-
公开(公告)号：CN118372865A
公开(公告)日：2024-07-23
申请号：CN202410467842.1
申请日：2024-04-18
申请人： 中南大学
摘要： 本发明公开了一种基于强化学习的高速列车速度曲线优化方法及系统，包括S1：获取道路数据、列车运行时刻数据、列车速度、列车加速度数据，并对其进行预处理，得到预处理后的道路数据、列车运行时刻数据、列车速度、列车加速度数据；S2：定义列车速度曲线优化网络的状态空间和动作空间；S3：构建列车速度曲线优化网络的值函数，并根据根据迭代步对值函数进行更新；S4：设定列车速度曲线优化网络的奖励函数，所述奖励函数中包括乘客舒适度函数、运行总能耗函数、准点性函数；S5：强化学习训练，更新Q表并输出高速列车速度曲线。此方案解决了传统列车速度曲线对于乘客舒适性考虑不足的问题。
-
公开(公告)号：CN114760458A
公开(公告)日：2022-07-15
申请号：CN202210477571.9
申请日：2022-04-28
申请人： 中南大学
IPC分类号： H04N13/293 , H04N13/296 , H04N5/222 , G06T19/00
摘要： 高真实感增强现实演播室虚拟与现实相机轨迹同步的方法，包括以下步骤：规划拍摄路径，调整现实相机与待拍摄对象的位置关系，并获取现实相机的位姿信息；将现实相机的位姿信息实时发送到虚拟引擎的客户端程序，使虚拟相机运动方式与现实相机一致；接收同步位姿坐标信息，并将虚拟相机移动至接收到的现实相机的位姿坐标上；确定现实相机拍摄的视频图像与三维虚拟场景的区域和视角融合，保证三维虚拟场景的流畅度和沉浸感。利用本发明，可以圆满完成真实相机与虚拟相机之间的轨迹同步，实现真实视频和虚拟环境的数据融合，将获取到的真实场景的数据信息映射到虚拟环境中。
-
公开(公告)号：CN107839714B
公开(公告)日：2019-05-10
申请号：CN201711004334.6
申请日：2017-10-24
申请人： 中南大学
摘要： 本发明公开了一种钢轨廓形及波磨的二维激光动态检测装置及方法。采用二维激光位移传感器采集钢轨廓形初始数据，通过可调支架将其固定于走行小车上。走行小车由T字结构件、走行轮、定位轮、导向轮组成，其主要作用是搭载二维激光位移传感器，并实现沿钢轨纵向的运动。与走行小车走行轮同轴连接的编码器用于纪录走行小车的行走位置。然后对二维激光位移传感器采集的钢轨廓形初始数据进行一系列的分析处理，进而完成钢轨廓形的廓形偏差计算和波磨分析。该检测装置既能对指定区间进行钢轨廓形动态连续检测，也能对指定位置的钢轨廓形进行静态检测，具有检测功能全、效率高等特点。
-
公开(公告)号：CN112907734B
公开(公告)日：2023-04-11
申请号：CN202110253132.5
申请日：2021-03-09
申请人： 中南大学
摘要： 基于虚拟CRH380A模型和深度学习的TEDS故障检测方法，包括以下步骤：步骤一、拍摄TEDS故障图片以及生成渲染故障图片；步骤二、生成对抗网络转换图片；步骤三、构建训练样本集：将超逼真故障图片与少量的真实故障图片进行混合，使用标记软件对图片进行样本标记，构建训练样本集；步骤四、训练目标检测模型，构建故障检测深度模型；步骤五、进行TEDS故障检测和判定。本发明利用神经网络以及虚拟模型建立EMU动态故障的海量多维特征识别模型库实现高准确度的EMU设备故障的自动检测能力；通过此项目来支持TEDS系统对EMU设备故障的自动检测能力，预估计能使全国铁路动车段能节省人工检测费。
-
公开(公告)号：CN112907734A
公开(公告)日：2021-06-04
申请号：CN202110253132.5
申请日：2021-03-09
申请人： 中南大学
摘要： 基于虚拟CRH380A模型和深度学习的TEDS故障检测方法，包括以下步骤：步骤一、拍摄TEDS故障图片以及生成渲染故障图片；步骤二、生成对抗网络转换图片；步骤三、构建训练样本集：将超逼真故障图片与少量的真实故障图片进行混合，使用标记软件对图片进行样本标记，构建训练样本集；步骤四、训练目标检测模型，构建故障检测深度模型；步骤五、进行TEDS故障检测和判定。本发明利用神经网络以及虚拟模型建立EMU动态故障的海量多维特征识别模型库实现高准确度的EMU设备故障的自动检测能力；通过此项目来支持TEDS系统对EMU设备故障的自动检测能力，预估计能使全国铁路动车段能节省人工检测费。
-
公开(公告)号：CN107817038A
公开(公告)日：2018-03-20
申请号：CN201711003865.3
申请日：2017-10-24
