-
公开(公告)号：CN109658387B
公开(公告)日：2023-10-13
申请号：CN201811425533.9
申请日：2018-11-27
Applicant: 北京交通大学
Inventor： 魏秀琨 , 江思阳 , 贾利民 , 尹贤贤 , 赵利瑞 , 魏德华 , 杨子明 , 李赛 , 孟鸿飞 , 滕延芹 , 王熙楠 , 管青鸾 , 所达 , 翟小婕 , 潘潼 , 陈亚兰
IPC: G06T7/00
Abstract: 本发明提供一种电力列车的受电弓碳滑板缺陷的检测方法。该方法包括：构建改进的RCNN网络模型，利用训练集数据对改进的RCNN网络模型进行训练。通过安装在列车轨道旁的工业线阵相机采集电力列车的受电弓图片，将受电弓图片输入到训练好的改进的RCNN网络模型，改进的RCNN网络模型利用卷积运算提取所述受电弓图片中的受电弓碳滑板区域，利用损失函数对受电弓碳滑板区域进行缺陷类别检测。本发明的方法通过区域生成网络和快速区域卷积神经网络的结合，对训练图片的自主学习与特征提取，从而能对采集系统拍摄的图片中受电弓碳滑板的有效区域及缺陷类别进行分析，能够对受电弓碳滑板的状态进行实时监测，保障城市轨道列车安全运行，具有较大的应用前景。
-
公开(公告)号：CN109711635B
公开(公告)日：2020-10-27
申请号：CN201910015954.2
申请日：2019-01-08
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于车站能力保持的设备维修策略优化方法，包括：基于Anylogic建立车站的客流仿真模型，统计车站各设备的各部分故障率；根据仿真模型，计算车站期望能力，并进行车站期望能力灵敏度分析，得出车站不同设备故障的可靠度约束值；对车站各设备的各部分故障率进行分布函数拟合，得出最优分布参数，进而得出各设备中各部分的可靠度函数及故障概率密度函数；通过维修周期优化模型计算出各设备中各部件的最优维修周期。本发明在保障车站关键设备可靠性前提下，以设备维修成本最小化为目标，分别确定设备不同部分的维修周期，提高车站关键设备可靠度，实现车站能力保持，提高设备维修效率和经济效益。
-
公开(公告)号：CN110308002A
公开(公告)日：2019-10-08
申请号：CN201910543301.1
申请日：2019-06-21
Applicant: 北京交通大学
Inventor： 魏秀琨 , 滕延芹 , 贾利民 , 李宇杰 , 赵利瑞 , 魏德华 , 管青鸾 , 杨子明 , 江思阳 , 孟鸿飞 , 所达 , 李赛 , 王熙楠 , 潘潼 , 翟小婕 , 尹贤贤 , 陈亚兰
Abstract: 本发明提供了一种基于地面检测的城轨列车悬挂系统故障诊断方法，包括：利用SIMPACK车辆动力学仿真软件和ABAQUS有限元分析软件，构建轮轨接触的刚柔耦合模型，分析列车振动产生的力的传递规律，得到在轨道布设加速度传感器方案；根据SIMPACK车辆动力学仿真软件计算结果，结合轮轨接触的刚柔耦合模型中列车运行时相应信号变化情况，验证轨道布设加速度传感器方案的合理性，计算传感器布设间隔和测量误差，构建列车故障仿真模型，得出传感器的布设规律；在轨道两侧布设加速度传感器，采集轮轨振动加速度信号，对加速度信号进行处理，利用时频分析和谱细化分析方法实现列车悬挂系统故障的检测。本发明在准确检测到悬挂系统故障的同时还能够降低检测的成本。
-
公开(公告)号：CN109785301B
公开(公告)日：2020-12-15
申请号：CN201811611691.3
申请日：2018-12-27
Applicant: 北京交通大学
Inventor： 魏秀琨 , 魏德华 , 贾利民 , 尹贤贤 , 赵利瑞 , 江思阳 , 杨子明 , 李赛 , 孟鸿飞 , 滕延芹 , 王熙楠 , 管青鸾 , 所达 , 翟小婕 , 潘潼 , 陈亚兰
