-
公开(公告)号：CN112329520B
公开(公告)日：2023-01-31
申请号：CN202011011024.9
申请日：2020-09-23
申请人： 西南交通大学
IPC分类号： G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/094 , G01M7/02 , G01M13/045
摘要： 本发明涉及轴承故障识别技术领域，涉及一种基于生成对抗学习的货车轴承故障识别方法，包括：1、建立轮对振动试验台，设计并制作不同故障类别的滚动轴承，进行测试，获取振动信号；2、数据处理；3、建立一维信号的卷积神经网络模型，将源域数据输入到模型中进行参数预训练；4、通过生成对抗网络模型进行训练；5、利用训练后的生成对抗网络模型合成大量目标域数据，利用合成的数据对卷积神经网络进行二次训练；6、使用所述卷积神经网络对未知数据进行测试。本发明能够利用生成对抗网络模型解决了训练数据量不足的问题，能够结合深度学习方法对各类故障类型的数据进行分类。
-
公开(公告)号：CN110502726B
公开(公告)日：2021-04-27
申请号：CN201910802697.7
申请日：2019-08-28
申请人： 西南交通大学
IPC分类号： G06F17/18 , G06F30/27 , G06F119/14 , G06F119/10
摘要： 本申请实施例提供一种轨道车辆车内噪音预测方法及装置，所述方法包括：将待预测轨道车辆的轨道线形、轨道不平顺参数、车辆参数和轨道参数输入预先设置的车辆‑轨道耦合动力学模型，得到待预测轨道车辆在待预测区间的垂向加速度、横向加速度、纵向加速度、摇头角速度、侧滚角速度、点头角速度和纵向行驶速度，计算得到预测样本特征向量。再将预测样本特征向量输入到预先根据多元回归模型构建的多元回归预测器中，得到待预测轨道车辆在所述待预测轨道区间的车内噪音信息。采用本申请提供的轨道车辆车内噪音预测方法，能够快速准确的对待预测轨道车辆在所述待预测轨道区间的车内噪音信息进行预测。
-
公开(公告)号：CN112231870A
公开(公告)日：2021-01-15
申请号：CN202011011062.4
申请日：2020-09-23
申请人： 西南交通大学
摘要： 本发明涉及铁路线路技术领域，具体地说，涉及一种复杂山区铁路线路智能化生成方法，其包括以下步骤：一、环境Environment搭建；二、设置环境Environment的各类属性；三、采用强化学习中的DDPG来确定线路的最优路径；3.1、创建一个Memory Buffer；3.2、利用Memory Buffer的存储内容更新DDPG结构参数；3.3、用DDPG优化铁路线路路径，直到线路路径收敛。本发明可大量节省人力物力，有效提升了山区铁路选线的效率和水平。
-
公开(公告)号：CN112215264A
公开(公告)日：2021-01-12
申请号：CN202011013145.7
申请日：2020-09-23
申请人： 西南交通大学
摘要： 本发明涉及钢轨磨耗检测技术领域，具体地说，涉及一种基于钢轨光带图像的钢轨磨耗检测方法，其包括以下步骤：一、采集钢轨光带图像和磨耗数据；二、划分数据集，标注钢轨光带图像，并MaskR‑CNN训练；三、根据提取的钢轨光带图像与相对应的磨耗数据训练深度学习模型；四、将训练得到的模型对钢轨磨耗进行检测。本发明测量结果稳定，具有很强的鲁棒性。
-
公开(公告)号：CN112215263A
公开(公告)日：2021-01-12
申请号：CN202011011012.6
申请日：2020-09-23
申请人： 西南交通大学
摘要： 本发明涉及钢轨波磨检测技术领域，涉及一种基于深度卷积神经网络的钢轨波磨检测方法，其包括以下步骤：一、拍摄钢轨顶面图像，并保存；二、挑选出长波磨、短波磨和非波磨的图片并标定；三、提取图像中间的钢轨区域；四、创建训练集数据存放文件夹；五、创建测试文件夹；六、将图片按照原图片灰度值的0.6倍、0.8倍、1.2倍和1.4倍进行变换；七、使用DenseNet模型构造深度卷积神经网络；八、将训练集导入构建的深度卷积神经网络模型进行训练；九、将测试集输入到深度卷积神经网络中进行测试，并统计评价指标值。本发明能够实现长、短波磨的有效和高速检测，并实现对光照强度变化的鲁棒性。
-
公开(公告)号：CN110658005A
公开(公告)日：2020-01-07
申请号：CN201910949616.6
