-
公开(公告)号：CN119441799A
公开(公告)日：2025-02-14
申请号：CN202411358019.3
申请日：2024-09-27
Applicant: 西南交通大学
IPC: G06F18/21 , G06F18/2415 , G06N3/0464
Abstract: 本发明公开了一种嵌入物理神经网络驱动的轨道不平顺弦扩展反演方法，包括：优化弦测和弦扩展过程矩阵表达：凝练出从轨道不平顺序列到参考弦序列的矩阵表达形式，以及从参考弦序列推导扩展弦序列的矩阵表达形式；建立基于多通道卷积的前向扩展计算层，通过一次前向计算，同时获得参考弦和多个扩展弦值；建立深度贝叶斯特征提取层：深度贝叶斯特征提取层用于学习输入数据中的复杂结构和高级抽象；建立嵌入多弦测方程组反演损失函数：将第二步获取的弦测和扩展序列作为目标值，通过最小化目标值和模型估计值间差异实现反演，建立损失函数；自适应早停迭代，用于确保模型快速和准确的收敛停止；本发明满足实际应用过程中的大规模数据处理需求。
-
公开(公告)号：CN117744236B
公开(公告)日：2025-01-28
申请号：CN202311472943.X
申请日：2023-11-07
Applicant: 西南交通大学 , 中铁二院工程集团有限责任公司
IPC: G06F30/15 , G06F30/20 , G06T17/20 , G06F119/14 , G06F119/12
Abstract: 本发明涉及加速轮轨接触边界元计算领域，具体涉及一种加速轮轨接触边界元计算的预估方法及装置，能够确定合适的潜在接触区域，既保证计算精度，也避免冗余的计算成本，提高计算效率。方案包括：确定潜在接触区域、轮轨接触点几何间隙分布以及轮轨接触点的蠕滑率与自旋；根据轮轨接触点几何间隙分布获取对应的压应力纵向分布；根据几何间隙分布与压应力纵向分布通过余能表达式求解法向精确解；通过法向精确解获取轮轨切向接触初始解；通过初始解利用切向边界元模型求解精确解。本发明适用于加速轮轨接触边界元计算。
-
公开(公告)号：CN118378850B
公开(公告)日：2024-08-16
申请号：CN202410804401.6
申请日：2024-06-21
Applicant: 西南交通大学
IPC: G06Q10/0631 , G06Q10/0633 , G06Q50/08 , G06N3/092
Abstract: 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。
-
公开(公告)号：CN118094797A
公开(公告)日：2024-05-28
申请号：CN202410069208.2
申请日：2024-01-17
Applicant: 西南交通大学
Abstract: 本发明公开了一种考虑多弦约束的高速铁路轨道精调优化方法，包括：建立高速铁路轨道精调模型的约束条件；模型建立，构建调整节点的目标函数，从原始数据中推导出评价矩阵；通过生成调整测量向量并将其与原始偏差叠加，获得优化的偏差数据；利用迭代算法，在生成调整测量向量并优化线形后，完成了第1个迭代；对于后续的迭代，使用优化线形作为输入偏差数据；然后，将偏差数据转化为调整空间矩阵和评价矩阵，并在第2次迭代后重新计算优化线形；本发明可应用于日常的轨道不平顺作业维护中，实现精调方案快速输出，避免了人工方案生成的复杂性。
-
公开(公告)号：CN114580144B
公开(公告)日：2024-05-17
申请号：CN202210047282.5
申请日：2022-01-17
Applicant: 西南交通大学
IPC: G06F30/20 , G06F9/50 , G06T1/20 , G06F119/14
Abstract: 本发明涉及近场动力学问题的加速计算领域，尤其涉及近场动力学问题的GPU并行实施方法。本发明提供了近场动力学问题的GPU并行实施方法，利用GPU设备，使用其读写效率高的寄存器和共享内存进行计算，以及常量参数使用有广播机制的常量内存，从而实现了远高于现有方法的加速效果，克服了未能充分利用GPU设备和并行方案，导致的计算效率提升有限的问题。
-
Patent Agency Ranking
公开(公告)号：CN117017280B
公开(公告)日：2024-03-19
申请号：CN202310910639.2
申请日：2023-07-24
Applicant: 西南交通大学
IPC: A61B5/1455 , A61B5/00
Abstract: 本发明公开了基于可穿戴柔性近红外光声/超声双模态成像系统及方法，包括：笔型激光器，所述笔型激光器用于产生激光光源；可穿戴柔性近红外透明超声换能器，所述可穿戴柔性近红外透明超声换能器用于传输超声信号或用于接收并传输当笔型激光器照射血管时，产生的光声信号。本发明光声/超声双模态成像系统的整体结构紧凑，实现了便捷、实时、连续动态检测胸部中心血管的重要生理参数。