Abstract: 本发明提供了一种基于图像处理的钢轨波磨周期评估方法，用以解决现有技术中无法实时、自动、准确识别钢轨波磨的问题。所述识别方法首先读取轨道图像，对轨道图像进行预处理后获取钢轨表面图像，构建钢轨表面图像的特征描述后，进行钢轨波磨的自动识别，并进行周期评估和严重程度评估。本发明能够实现对钢轨表面的定位以及钢轨波浪形磨耗的自动识别，进行准确有效地识别，显著提高了检测效率；同时提供直观可靠的钢轨波磨评估结果，得到直观可靠的波磨周期估计和波磨严重程度评估可视化结果，为钢轨波磨自动化检测设备的设计和维保决策智能化的发展提供了新的思路和方案，为满足城市轨道交通线路高效可靠地在线监测奠定了坚实的基础。
-
公开(公告)号：CN109783928A
公开(公告)日：2019-05-21
申请号：CN201910023386.0
申请日：2019-01-10
Applicant: 北京交通大学
IPC: G06F17/50
Abstract: 本发明提供了一种地铁接触线磨耗分布预测方法及维保方法，用以解决现有技术中无法对地铁接触线磨耗分布进行准确预测的问题。所述接触线磨耗分布预测方法及维保方法，建立接触线磨耗率计算简化模型，根据所述简化模型对接触线磨耗分布进行预测，并在预测的基础上有针对性的制定维保策略。本发明通过磨耗机理分析，从磨耗机制的角度建立接触线磨耗率计算模型，并结合实际弓网电流和行车速度、接触力等对接触线的磨耗分布作出计算分析，直观地反映出不同位置接触线的磨耗程度，并提出了对接触线磨耗的提前预估和差异化维保方法，对减少维修成本和提高刚性接触网接触线的安全性能具有重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN108830822A
公开(公告)日：2018-11-16
申请号：CN201810198312.6
申请日：2018-03-12
Applicant: 北京交通大学
Inventor： 魏秀琨 , 李晨亮 , 贾利民 , 魏德华 , 李岩 , 刘玉鑫 , 尹贤贤 , 江思阳 , 杨子明 , 赵利瑞 , 李赛 , 孟鸿飞 , 滕延芹 , 王熙楠 , 李永光 , 崔霆锐
Abstract: 本发明公开了一种基于改进Canny算子的受电弓碳滑板磨耗识别方法，包括：采集车辆运行中受电弓碳滑板的弓头图像；对所述弓头图像进行图像归一化、图像平滑和形态学处理的图像预处理；对所述弓头图像进行边缘检测、直线检测、失真修正、图像裁剪和磨耗曲线拟合以识别所述受电弓碳滑板的边缘磨耗；以所述受电弓碳滑板的磨耗曲线的最高点为参照目标估计所述受电弓碳滑板磨耗曲线的实际磨耗深度，并判断磨耗深度是否超过预定阈值。本发明不仅能够满足实际运营车辆的检修需求，而且整个方法流程可以用于弓网自动监测系统，对受电弓碳滑板磨耗进行实时检测，提升检测的自动化水平，增强车辆运行的安全性，在未来具有很大的应用前景。
-
公开(公告)号：CN107246973A
公开(公告)日：2017-10-13
申请号：CN201710371939.2
申请日：2017-05-24
Applicant: 北京交通大学
Inventor： 魏秀琨 , 张晓中 , 尹贤贤 , 魏德华 , 贾利民 , 李岩 , 刘玉鑫 , 王腾腾 , 闫冬 , 张靖林 , 江思阳 , 杨子明 , 李赛 , 孟鸿飞 , 赵利瑞 , 王熙楠
IPC: G01M17/10
CPC classification number: G01M17/10
Abstract: 本发明公开一种基于非线性滤波的抗蛇行减震器性能参数及故障辨识方法，包括如下步骤：S1、建立车辆悬挂系统横向动力学模型；S2、根据车辆悬挂系统横向动力学模型，建立悬挂系统的离散状态方程和离散观测方程；S3、根据悬挂系统的离散状态方程和离散观测方程，基于边缘化粒子滤波算法对悬挂系统的抗蛇行减震器进行性能参数辨识和故障辨识。本发明缩小了模型与实际运营的高速列车实际参数间的差异，提高了辨识结果的准确性。
