-
公开(公告)号：CN113844507A
公开(公告)日：2021-12-28
申请号：CN202111233612.1
申请日：2021-10-22
申请人： 暨南大学
IPC分类号： B61L27/00
摘要： 本发明涉及一种基于数字孪生的列车模拟运行系统构建方法。该方法包括搭建列车物理实体模型；获取所述列车物理实体模型运行中的运行情况，并根据所述运行情况确定数字孪生数据；根据所述列车物理实体模型构建数字孪生模型；对数字孪生数据进行预处理和分类，确定列车模拟运行系统模型训练数据库和列车模拟运行系统模型质量检测数据库；根据列车模拟运行系统模型训练数据库和列车模拟运行系统模型质量检测数据库对所述数字孪生模型进行训练和质量检测；构建复盘总结分析模块。本发明能够大大节省实际列车运行所需的时间和资源成本，给实际线路调度方案提供决策依据。
-
公开(公告)号：CN113312715A
公开(公告)日：2021-08-27
申请号：CN202110503172.0
申请日：2021-05-10
申请人： 暨南大学
摘要： 本发明公开了一种有轨电车槽型轨扭曲不平顺预测方法，该方法包括以下步骤：轨道轮廓数据检测步骤：基于激光传感器采集轨道的断面轮廓数据，对断面轮廓数据进行修正处理得到轨道轮廓图像；扭曲不平顺值计算步骤：建立坐标，得到轨道点的三维坐标，基于各轨道点相对坐标计算扭曲不平顺值；扭曲不平顺值序列预测分析步骤：根据扭曲不平顺值预测非等时间距灰色得到扭曲不平顺值序列，评价预测误差，扭曲不平顺值序列经过评价合格后，用于预测未来扭曲不平顺值发展趋势。本发明与传统的人工检测相比，提高了有轨电车槽型轨扭曲不平顺检测精度，实现了对轨道扭曲不平顺变化趋势的预测。
-
公开(公告)号：CN113085896A
公开(公告)日：2021-07-09
申请号：CN202110420181.3
申请日：2021-04-19
申请人： 暨南大学
摘要： 本发明公开了一种现代有轨清洁车辅助自动驾驶系统及方法，该系统包括：用于采集图像数据和周围环境指示信息的深度相机，用于采集轨道及轨道周围环境边界点信息的激光雷达，用于采集物体三轴姿态角、角速率以及加速度的惯性测量单元，用于获取轨道位置以及走向的GPS模块，用于根据采集数据进行转向控制处理、基于障碍物的距离和方位进行检测障碍物的主控板，用于传动的传动控制机构，以及分别与深度相机、激光雷达、惯性测量单元、GPS模块、主控板连接的车载处理装置。本发明通过采用深度相机配合自动驾驶技术，在有轨电车轨道清洁上更加精准、快速，并且在夜间作业时，结合激光雷达和深度相机并不会受到低光照环境而产生太多的影响的技术效果。
-
公开(公告)号：CN109241984B
公开(公告)日：2020-11-27
申请号：CN201811083750.4
申请日：2018-09-17
申请人： 暨南大学
摘要： 本发明提供一种电车轨道垃圾位置检测方法、计算机装置和计算机可读存储介质，电车轨道垃圾位置检测方法包括对初始图像进行预处理后获得预处理图像，所述预处理包括灰度化处理和二值化处理；建立与所述预处理图像的宽高比相同的掩模，所述掩模遍历所述预处理图像，判断每个图像结点中所述预处理图像中与所述掩模的像素值重合的像素数量是否超过预设值，若是，记录该结点的坐标数据；根据获取的多个所述坐标数据生成目标位置坐标数据。计算机装置执行计算机程序时能实现电车轨道垃圾位置检测方法，计算机可读存储介质被执行时能实现电车轨道垃圾位置检测方法。本发明可根据掩模及图像建立坐标计算出轨道垃圾的准确位置，检测计算量小且准确有效。
-
公开(公告)号：CN109649433A
公开(公告)日：2019-04-19
申请号：CN201910090027.7
申请日：2019-01-30
申请人： 暨南大学
IPC分类号： B61K9/08
摘要： 本发明提供一种槽型轨不平顺检测方法、计算机装置和计算机可读存储介质，槽型轨不平顺检测方法包括第一步骤，获取来自陀螺仪的姿态角检测数据和来自加速度计的加速度检测数据、根据姿态角检测数据和加速度检测数据生成的误差数据、根据误差数据和姿态角检测数据生成的姿态角校正数据以及来自传感器组的实际检测数据，根据实际检测数据和姿态角校正数据生成槽型轨不平顺数据。计算机装置具有处理器，处理器执行程序时可以实现上述的槽型轨不平顺检测方法。计算机可读存储介质存储有计算机程序，用以实现上述的槽型轨不平顺检测方法。利用校正后生成的姿态角校正数据来计算轨道的不平顺数据具有更高的准确度。
-
公开(公告)号：CN111461288B
公开(公告)日：2023-10-31
申请号：CN202010134045.3
申请日：2020-03-02
申请人： 暨南大学
