-
公开(公告)号：CN105785482A
公开(公告)日：2016-07-20
申请号：CN201610286740.5
申请日：2016-05-03
申请人： 北京交通大学
摘要： 本发明提供一种基于遮盖物检测的雪深测量系统，在激光测量雪深值发生突变的情况下启动摄像机抓拍，通过图像对比方法判断突变是否由测量区域侵入遮盖物引起，若是则排除异物，通过本发明提出的雪深测量系统有效排除了遮盖物对雪深值检测的干扰。计算实时性较好，方便和现有视频监控系统结合，具有很强的实用价值。
-
公开(公告)号：CN105426651A
公开(公告)日：2016-03-23
申请号：CN201510316559.X
申请日：2015-06-10
申请人： 北京交通大学
IPC分类号： G06F19/00
摘要： 本发明实施例提供了一种基于复合故障链推理的隐患辨识方法。该方法包括：复合故障因果链模型的参数进行训练，选取历史故障数据作为输入得出故障源排序集合，若真实故障源不在故障源排序集合内，则对复合故障因果链模型进行机理分析，增加通向真实故障源的链路集；若真实故障源在故障源排序集合内，则对真实故障源以及故障传播路径增加概率奖励因子，对复合故障因果链模型的初始值做修正。本发明实施例基于先验知识和机理分析找出该系统的故障模式和系统内部信息传输失衡的根源，确定结构故障点，可以在列车车门系统未报出故障时，先给出预警信息，对于系统安全运行以及合理维护都有重要的指示作用。
-
公开(公告)号：CN102360454A
公开(公告)日：2012-02-22
申请号：CN201110308162.8
申请日：2011-10-12
申请人： 北京交通大学
IPC分类号： G06N3/08
摘要： 本发明公开了铁路安全运行控制技术领域中的一种基于NARX神经网络的轮轨力预测方法。包括利用轨道检测车采集轨道不平顺数据；对轨道不平顺数据进行仿真，得到轮轨力数据；对轨道不平顺数据和轮轨力数据进行归一化处理；设定NARX神经网络预测模型；选取训练样本，训练NARX神经网络预测模型；选取测试样本，对训练好的NARX神经网络预测模型进行测试，输出测试后的轮轨力数据；对测试样本中的轮轨力数据和测试后的轮轨力数据进行分析，评价NARX神经网络预测模型的性能。本发明利用实测到的轨道不平顺数据，采用NARX神经网络模型，预测轮轨力，提高了铁路行车安全评价的准确性。
-
公开(公告)号：CN116561561A
公开(公告)日：2023-08-08
申请号：CN202310535518.4
申请日：2023-05-12
申请人： 北京交通大学
IPC分类号： G06F18/213 , G06F18/25 , G06F18/27 , G06F18/15 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N3/084 , G01M13/045 , G01M13/04 , G06F123/02
摘要： 本发明提供基于高斯弹性卷积的滚动轴承剩余寿命预测方法及系统，属于基于神经网络的机械设备剩余寿命预测技术领域，获取变转速条件下滚动轴承的振动信号和转速信号；利用预先训练好的寿命预测模型对获取的振动信号和转速信号进行处理，得到轴承的寿命预测结果；其中，寿命预测模型的训练中构建时间信息嵌入层，将承载轴承转速信息和轴承运行时间信息引入到表示学习中，根据不同退化率对退化特征进行重标定，获取用于回归分析剩余寿命预测的时间序列信息。本发明可直接从滚动轴承的从变转速振动监测信号中提取具有弹性尺度的退化特征并进行特征重标定，准确地挖掘与滚动轴承健康状况最相关的退化信息，实现了变转速条件下的滚动轴承剩余寿命预测。
-
公开(公告)号：CN109522633B
公开(公告)日：2023-06-20
申请号：CN201811326237.3
申请日：2018-11-08
申请人： 北京交通大学
摘要： 本发明提供了一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法。该方法包括如下步骤：从高速铁路装备‑环境‑人‑管理四个系统出发，根据系统的物理、电气和信息组成关系，构建高速铁路系统多重多粒度网络模型；基于所述多重多粒度网络模型计算出各节点的功能维度指标，基于所述多重多粒度网络模型，计算出各节点的风险维度指标，综合各个节点的功能维度指标和风险维度指标的重要度排序结果，得到高速铁路系统的关键环节集。本发明结合高速铁路系统拓扑结构、功能重要度、风险概率以及失效后影响运营的严重程度，突破了以往高速铁路系统关键环节辨识过程中，依赖专家经验、关注局部设备或子系统、缺少系统间作用关系等局限。
