-
公开(公告)号：CN116401530A
公开(公告)日：2023-07-07
申请号：CN202310360186.0
申请日：2023-04-06
Applicant: 重庆交通大学
IPC: G06F18/213 , G06N3/006 , G01M13/045
Abstract: 本发明涉及轴承故障诊断领域，具体涉及基于WOA算法优化特征模态分解的轴承故障诊断方法，包括：获取待诊断的轴承故障信号；通过WOA算法自适应搜索FMD算法的最优输入参数组合；通过确定了输入参数的FMD算法对轴承故障信号进行分解，得到若干模态分量；计算各个模态分量的峰度值并选取峰度值最大的模态分量进行包络解调，进而提取对应的故障特征信息以实现轴承故障诊断。本发明能够通过FMD兼顾轴承故障信号的脉冲特性和周期性，同时通过WOA优化FMD的参数选取以充分发挥其性能和效率，从而能够提高轴承故障诊断的准确性和有效性。
-
公开(公告)号：CN113415317A
公开(公告)日：2021-09-21
申请号：CN202110783664.X
申请日：2021-07-12
Applicant: 重庆交通大学
Abstract: 本发明提供了一种虚拟连挂高速列车群的控制方法，虚拟连挂高速列车群由多个单列车组成，其特征在于：单个单列车上设置有驾驶曲线生成模块、车载ATO模块和车载通信模块、列车群驾驶曲线控制模块和地面通信模块；所述控制方法包括：首先根据路线参数设定多个列车控制模态，针对每个列车控制模态按单列车从前往后的顺序依次生成自动驾驶曲线并得到多个列车群自动驾驶曲线组，对每个列车群自动驾驶曲线组计算对应列车控制模态下列车群的总能耗，将在某个列车控制模态下总能耗最低的列车群自动驾驶曲线组用于列车群的控制。采用本发明所述的控制方法，能在保证虚拟连挂高速列车群安全、高效地协同运行的同时降低列车群整体运行能耗。
-
公开(公告)号：CN112506075A
公开(公告)日：2021-03-16
申请号：CN202011341700.9
申请日：2020-11-20
Applicant: 重庆交通大学
Abstract: 本发明涉及基于TPZN的智能网联汽车系统协同控制方法，属于无人驾驶、预测和控制策略领域，通过将Z语言形式化描述和TPN模型融合成为新的TPZN模型来实现功能，能够有效的解决时间Petri网因节点设备众多而带来的状态爆炸问题和Z框架动态能力和实时性不足的问题，建立的智能网联汽车系统协同控制的TPZN形式化模型，能够实现多源异构复杂环境下的智能网联汽车系统信息安全传输的协同控制，提升智能网联汽车行驶的安全性和可靠性。
-
公开(公告)号：CN107220475A
公开(公告)日：2017-09-29
申请号：CN201610936445.X
申请日：2016-11-01
IPC: G06F19/00
Abstract: 本发明公开了一种基于线性判别分析的轴承特征数据分析方法，通过基于线性判别分析将原始数据往最容易实现分类的方向上投影实现降维，通过轴承样本数据类内散列矩阵和类间散列矩阵共同确定投影方向，保证了投影方向的正确性。同时通过对轴承故障数据进行线性判别降维处理，在剔除大量误差信息的同时，确保能保留有效故障特征信息，同时降维方向为数据更易进行故障分类的投影方向，故能有效提高后期BP神经网络故障诊断的准确率。
-
公开(公告)号：CN106525047A
公开(公告)日：2017-03-22
申请号：CN201610967025.8
申请日：2016-10-28
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明公开了一种基于floyd算法的无人机路径规划方法，基于floyd的动态路径规划，从图的带权邻接矩阵A＝[a(i,j)]n×n开始，递归地进行n次更新，即由矩阵D(0)＝A，按一个公式，构造出矩阵D(1)；又用同样地公式由D(1)构造出D矩阵D(n)，矩阵D(n)的i行j列元素便是i号顶点到j号顶点的最短路径长度，称D(n)为图的距离矩阵，同时还可引入一个后继节点矩阵path来记录两点间的最短路径，通过此种方法找出始终节点间的最短路径。(2)；……；最后又用同样的公式由D(n-1)构造出
-
Patent Agency Ranking
公开(公告)号：CN120012747A
公开(公告)日：2025-05-16
申请号：CN202510094420.9
申请日：2025-01-21
Applicant: 重庆交通大学
IPC: G06F40/186 , G06N20/00 , G06F18/25 , G06F18/213 , G06F18/214
