集装置和心电仪的运行;信息处理模块,用于分别对采集的飞行员生理状态信息和飞机飞行数据进行预处理操作;数据融合模块,用于将飞行员的生理状态信息与飞机的飞行数据参数进行融合。预警协助模块,用于发现异常时立即发出预警信号;并在飞机遇到危险的紧急情况下为飞行员提供定位信息和救援指导。本发明根据飞行员当前的注意力状态和任务需求,系统能动态调整脑电采集装置的采集频率和采集位置,以提高数据采集的效率和针对性。

    高速铁路列车晚点时间预测的深度神经网络模型建模方法

    公开(公告)号:CN109508751A

    公开(公告)日:2019-03-22

    申请号:CN201811487875.3

    申请日:2018-12-06

    CPC classification number: G06N3/084 G06K9/6297 G06N3/0481

    Abstract: 本发明公开了一种高速铁路列车晚点时间预测的深度神经网络模型建模方法,属于轨道交通的技术领域,结合相邻列车间具有明显相互作用关系及列车晚点具有时间序列以及非时间序列影响因素的特点,提出了包含循环神经网络以及全连接神经网络的深度神经网络模型;该模型中,晚点的非时间序列影响因素被输入全连接神经网络,时间序列影响因素被输入循环神将网络以利用其反馈机制学习到相邻列车间相互作用关系;以达到能够识别列车之间相互作用对列车晚点的影响,具有较高的预测精度,且具有较好的实际应用能力,其预测绝对误差与相对误差均低于支持向量回归模型、普通神经网络模型及马尔科夫等模型的最优预测结果。

    自动染布机
    3.
    发明公开

    公开(公告)号:CN109457416A

    公开(公告)日:2019-03-12

    申请号:CN201811560999.X

    申请日:2018-12-20

    Abstract: 本发明自动染布机,属于染布技术领域,目的是实现自动化染布,提高作业效率,节约劳动力。包括框架、布料传送机构、染料挤出装置以及染料移动装置;框架包括两根纵梁和位于两根纵梁之间的横梁,布料传送机构包括包括上滚筒、下滚筒和布料传送电机;布料传送电机安装于纵梁与上滚筒传动连接;染料移动装置包括移动座和染料移动电机,移动座安装于横梁并沿横梁轴向与横梁滑动配合连接;染料移动电机安装于移动座;染料挤出装置安装于移动座。本发明实现了自动染布,染布速率得到达到提高,同时,仅需要1至2个工人便可操作,节约了人工成本,并且,染料自动进行涂抹,无需专业人员也可进行染布操作。

    用于复杂飞行环境的多源数据融合与动态调整算法及系统

    公开(公告)号:CN119336043A

    公开(公告)日:2025-01-21

    申请号:CN202411394354.9

    申请日:2024-10-08

    Abstract: 本发明属于航空飞行技术领域,尤其涉及一种适用于复杂飞行环境的多源数据融合与动态调整算法及系统,该算法包括:数据采集与预处理;多源数据融合;路径规划与动态调整;自适应控制与执行;异常处理与冗余补偿。本发明基于多源数据融合与动态调整的算法,通过融合多种传感器数据并实时动态调整飞行策略,显著提升了飞机在复杂环境中的导航能力和安全性。相比于传统单一传感器依赖的导航系统。通过多源数据融合与动态调整算法,该系统显著提升了飞机在复杂飞行环境中的自主导航与控制能力,有效解决了现有技术中数据丢失、环境变化带来的不确定性问题。

    列车运行实绩数据驱动的运行图冗余时间布局获取方法

    公开(公告)号:CN109583657B

    公开(公告)日:2021-03-16

    申请号:CN201811487634.9

    申请日:2018-12-06

    Abstract: 本发明属于铁路交通技术领域,列车运行实绩数据驱动的运行图冗余时间布局获取方法,包括:S1、根据列车运行实绩数据,提取晚点列车运行记录,并获取列车晚点恢复时间及其影响因素;S2、使用岭回归模型,获取各影响因素的岭回归系数即影响系数;S3、根据列车晚点恢复时间和影响系数,确定冗余时间布局优化模型的目标函数;S4、根据列车运行图及列车运行限制条件,获取列车运行约束条件;S5、根据列车运行图和列车运行约束条件,求解冗余时间布局优化模型,获取冗余时间布局方案。本发明解决了现有技术存在的难以为实时调度指挥提供支撑,方案不具有针对性以及晚点列车无法进行恢复最大化的问题。

    一种基于深度学习的多属性数据建模方法

    公开(公告)号:CN109635246A

    公开(公告)日:2019-04-16

    申请号:CN201811488860.9

    申请日:2018-12-06

    CPC classification number: G06F17/18 G06N3/0454 G06N3/084 G06Q10/04 G06Q50/30

    Abstract: 本发明涉及交通运输技术领域,其目的在于提供一种基于深度学习的多属性数据建模方法。本发明包括以下步骤:S1:根据当前高速铁路区段的历史运营数据,提取列车晚点的影响因素及列车晚点观测值;S2:判断影响因素的属性;S3:将不同属性的影响因素分别输入Conv‑LSTM模型、LSTM模型和FCNN模型;S4:基于交叉验证分别优化上述各模型的神经元层数及各层神经元数,分别筛选出上述各模型中最小损失函数值的神经元层数及各层神经元数;S5:选定最终的多属性数据模型。本发明建立完成的多属性数据模型能够有效识别时间序列的时间依赖关系以及时空数据的时空依赖关系,实现对交通工具产生的多属性数据的建模。

    一种高速列车初始晚点影响预测模型的建立方法

    公开(公告)号:CN109359788A

    公开(公告)日:2019-02-19

    申请号:CN201811489173.9

    申请日:2018-12-06

    Abstract: 本发明涉及交通运输技术领域,其目的在于提供一种高速列车初始晚点影响预测模型的建立方法。本发明包括初始晚点影响列车数预测模型的建立方法和初始晚点影响总时间预测模型的建立方法。初始晚点影响列车数预测模型的建立方法包括以下步骤:比选不同备选的第一机器学习分类模型,选择最终的第一机器学习分类模型,选定最终的第一机器学习分类模型为初始晚点影响列车数预测模型。初始晚点影响总时间预测模型的建立方法包括以下步骤:比选不同备选的第二机器学习分类模型,选择最终的第二机器学习分类模型,选定最终的第二机器学习分类模型为初始晚点影响总时间预测模型。本发明建模过程方便,利于对初始晚点影响列车数和总时间进行预测。

    列车运行实绩数据驱动的运行图冗余时间布局获取方法

    公开(公告)号:CN109583657A

    公开(公告)日:2019-04-05

    申请号:CN201811487634.9

    申请日:2018-12-06

    Abstract: 本发明属于铁路交通技术领域,列车运行实绩数据驱动的运行图冗余时间布局获取方法,包括:S1、根据列车运行实绩数据,提取晚点列车运行记录,并获取列车晚点恢复时间及其影响因素;S2、使用岭回归模型,获取各影响因素的岭回归系数即影响系数;S3、根据列车晚点恢复时间和影响系数,确定冗余时间布局优化模型的目标函数;S4、根据列车运行图及列车运行限制条件,获取列车运行约束条件;S5、根据列车运行图和列车运行约束条件,求解冗余时间布局优化模型,获取冗余时间布局方案。本发明解决了现有技术存在的难以为实时调度指挥提供支撑,方案不具有针对性以及晚点列车无法进行恢复最大化的问题。

Patent Agency Ranking