-
公开(公告)号：CN116305678B
公开(公告)日：2023-12-15
申请号：CN202211569797.8
申请日：2022-12-08
Applicant: 西南交通大学
IPC: G06F30/18 , G06F30/20 , G06F17/12 , G06F17/18 , G06F111/10 , G06F111/04
Abstract: 本发明涉及铁路线路精细优化技术领域，涉及一种基于低碳排放的高密城区铁路线路精细优化方法，包括：1、输入原始数据，包括铁路线型、地形、目标函数以及约束；2、平面线型参数化处理；2.1、对原平面线型进行分段；2.2、确定平面线型参数搜索规则；3、平面线型优化；4、纵断面线型参数化处理；4.1、重新生成平面线型：将步骤3生成的平面线型作为纵断面优化的输入平面线型；步骤4.2、对原纵断面线型进行分段；4.3、确定纵断面线型参数搜索规则；5、纵断面线型优化；6、得到目标函数值最优的线型，检查线
-
公开(公告)号：CN116756808A
公开(公告)日：2023-09-15
申请号：CN202310593409.8
申请日：2023-05-23
Applicant: 济青高速铁路有限公司 , 西南交通大学 , 山东铁路投资控股集团有限公司
IPC: G06F30/13 , G06F30/20 , G06F119/20
Abstract: 本申请提供一种铁路线形优化方法、装置、电子设备及存储介质，其中铁路线形优化方法包括：对初始线形进行分段处理，确定每段初始线形的待优化参数、待优化参数的决策搜索空间以及待优化参数的优化约束；采用近似动态规划法，在每个初始线形的决策搜索空间中求解满足优化约束且使得目标函数最小的最优决策串；目标函数用以表征由决策串所确定的铁路线形的建筑成本；采用最优决策，更新待优化参数，并根据更新后的待优化参数更新初始线形，获得优化线形。采用近似动态规划法搜索使得铁路建设成本最小的最优建设策略，从而对初始线形进行优化，获得建设成本最小的最优线形，大大提高了铁路线形设计效率。
-
公开(公告)号：CN116644304A
公开(公告)日：2023-08-25
申请号：CN202310612975.9
申请日：2023-05-26
Applicant: 重庆长征重工有限责任公司 , 西南交通大学
IPC: G06F18/213 , G06F18/22 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F18/241 , G01M13/045 , G01J5/00
Abstract: 本发明涉及异常检测技术领域，公开了一种基于相似性的货车轴承异常特征提取与分类方法，提取方法包括以下步骤：步骤1：采集基础数据；所述基础数据包括货车轴承的时域加速度信号；步骤2：预处理基础数据，并将基础数据划分为训练集和测试集；并将训练集和测试集中的时域数据均转换为频域数据；步骤3：建立孪生网络特征提取模型；且建立得到的孪生网络特征提取模型中设有特征计算网络和与之孪生的孪生网络；特征计算网络与孪生网络的结构相同且参数共享；步骤4：采用孪生网络特征提取模型进行特征提取。本发明能够智能、准确完成针对货车的轴承异常识别分析，有助于识别出货车轴承早期故障，精确度较高且具备实时性。
-
公开(公告)号：CN116644278A
公开(公告)日：2023-08-25
申请号：CN202310612971.0
申请日：2023-05-26
Applicant: 重庆长征重工有限责任公司 , 西南交通大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/048 , G01M13/045 , G01J5/00
Abstract: 本发明涉及异常检测技术领域，公开了一种基于样本筛选和特征提取的双模型轴承异常检测算法，包括以下步骤：步骤1：采集初始数据并进行预处理；所述初始数据为轮对的传递振动加速度信号；步骤2：将预处理后的初始数据按比例划分为训练集和测试集；步骤3：建立样本筛分模型；并采用样本筛分模型筛选出可用于特征提取的正样本和负样本；步骤4：建立特征提取模型；所述特征提取模型包括三元组特征提取网络；步骤5：建立特征分类模型，并对提取后的正样本和负样本进行特征分类，并通过训练分类边界来进行陌生样本的识别任务。本发明能够准确、高效地识别轴承异常，识别精度较高；具有线上线下实时检测效能。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.121 seconds)