Abstract: 本发明公开了基于大语言模型的跨座式单轨列车齿轮箱振动预测方法，包括：S1：获取跨座式单轨列车齿轮箱的振动信号数据；S2：将振动信号数据输入经过训练的趋势预测模型中进行振动信号趋势预测，输出振动信号的趋势预测结果；S3：基于预测任务的领域特点和预测需求构建提示词模板；S4：将振动信号的趋势预测结果和提示词模板输入Prompt模块中进行处理；S5：将振动信号数据输入Input模块进行文本嵌入映射；S6：将标记嵌入向量和文本嵌入向量进行拼接后输入预训练的大语言模型中输出振动信号融合嵌入表示；将振动信号融合嵌入表示输入预测头中进行数值化生成振动信号预测结果。本发明提高跨座式单轨列车齿轮箱振动信号预测的精度和可靠性。
-
公开(公告)号：CN117709190A
公开(公告)日：2024-03-15
申请号：CN202311688615.3
申请日：2023-12-11
Applicant: 重庆交通大学
IPC: G06F30/27 , G06N3/006 , G01M13/045 , G06F119/14 , G06F119/04
Abstract: 本发明涉及滚动轴承数字孪生模型构建及模型参数优化方法，属于数字孪生领域，包括以下步骤：S1：结合径向力作用、外圈、内圈、滚动体之间动力学关系，建立轴承四自由度数字孪生模型，输入用于测量轴承的几何参数和运行参数；S2：基于蝗虫算法初始化和优化轴承内部不能测量的关键参数，由轴承四自由度数字孪生模型输出虚拟孪生信号；S3：计算虚拟孪生信号与实际振动信号两者均方根的差值，蝗虫算法朝着减小差值的方向搜寻关键参数；S4：蝗虫算法迭代结束，基于输出记录的与实测振动信号误差最小的为最优孪生信号，以相对应参数下的轴承为最优数字孪生体，为训练异常检测、故障分类和剩余使用寿命预测模型提供丰富的数据，实时监测轴承健康状态。
-
公开(公告)号：CN117133256A
公开(公告)日：2023-11-28
申请号：CN202311093131.4
申请日：2023-08-22
Applicant: 重庆交通大学
IPC: G10H1/00
Abstract: 本发明涉及基于YIN算法的人声哼唱转换简谱及古筝旋律的方法，属于音频处理和智能编曲策略领域；包含以下步骤：S1：利用YIN方法获取哼唱音频的音频特征值信息和节拍信息；S2：对应已有钢琴频谱信息，转换为钢琴频谱；S3：建立钢琴频谱与古筝简谱的映射关系，将钢琴频谱转换为对应的古筝简谱；S4：过滤古筝简谱，得到滤波后的古筝简谱，并计算出单音开始位置信息和单音持续时长信息；S5：构建古筝乐器对应的旋律，并根据邻近音调节古筝乐器对应的旋律；S6：优化古筝乐器对应的旋律，输出最终的古筝音频。本发明能够实现自动转换人声哼唱为古筝乐器旋律，丰富旋律内容，确保人耳听觉的舒适度。
-
公开(公告)号：CN117077526A
公开(公告)日：2023-11-17
申请号：CN202311053505.X
申请日：2023-08-21
Applicant: 重庆交通大学 , 重庆微标科技股份有限公司
IPC: G06F30/27 , G06F30/23 , G06F30/28 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F119/08 , G06F113/08 , G06F119/14
Abstract: 本发明涉及雷达系统及温度预测分析领域，具体涉及基于数字孪生的雷达TR模块温度预测方法，包括：通过有限元分析方法建立雷达TR模块的数字孪生模型；通过数字孪生模型的仿真运行产生仿真数据，进而结合雷达TR模块的真实数据构建联合数据库；基于深度学习模型构建温度预测模型；从联合数据库中提取数据来构建训练数据集，用以训练温度预测模型；其中训练数据集中的每组训练数据包括TR相关数据及其对应的实际温度值；将待预测雷达TR模块的TR相关数据输入训练后的温度预测模型中，输出温度预测值。本发明能够通过数字孪生和深度学习的融合来提高雷达TR模块温度预测的有效性和实用性。
-
公开(公告)号：CN116386220A
公开(公告)日：2023-07-04
申请号：CN202310381964.4
申请日：2023-04-11
Applicant: 重庆交通大学
Abstract: 本发明涉及一种用于景区的自动行驶移动车辆系统，属于机器人控制领域。该系统包括：服务器、区域内的移动车辆平台和移动通信设备；服务器包括具备区域调度以及统计能力区域调度服务器，以及交互和理解服务器；交互和理解服务器基于移动通信设备的感知信息，将综合理解的结果反馈给移动通信设备或者区域调度服务器进行任务和命令的解析；移动车辆平台具备车辆的自主移动和载人能力；移动通信设备用于获取命令以及交互信息。本发明系统能节省移动车辆平台的成本。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.027 seconds)