-
公开(公告)号：CN115965057A
公开(公告)日：2023-04-14
申请号：CN202211498411.9
申请日：2022-11-28
申请人： 北京交通大学
IPC分类号： G06N3/0464 , G06N3/084 , G06N3/082 , G01M17/08
摘要： 本发明提供了一种面向列车传动系统的类脑持续学习故障诊断方法。该方法模拟了人脑神经突触的记忆与新生，设计了类突触表征结构的生长机制，以实现类脑持续学习的列车传动系统故障诊断。具体地，冻结原有特征提取分支并配合少量旧类样本示例缓解“灾难性遗忘”；同时引入新的特征提取分支，为模型提供可塑性，在多目标损失函数引导下，学习新故障特征，提升模型学习能力上限。此外，该机制集成了端到端的网络剪枝，根据任务难度而动态调整结构生长规模，缓解渐进学习过程中模型的结构化冗余问题。本发明提出的方法，可以高精度、高实时性拓展可诊断故障的边界，对提升基于深度学习的轨道车辆传动系统智能故障诊断模型的应用潜力具有重要意义。
-
公开(公告)号：CN109544011B
公开(公告)日：2022-02-01
申请号：CN201811417624.8
申请日：2018-11-26
申请人： 北京交通大学
IPC分类号： G06Q10/06
摘要： 本发明提供了一种基于内外协变量的高速列车系统可靠性评估方法，属于高速列车运行控制技术领域。该方法首先构建高速列车系统拓扑网络模型；然后确定系统部件固有寿命分布类型及故障概率；再根据故障概率和所构建的拓扑网络模型为基础，计算部件的综合重要度；结合固有寿命分布类型及综合重要度，构建高速列车系统基于内部协变量的基准风险模型；结合外部运行环境数据，根据基准风险模型建立高速列车系统基于内外协变量的风险模型；最后根据基于内外协变量的风险模型计算高速列车系统可靠性。本发明建立基于内部性能参数和外部运行环境双协变量可靠性计算方法，有助于对全局系统的可靠性、安全性的准确评估，为保障高速列车系统安全运营提供指导。
-
公开(公告)号：CN111898195A
公开(公告)日：2020-11-06
申请号：CN202010542358.2
申请日：2020-06-15
申请人： 北京交通大学
IPC分类号： G06F30/15 , G06F30/20 , G06F119/02
摘要： 本发明公开了一种基于改进的d-MC网络流理论的轨道交通列车系统多态可靠性分析方法，首先，分析轨道交通列车系统功能，构建列车系统功能链及功能关系网络；其次，依据列车各部件之间的功能关系及部件状态，引入载荷流的概念，并构建轨道交通列车系统多态可靠性网络模型；最后，通过d极小割网络流理论及不交和方法计算整个列车系统在某一状态下的可靠性。本发明以轨道交通列车部件之间的功能关系为基础，引入改进的d极小割网络流理论方法进行列车系统可靠性分析，提高了系统可靠性评估计算的效率，并为轨道交通列车系统可靠性设计、实际运营监测、维护管理及修程的制定提供了有效的基础支撑。
-
公开(公告)号：CN105957057B
公开(公告)日：2019-07-19
申请号：CN201610248886.0
申请日：2016-04-20
申请人： 北京交通大学
摘要： 本发明公开了一种基于视频分析的实时降雪强度估计方法，提出了实时降雪强度分析方法，方法主要包括区域划分、单个区域雪粒子检测、雪粒子检测有效性判断、全局雪粒子推算、实时降雪强度估计五个部分。通过实验发现，本方法可以有效的识别下落雪粒子的分布情况，计算实时性较好，方便和现有视频监控系统结合，具有很强的实用价值。
-
公开(公告)号：CN109522633A
公开(公告)日：2019-03-26
申请号：CN201811326237.3
申请日：2018-11-08
申请人： 北京交通大学
IPC分类号： G06F17/50
摘要： 本发明提供了一种基于拓扑综合重要度的高速铁路系统关键环节集辨识方法。该方法包括如下步骤：从高速铁路装备-环境-人-管理四个系统出发，根据系统的物理、电气和信息组成关系，构建高速铁路系统多重多粒度网络模型；基于所述多重多粒度网络模型计算出各节点的功能维度指标，基于所述多重多粒度网络模型，计算出各节点的风险维度指标，综合各个节点的功能维度指标和风险维度指标的重要度排序结果，得到高速铁路系统的关键环节集。本发明结合高速铁路系统拓扑结构、功能重要度、风险概率以及失效后影响运营的严重程度，突破了以往高速铁路系统关键环节辨识过程中，依赖专家经验、关注局部设备或子系统、缺少系统间作用关系等局限。
-
-
-
-
-
-
-
-
-
搜索结果
54 条记录 (耗时 0.059 秒)