公开(公告)号：CN117565943A

公开(公告)日：2024-02-20

申请号：CN202311469467.6

申请日：2023-11-07

Applicant: 重庆交通大学

Inventor： 徐凯 ,  张淼 ,  张洋 ,  黄德青 ,  贺德强 ,  秦娜 ,  王青元 ,  蓝章礼 ,  董海荣 ,  谭伟 ,  姚鸿洲 ,  陈卫兵

IPC: B61L27/20 ,  B61L27/33 ,  B61L27/04 ,  B61L15/00

Abstract: 本发明提供了一种列车车载控制系统故障下的自动救援方法，其特征在于：包括运行列车、救援列车和地面列控中心；所述运行列车的车头和车尾以及救援列车上均设置有车载控制系统，所述车载控制系统包括车载监测模块、自动驾驶模块、安全保护模块、追踪模块、定位模块和通信模块；所述自动救援方法包括：当其中一个车载控制系统故障采用另一个备份车载控制系统控制列车返回；如果两个车载控制系统均故障，控制最近的救援车采用虚拟连挂的方式实施救援；故障车和救援车的自动驾驶速度曲线均采用族群式的强化学习方法生成。采用本发明所述的方法实施自动救援效率大大提高，安全性和可靠性得到有效保障。

公开(公告)号：CN117553829A

公开(公告)日：2024-02-13

申请号：CN202311513054.3

申请日：2023-11-14

Applicant: 重庆交通大学

Inventor： 谭伟 ,  吴仕勋 ,  徐凯 ,  张淼 ,  张洋 ,  陈卫兵 ,  贺德强 ,  黄德青 ,  王青元 ,  董海荣 ,  蓝章礼

IPC: G01C25/00

Abstract: 本发明提出了一种循环多级校准惯性传感器漂移的列车安全定位系统及方法，其中，列车安全定位系统由多个视觉修正模块、多个惯性传感器、多个部相机、多个线路地图修正模块和融合输出修正模块组成；相互匹配的惯性传感器和相机构成相机‑IMU模组；相互匹配的视觉修正模块和相机‑IMU模组电气连接，相互匹配的线路地图修正模块和相机‑IMU模组电气连接；融合输出修正模块分别与多个相机‑IMU模组电气连接；本发明的有益技术效果是：提出了一种循环多级校准惯性传感器漂移的列车安全定位系统及方法，该方案可持续对车载惯性传感器的参数漂移进行多级循环修正，最终使得列车的速度、位置、姿态、里程的解算精度得到提升。

公开(公告)号：CN117516508A

公开(公告)日：2024-02-06

申请号：CN202311536736.6

申请日：2023-11-17

Applicant: 重庆交通大学

Inventor： 徐凯 ,  张洋 ,  张淼 ,  陈卫兵 ,  谭伟 ,  贺德强 ,  黄德青 ,  秦娜 ,  吴仕勋 ,  杨建喜 ,  蓝章礼 ,  董海荣

IPC: G01C21/00 ,  B61L25/02 ,  G06T7/20 ,  G06T5/50 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/08 ,  G01C21/16 ,  G01C21/20 ,  G01C25/00 ,  G01P3/00

Abstract: 本发明提供了一种两级融合感知和安全容错的列车测速定位系统，其特征在于：所述列车测速定位系统包括一级融合模块组和二级融合模块组，一级融合模块组包括惯性导航模块、视觉处理模块、一级数据融合模块和数据修正模块；二级融合模块组包括左侧模块组检测模块、右侧模块组检测模块、前后侧模块组检测模块和二级数据融合模块。所述方法包括：一级融合模块组对惯性导航和视觉处理的数据进行一级融合修正，然后二级融合模块组对各个无间歇故障的一级融合模块组的数据进行二级融合得到整车的速度定位数据。采用本发明所述的系统和方法能提高列车运行的测速定位准确性，进而提高对列车运行的安全保障。

公开(公告)号：CN117421547A

公开(公告)日：2024-01-19

申请号：CN202311469461.9

申请日：2023-11-07

Applicant: 重庆交通大学

Inventor： 徐凯 ,  张淼 ,  黄德青 ,  贺德强 ,  张洋 ,  王青元 ,  杨建喜 ,  董海荣 ,  吴仕勋 ,  谭伟 ,  姚鸿洲 ,  陈卫兵

IPC: G06F18/15 ,  G06F18/214 ,  G06N3/006 ,  G06F18/241

Abstract: 本发明提供了一种用于增强列车机器学习驾驶策略数据集的方法，其特征在于：包括数据采集模块、数据处理模块、一级数据增强模块和二级数据增强模块；二级数据增强模块内设置有GAN模型，所述GAN模型包括生成器和判别器；所述方法包括采集人工驾驶速度曲线策略数据，识别出待繁衍粒子，采用粒子集群扰动算法填补模态缺失数据，然后采用GAN模型对数据样本进行进一步增强，然后对所有可行解和可用样本进行Pareto支配处理得到增强的机器学习的训练样本数据。采用本方法能填补和增强模态缺失的数据，使用于机器学习的驾驶策略数据更完整分布更均匀，从而使训练得到的机器模型泛化能力增强，将其用于列车自动驾驶控制精度得以提高，列车驾驶的多个目标得到优化。

公开(公告)号：CN117370805A

公开(公告)日：2024-01-09

申请号：CN202311373545.2

申请日：2023-10-23

Applicant: 重庆交通大学

Inventor： 徐凯 ,  吕帆 ,  张长元 ,  任其广 ,  贺德强 ,  黄德青 ,  董海荣 ,  蓝章礼 ,  杨建喜 ,  张淼 ,  谭伟

IPC: G06F18/214 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0475 ,  G06N3/094 ,  G06Q10/04 ,  G06Q50/40

Abstract: 本发明提供了一种基于数据增强的列车牵引能耗的预测方法，其特征在于：包括数据采集模块、模型训练模块和能耗预测模块；所述模型训练模块内设置有GAN模型；所述GAN模型包括生成器和集成判别器，所述集成判别器由k个判别器组成；所述预测方法包括：采集获取k个训练数据集分别用于k个判别器；然后利用k个训练数据集对GAN模型进行训练获取能耗预测生成器，然后利用能耗预测生成器对列车的牵引能耗进行预测。采用本预测方法不仅能提高列车牵引能耗的预测精度，还能提高预测模型的通用性。