申请人： 中南大学
IPC分类号： G01G19/04
CPC分类号： G01G19/047
摘要： 本发明公开了一种轨道车辆轮重通过式智能化检测装置及方法，通过称重单元弧形顶面的引导抬升轮缘进行称重，从而使得结构轻巧，安装方便，使用灵活，并通过不同的垫块组合调整轮缘的抬升量，从而满足钢轨和轮对存在磨耗时的使用要求，同时确保轮缘抬升量在安全范围内，充分考虑了车辆轮重的动态特性，采用二级自适应滤波进行轮重动态信号的处理，轮重检测结果误差小，稳定性佳，为保证列车多轮通过条件下轮重检测的实时性和准确性，设计了单片机和PC机二级运算的模式，合理分配计算资源，有效提高轮重动态数据处理速度，在设计时采用三维数字化软件对装置机械结构设计进行建模和有限元分析，确保了结构的强度和可靠性等。
-
公开(公告)号：CN109934172A
公开(公告)日：2019-06-25
申请号：CN201910194392.2
申请日：2019-03-14
申请人： 中南大学
摘要： 高速列车受电弓免GPS全运行线故障视觉检测定位方法，包括如下步骤：步骤1：采集受电弓视频，生成Faster RCNN训练样本集；步骤2：建立Faster RCNN卷积神经网络；步骤3：训练得到受电弓检测模型；步骤4：标记已出现受电弓故障的视频帧图；步骤5：得到与标记的已出现受电弓故障的视频帧图相对应的故障点在高速列车实际运行线路中的实际地理位置。本发明能够单纯地只依靠安装在受电弓前的在线拍照系统自动对受电弓状态进行实时监测，可以在不使用GPS的情况下精确定位受电弓故障发生的地理位置，受电弓检测精度高达99%，本发明不需要其他价格昂贵的设备作为辅助，可以大大节约检测成本。
-
公开(公告)号：CN103645248A
公开(公告)日：2014-03-19
申请号：CN201310697572.5
申请日：2013-12-18
申请人： 中南大学
IPC分类号： G01N29/07
摘要： 本发明公开了一种基于超声相速度的高温合金晶粒度评价方法，包括提取高温合金试块原始A波信息、计算试块的纵波声速、获取试块的相速度、建立综合评价模型四个步骤，本发明的技术效果在于，通过用两介质多元高斯声场模型，得到衰减系数谱，再根据K-K关系式，用衰减系数谱求出相速度谱，相对于使用相位差解算相速度，这种算法具有更高的稳定性，并为曲面试块相速度的提取提供了可能性；又因为在使用K-K关系式的过程中，以纵波声速为参考值，故事实上吸收了现有的超声纵波声速法的优点；另外，同时考虑了相速度和相速度的色散程度，充分地利用了多元化的声速信息，建立了综合的晶粒度评价模型，提高了用声速法评价高温合金晶粒度的精度。
-
公开(公告)号：CN114760458B
公开(公告)日：2023-02-24
申请号：CN202210477571.9
申请日：2022-04-28
申请人： 中南大学
IPC分类号： H04N13/293 , H04N13/296 , H04N5/222 , G06T19/00
摘要： 高真实感增强现实演播室虚拟与现实相机轨迹同步的方法，包括以下步骤：规划拍摄路径，调整现实相机与待拍摄对象的位置关系，并获取现实相机的位姿信息；将现实相机的位姿信息实时发送到虚拟引擎的客户端程序，使虚拟相机运动方式与现实相机一致；接收同步位姿坐标信息，并将虚拟相机移动至接收到的现实相机的位姿坐标上；确定现实相机拍摄的视频图像与三维虚拟场景的区域和视角融合，保证三维虚拟场景的流畅度和沉浸感。利用本发明，可以圆满完成真实相机与虚拟相机之间的轨迹同步，实现真实视频和虚拟环境的数据融合，将获取到的真实场景的数据信息映射到虚拟环境中。
-
公开(公告)号：CN109934172B
公开(公告)日：2021-10-15
申请号：CN201910194392.2
申请日：2019-03-14
申请人： 中南大学
摘要： 高速列车受电弓免GPS全运行线故障视觉检测定位方法，包括如下步骤：步骤1：采集受电弓视频，生成Faster RCNN训练样本集；步骤2：建立Faster RCNN卷积神经网络；步骤3：训练得到受电弓检测模型；步骤4：标记已出现受电弓故障的视频帧图；步骤5：得到与标记的已出现受电弓故障的视频帧图相对应的故障点在高速列车实际运行线路中的实际地理位置。本发明能够单纯地只依靠安装在受电弓前的在线拍照系统自动对受电弓状态进行实时监测，可以在不使用GPS的情况下精确定位受电弓故障发生的地理位置，受电弓检测精度高达99%，本发明不需要其他价格昂贵的设备作为辅助，可以大大节约检测成本。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.018 秒)