-
公开(公告)号：CN118897474B
公开(公告)日：2024-12-20
申请号：CN202411396559.0
申请日：2024-10-09
IPC: G05B13/04
Abstract: 本申请公开了一种基于自适应补偿机制的高速列车容错跟踪控制方法及系统，涉及高速列车控制技术领域，该方法包括：通过对高速列车内耦合作用力的分析，构建得到非线性多质点动态模型，并将误差变量代入到其中，得到线性动态误差模型，随后转化为状态空间方程，再将执行器故障模型结合到其中，得到带有执行器故障模型的高速列车系统方程；之后设计得到干扰观测器，在线估计并补偿列车运行过程中受到的未知复杂扰动，并根据带有执行器故障模型的高速列车系统方程设计生成自适应容错控制器，即可基于干扰观测器和自适应容错控制器对高速列车进行控制，实现对期望速度曲线和期望位移曲线的跟踪。本申请上述方案可实现对高速列车速度和位移的跟踪控制。
-
公开(公告)号：CN118884843B
公开(公告)日：2024-12-20
申请号：CN202411375328.1
申请日：2024-09-30
IPC: G05B13/04
Abstract: 本申请公开了一种基于障碍函数和耦合器约束的列车控制方法及相关装置，涉及列车控制技术领域，该方案中通过对列车内耦合作用力的分析，构建列车非线性多质点动力学模型，随后考虑列车运行参数的不确定性，对其进行线性化得到列车平衡状态下具有耦合器位移的动力学方程；之后再将其转化为列车状态空间方程，并据此和耦合器的状态约束条件，构建得到自适应鲁棒控制器；在利用基于障碍函数的Lyapunov函数验证其能够使列车耦合器位移严格处于安全范围之内后，即可根据列车期望速度与位移曲线，自适应调整列车控制器的输出。本申请所提出的方案能有效保证列车耦合器位移满足安全约束条件，在不确定环境因素下也能实现高精度的跟踪运行。
-
公开(公告)号：CN118897474A
公开(公告)日：2024-11-05
申请号：CN202411396559.0
申请日：2024-10-09
IPC: G05B13/04
Abstract: 本申请公开了一种基于自适应补偿机制的高速列车容错跟踪控制方法及系统，涉及高速列车控制技术领域，该方法包括：通过对高速列车内耦合作用力的分析，构建得到非线性多质点动态模型，并将误差变量代入到其中，得到线性动态误差模型，随后转化为状态空间方程，再将执行器故障模型结合到其中，得到带有执行器故障模型的高速列车系统方程；之后设计得到干扰观测器，在线估计并补偿列车运行过程中受到的未知复杂扰动，并根据带有执行器故障模型的高速列车系统方程设计生成自适应容错控制器，即可基于干扰观测器和自适应容错控制器对高速列车进行控制，实现对期望速度曲线和期望位移曲线的跟踪。本申请上述方案可实现对高速列车速度和位移的跟踪控制。
-
公开(公告)号：CN118884843A
公开(公告)日：2024-11-01
申请号：CN202411375328.1
申请日：2024-09-30
IPC: G05B13/04
Abstract: 本申请公开了一种基于障碍函数和耦合器约束的列车控制方法及相关装置，涉及列车控制技术领域，该方案中通过对列车内耦合作用力的分析，构建列车非线性多质点动力学模型，随后考虑列车运行参数的不确定性，对其进行线性化得到列车平衡状态下具有耦合器位移的动力学方程；之后再将其转化为列车状态空间方程，并据此和耦合器的状态约束条件，构建得到自适应鲁棒控制器；在利用基于障碍函数的Lyapunov函数验证其能够使列车耦合器位移严格处于安全范围之内后，即可根据列车期望速度与位移曲线，自适应调整列车控制器的输出。本申请所提出的方案能有效保证列车耦合器位移满足安全约束条件，在不确定环境因素下也能实现高精度的跟踪运行。
-
公开(公告)号：CN116363037A
公开(公告)日：2023-06-30
申请号：CN202310638962.9
申请日：2023-06-01
Applicant: 华东交通大学
IPC: G06T5/50 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种多模态图像融合方法、装置及设备，方法包括：获取同一目标对象的不同模态的至少两张图像数据，并采用预设特征提取网络对每张图像数据进行特征信息提取，得到对应的特征图像；将不同模态的特征图像进行堆叠，得到堆叠后特征图像，并对堆叠后特征图像进行通道注意力处理，输出具有通道注意力的特征图；依序对具有通道注意力的特征图进行局部多头自注意力处理和全局多头自注意力处理，得到多模态图像融合后的目标特征图。本发明通过将不同模态的特征图堆叠后依次进行通道注意力、局部自注意力以及全局注意力处理，在保证注重全局和局部信息的情况下，将计算复杂度降低到线性，具有速度快，精度高的特点。
-
Patent Agency Ranking
公开(公告)号：CN113903009B
公开(公告)日：2022-07-05
申请号：CN202111506770.X