申请日：2019-10-08
申请人： 西南交通大学
IPC分类号： G01M17/08
摘要： 本发明公开了一种基于车体加速度识别钢轨波磨病害的方法，其包括以下步骤：S1、获取列车运行过程中的车体振动加速度数据；S2、获取相邻两车站间的车体振动加速度数据；S3、获取车体振动主频；S4、根据车体振动主频获取出现钢轨波磨时的峰值频率；S5、获取列车的速度信息和里程信息；S6、根据列车的速度信息和出现钢轨波磨时的峰值频率获取波磨波长，并根据里程信息获取其具体位置，完成钢轨波磨病害的识别。本发明基于加速度传感器测量车厢地板振动，依据车辆运行速度和里程信息，可经济、方便、快捷且准确诊断钢轨波磨，进而为地铁运营公司制定科学高效的维修策略提供重要的数据支撑。
-
公开(公告)号：CN109056429B
公开(公告)日：2019-12-03
申请号：CN201811039791.3
申请日：2018-09-06
申请人： 西南交通大学
IPC分类号： E01B19/00
摘要： 本发明提供了一种浮置板轨道基频半主动减振方法与装置，涉及轨道交通领域。该浮置板轨道基频半主动减振方法与装置，通过分析出浮置板轨道振动参数，其中，所述浮置板轨道振动参数至少包括浮置板的振动垂向位移和速度、第j个隔振器支点力、第j个磁流变阻尼力；然后对第j个磁流变阻尼力进行选定，以使选定后的第j个磁流变阻尼力满足使得浮置板在固有频率振动的情况下，减小了浮置板的振动垂向位移、速度以及隔振器支点力有效值，从而在降低基频的振动情况下，保证较高质量的高频的减振效果。
-
公开(公告)号：CN109902414A
公开(公告)日：2019-06-18
申请号：CN201910174043.4
申请日：2019-03-07
申请人： 西南交通大学 , 中国铁道科学研究院集团有限公司 , 中国铁道科学研究院集团有限公司铁道建筑研究所
摘要： 本申请实施例提供的超低频高阻尼隔振器及参数确定方法、装置和轨道中，涉及轨道交通减振领域；在隔振器包括：正刚度弹性件、负刚度弹性件和可控阻尼件，根据隔振器的最大形变量确定出隔振器的正刚度系数，并获取负刚度弹性件的初始指标值，进而建立隔振器的刚度系数与负刚度弹性件的负刚度系数的关系式，确定出负刚度系数。并根据隔振器所受的支反力与可控阻尼件的可控阻尼力的关系式确定出可控阻尼力。进而可以使隔振器在降低固有频率和抑制振动均有良好的效果，且当隔振器应用于轨道系统中时，可以很好的减小在轨道上运行的列车带来的振动危害。
-
公开(公告)号：CN109056429A
公开(公告)日：2018-12-21
申请号：CN201811039791.3
申请日：2018-09-06
申请人： 西南交通大学
IPC分类号： E01B19/00
摘要： 本发明提供了一种浮置板轨道基频半主动减振方法与装置，涉及轨道交通领域。该浮置板轨道基频半主动减振方法与装置，通过分析出浮置板轨道振动参数，其中，所述浮置板轨道振动参数至少包括浮置板的振动垂向位移和速度、第j个隔振器支点力、第j个磁流变阻尼力；然后对第j个磁流变阻尼力进行选定，以使选定后的第j个磁流变阻尼力满足使得浮置板在固有频率振动的情况下，减小了浮置板的振动垂向位移、速度以及隔振器支点力有效值，从而在降低基频的振动情况下，保证较高质量的高频的减振效果。
-
公开(公告)号：CN118378850A
公开(公告)日：2024-07-23
申请号：CN202410804401.6
申请日：2024-06-21
申请人： 西南交通大学
IPC分类号： G06Q10/0631 , G06Q10/0633 , G06Q50/08 , G06N3/092
摘要： 本发明涉及一种基于深度强化学习和并行施工的隧道工作面划分方法，属于铁路施工领域，所述方法包括：S1、采集施工信息，设定隧道结构，定义并行施工方式；S2、建立并行施工方式整数线性规划模型的约束条件；S3、抽取潜在划分位置；S4、使用蒙特卡洛方法模拟各工作面隧道施工工期；S5、使用整数线性规划模型计算总工期和施工队调用个数；S6、设定深度强化学习的奖励函数权重；S7、建立深度强化学习智能，求解工作面划分位置；S8、重复S3至S8，求解得到最优值。S9、重复S4和S5，计算各施工队在各施工段的调度方案。本发明寻找施工工作面划分的优化方案，提升施工项目的管理和执行效率，缩短工期，为建设方提供更经济、高效的施工方案。
-
-
-
-
-
-
-
-
-
搜索结果
104 条记录 (耗时 0.081 秒)