IPC分类号： G01C21/16 , G01B11/24 , G06N3/043 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种轨道几何参数全速段检测方法及系统，该方法的步骤包括：基于搭建的标准轨道，运行搭载四点弦测法与惯性基准法的轨道检测车，对轨道几何参数进行检测，建立轨道几何参数数据库；对检测数据进行异常值的识别与修正，采用区间归一化法对检测数据进行归一化处理，完成检测数据的预处理；搭建模糊神经网络并进行网络训练；检查神经网络，对网络节点参数进行深度调整；封装网络模型。本发明将深度学习技术与现代轨道几何参数检测研究有机结合，具有较高的检测精度和鲁棒性，同时将检测区段进行进一步的扩展，使其适用于列车运行的全速段，实现高低轨向的高精度检测。
-
公开(公告)号：CN113844507B
公开(公告)日：2023-10-10
申请号：CN202111233612.1
申请日：2021-10-22
申请人： 暨南大学
摘要： 本发明涉及一种基于数字孪生的列车模拟运行系统构建方法。该方法包括搭建列车物理实体模型；获取所述列车物理实体模型运行中的运行情况，并根据所述运行情况确定数字孪生数据；根据所述列车物理实体模型构建数字孪生模型；对数字孪生数据进行预处理和分类，确定列车模拟运行系统模型训练数据库和列车模拟运行系统模型质量检测数据库；根据列车模拟运行系统模型训练数据库和列车模拟运行系统模型质量检测数据库对所述数字孪生模型进行训练和质量检测；构建复盘总结分析模块。本发明能够大大节省实际列车运行所需的时间和资源成本，给实际线路调度方案提供决策依据。
-
公开(公告)号：CN107380205B
公开(公告)日：2023-06-30
申请号：CN201710685465.9
申请日：2017-08-11
申请人： 暨南大学
摘要： 本发明提供一种针对槽型轨使用的轨道数据检测车和一种轨道数据检测方法，轨道数据检测车包括车体以及设置在车体上的轨道轮组、光电编码器、处理器和激光位移传感器，车体包括一个可摆动的摆动架，摆动架下部设置有路行轮，通过操作摆动架以实现轨道数据检测车的路轨两用。轨道数据检车方法主要利用激光位移传感器获取槽型轨的轨道点数据，随后结合两个激光位移传感器获得的两组轨道点数据进行结合以校正车体倾斜度产生的误差，获得最终校正后数据，使后续获得的轨道几何参数数据更准确。
-
公开(公告)号：CN111444658B
公开(公告)日：2023-05-05
申请号：CN202010207194.8
申请日：2020-03-23
申请人： 暨南大学
IPC分类号： G06F30/27 , G06F18/23213 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种槽型轨几何参数趋势预测方法及系统，该方法包括下述步骤：将检测的槽型轨几何参数值进行数据存储及批量处理；进行数据预处理识别并修正异常值；构建并训练径向基神经网络，选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据，将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练；选取槽型轨设定检测区段的磨耗数据的最大值输入径向基神经网络进行训练；迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值；输入检测数据预测得到槽型轨不平顺和磨耗值预测数据。本发明将大数据、神经网络与轨道几何参数预测相结合，提高了神经网络的泛化能力和收敛速度。
-
公开(公告)号：CN113326975B
公开(公告)日：2022-07-22
申请号：CN202110493436.9
申请日：2021-05-07
申请人： 暨南大学
摘要： 本发明公开了一种基于随机振荡序列灰色模型的轨道不平顺的超高预测方法，该方法包括以下步骤：数据预处理步骤：对检测的左右轨面高度偏差进行均值处理得到等间距平均高度偏差序列；初步预测步骤：基于灰色模型进行随机振荡序列灰色预测，得到初步预测高度偏差；预测修正步骤：基于高度残差平均值对初步预测高度残差进行修正得到修正高度残差，进行归一化处理；优化Elman神经网络步骤：通过蚁狮算法对Elman神经网络的初始权值和阈值优化，进而获得优化Elman神经网络；超高预测步骤：基于优化Elman神经网络得到轨道预测修正高度残差。本发明通过结合随机振荡序列灰色模型与Elman神经网络，克服了对随机振荡序列预测结果不理想的缺陷，使得对超高预测结果更加精确。
-
-
-
-
-
-
-
-
-
搜索结果
61 条记录 (耗时 0.176 秒)