申请日：2021-12-10
Applicant: 华东交通大学
Abstract: 本发明提出一种基于改进YOLOv3网络的铁路异物检测方法与系统，其中，该方法包括：通过设于铁路列车上的车载监控装置，以获取得到线路上的图像信息；对YOLOv3网络进行预训练，将特征图输入至层内多尺度模块并划分为低频特征图以及高频特征图，通过池化层将低频特征图进行压缩处理以降低分量冗余；然后输入至检测模块，分别计算得到异物对应的类别损失、位置损失以及置信度损失并输出最终权重文件；根据最终权重文件构建目标检测网络，以确定侵限异物的类别与位置。本发明提出的方法，可准确地得到铁路异物的位置和类别信息，以保证铁路列车自动驾驶的安全性。
-
公开(公告)号：CN109857226A
公开(公告)日：2019-06-07
申请号：CN201811618769.4
申请日：2018-12-28
Applicant: 华东交通大学
Inventor： 王辉
IPC: G06F1/20
Abstract: 本发明涉及计算机技术领域，具体是一种外传导式计算机散热风扇，包括壳体，所述壳体的内侧中部设置有支撑环管，支撑环管的外侧周向设置有多根支撑管，壳体的侧壁内开设有环形冷却腔，支撑环管的内侧安装固定有双轴伸电机，双轴伸电机的上侧输出轴上安装有扇叶，双轴伸电机的下侧输出轴上周向安装有多根导热杆，导热杆的下端伸入到壳体内侧壁上配合开设的环形容置槽内，容置槽的槽壁上设置有导热层，冷却腔的下端还与导热层抵靠设置。本发明结构新颖，散热效果好，散热模式多样，降低散热风扇运行过程中的噪音，适合推广。
-
公开(公告)号：CN119206636A
公开(公告)日：2024-12-27
申请号：CN202411067174.X
申请日：2024-08-06
Applicant: 华东交通大学
IPC: G06V20/54 , G06V10/25 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明提出一种轨道线异物入侵检测方法及系统，该方法包括：通过轨道线异物入侵数据集对预设YOLOV9网络框架进行预训练，以生成对应的特征提取网络模型，并通过特征提取网络模型中的主干网络对图像信息进行多尺度特征提取，以获取到若干对应的多尺度特征图；通过预设检测模块网络根据若干多尺度特征图实时计算出与轨道上的物体对应的边界框损失，分类损失以及置信度损失；根据网络权重文件实时构建出对应的异物检测网络；通过异物检测网络根据图像信息实时预测出与物体对应的边界框信息以及分类信息，以对应完成轨道线上的异物的检测。本发明可以高效准确地得到侵入异物的边界框信息和分类信息。
-
公开(公告)号：CN118379706B
公开(公告)日：2024-08-20
申请号：CN202410815243.4
申请日：2024-06-24
Applicant: 华东交通大学
IPC: G06V20/56 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0499 , G06N3/084
Abstract: 本发明提供一种基于注意力与特征分频的多模态融合模型训练方法及系统，方法包括：获取多模态数据，并将多模态数据输入至预训练特征提取网络当中，以分别提取出每一种模态数据对应的不同频率大小的多种特征图；将同一频率大小的不同模态的特征图进行通道拼合，并对多种频率的通道拼合后的特征图进行分频特征融合；将多种频率的融合特征图输入到预设目标位置识别网络当中，得到车辆附近的目标位置信息，并将多种频率的融合特征图输入到预设车道位置识别网络当中进行多次迭代更新，得到车道线位置信息；计算损失函数并进行反向传播，以训练模型。本发明不仅可以提高模型识别精度，还能够有效节省计算量、提升硬件运算效率。
-
公开(公告)号：CN118467976A
公开(公告)日：2024-08-09
申请号：CN202410911393.5
申请日：2024-07-09
Applicant: 华东交通大学
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06F17/16
Abstract: 本申请公开了一种电熔镁炉故障诊断方法、设备及介质，涉及工业炼镁故障分类领域，该方法包括：对历史综合数据进行归一化处理，得到相应的历史视频节点特征和历史电流节点特征，根据历史视频节点特征和历史电流节点特征构造视频内模态伴随矩阵、电流内模态伴随矩阵以及时序视频与电流跨模态伴随矩阵，进行时序多模态混合网络结构的训练，得到训练好的时序多模态混合网络结构，本发明通过对电流数据和视频数据进行内模态和跨模态矩阵构造，通过视频内模态伴随矩阵、电流内模态伴随矩阵、时序视频与电流跨模态伴随矩阵，能够采集时序数据中的高阶信息，利用该高阶信息进行电熔镁炉故障诊断，提高了电熔镁炉故障诊断精度。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.098 seconds)