-
公开(公告)号：CN109783928B
公开(公告)日：2021-04-13
申请号：CN201910023386.0
申请日：2019-01-10
Applicant: 北京交通大学 , 广州地铁集团有限公司
IPC: G06F30/20 , G06F119/04
Abstract: 本发明提供了一种地铁接触线磨耗分布预测方法及维保方法，用以解决现有技术中无法对地铁接触线磨耗分布进行准确预测的问题。所述接触线磨耗分布预测方法及维保方法，建立接触线磨耗率计算简化模型，根据所述简化模型对接触线磨耗分布进行预测，并在预测的基础上有针对性的制定维保策略。本发明通过磨耗机理分析，从磨耗机制的角度建立接触线磨耗率计算模型，并结合实际弓网电流和行车速度、接触力等对接触线的磨耗分布作出计算分析，直观地反映出不同位置接触线的磨耗程度，并提出了对接触线磨耗的提前预估和差异化维保方法，对减少维修成本和提高刚性接触网接触线的安全性能具有重要的意义。
-
公开(公告)号：CN109767427A
公开(公告)日：2019-05-17
申请号：CN201811592744.1
申请日：2018-12-25
Applicant: 北京交通大学
Inventor： 魏秀琨 , 杨子明 , 贾利民 , 张文强 , 李永光 , 李宇杰 , 高方庆 , 尹贤贤 , 魏德华 , 管青鸾 , 赵利瑞 , 江思阳 , 李赛 , 孟鸿飞 , 滕延芹 , 王熙楠 , 所达 , 翟小婕 , 潘潼 , 陈亚兰
Abstract: 本发明提供了一种列车轨道扣件缺陷的检测方法。该方法包括：构建Faster R-CNN网络模型，该Faster R-CNN网络模型包括区域生成网络RPN和快速区域卷积神经网络Fast R-CNN，网络初始化方式采用预训练好的同类任务的参数初始化，再利用训练集数据对所述Faster R-CNN网络模型进行训练。通过拍照设备拍摄采集地铁线路上的扣件图像；将扣件图像输入到训练好的Faster R-CNN网络模型，Faster R-CNN网络模型利用卷积操作和池化操作提取扣件图像中的扣件区域，利用损失函数对所述扣件区域进行缺陷类别检测。本发明通过区域生成网络和快速区域卷积神经网络的结合，对训练图片的自主学习与特征提取，从而能对采集到的大尺寸图像进行扣件定位和缺陷自动检测，智能化程度更高，实现效率更高，模型适用性更强。
-
公开(公告)号：CN109658387A
公开(公告)日：2019-04-19
申请号：CN201811425533.9
申请日：2018-11-27
Applicant: 北京交通大学
Inventor： 魏秀琨 , 江思阳 , 贾利民 , 尹贤贤 , 赵利瑞 , 魏德华 , 杨子明 , 李赛 , 孟鸿飞 , 滕延芹 , 王熙楠 , 管青鸾 , 所达 , 翟小婕 , 潘潼 , 陈亚兰
IPC: G06T7/00
Abstract: 本发明提供一种电力列车的受电弓碳滑板缺陷的检测方法。该方法包括：构建改进的RCNN网络模型，利用训练集数据对改进的RCNN网络模型进行训练。通过安装在列车轨道旁的工业线阵相机采集电力列车的受电弓图片，将受电弓图片输入到训练好的改进的RCNN网络模型，改进的RCNN网络模型利用卷积运算提取所述受电弓图片中的受电弓碳滑板区域，利用损失函数对受电弓碳滑板区域进行缺陷类别检测。本发明的方法通过区域生成网络和快速区域卷积神经网络的结合，对训练图片的自主学习与特征提取，从而能对采集系统拍摄的图片中受电弓碳滑板的有效区域及缺陷类别进行分析，能够对受电弓碳滑板的状态进行实时监测，保障城市轨道列车安全运行，具有较大的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
