-
公开(公告)号：CN112861790B
公开(公告)日：2022-03-11
申请号：CN202110260290.3
申请日：2021-03-10
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度学习的电磁探测网络组网方式识别方法，包括以下步骤：步骤1：获取电磁探测网络组网特征信息，形成特征集；步骤2：对步骤1得到的特征集数据进行预处理；步骤3：将步骤2得到的数据划分为训练集和测试集，采用训练集对深度学习模型进行训练，得到训练后的模型；步骤4：将待输入的数据输入步骤3训练后的模型进行电磁探测网络组网的识别；步骤3中的深度学习模型为CNN‑LSTM模型，包括依次连接的输入层、CNN层、LSTM层、全连接层和输出层；本发明采用了深度学习技术能有效克服大数据处理、特征提取和计算精度等方面的不足，实现对电磁探测网络组网方式的智能、实时地分析、推理和判断。
-
公开(公告)号：CN113255548A
公开(公告)日：2021-08-13
申请号：CN202110619915.0
申请日：2021-06-03
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于胶囊神经元的无线网络设备个体识别方法与应用，包括以下步骤：S1：收集多个无线网络设备个体的杂散信号特征集，并将多个所述无线网络设备个体划分为训练样本和测试样本；S2：采用基于马氏距离的胶囊神经网络对所述训练样本进行训练，获得无线网络设备个体分类覆盖模型；S3：根据所述无线网络设备个体分类覆盖模型对所述测试样本的无线网络设备个体进行识别。本发明能够解决现有技术中无线网络设备个体识别精度低、不能拒识等问题，提高无线网络设备个体的识别精度。
-
公开(公告)号：CN111638427B
公开(公告)日：2021-05-28
申请号：CN202010492073.2
申请日：2020-06-03
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于核胶囊神经元覆盖的变压器故障检测方法，以电力系统中变压器的故障检测为背景，针对实际监测得到的变压器油色谱数据存在缺失、冗余以及维度不定等情况，解决了变压器故障检测因上述情况产生识别效率低下甚至无法得以正确识别的问题；通过引入核思想对油色谱数据进行有效的特征提取，然后在超香肠神经元构建方法的基础上加以改进，在流形覆盖神经元的创建过程中引入关联关系和伸缩率等概念，运用优化的核胶囊覆盖算法对油色谱特征数据进行识别，进而使变压器故障检测达到更高的精度。
-
公开(公告)号：CN112014804B
公开(公告)日：2021-01-26
申请号：CN202011187495.5
申请日：2020-10-30
Applicant: 西南交通大学
IPC: G01S7/28
Abstract: 本发明公开了一种基于球覆盖的仿生模式识别算法的雷达信号分选方法。该方法包括获取雷达信号数据作为样本，对样本数据进行预处理；将预处理后的样本数据进行升维处理，并将样本数据划分为训练集和测试集；利用训练集对基于球覆盖的仿生模式识别算法进行训练，得到分类覆盖模型；将测试集输入到训练好的分类覆盖模型，根据测试集在分类覆盖模型中的覆盖情况，确定测试集的类别，实现雷达信号分选。本发明为了解决现有技术中实际提取的雷达信号数据存在虚假数据、缺失值，传统仿生模式识别受低维数条件限制等问题，在低维数条件下，对传统的仿生模式识别算法进行改进，利用数据清洗、缺失值填充、数据升维、构造球覆盖等实现了算法识别率的提高。
-
公开(公告)号：CN112014804A
公开(公告)日：2020-12-01
申请号：CN202011187495.5
申请日：2020-10-30
Applicant: 西南交通大学
IPC: G01S7/28
Abstract: 本发明公开了一种基于球覆盖的仿生模式识别算法的雷达信号分选方法。该方法包括获取雷达信号数据作为样本，对样本数据进行预处理；将预处理后的样本数据进行升维处理，并将样本数据划分为训练集和测试集；利用训练集对基于球覆盖的仿生模式识别算法进行训练，得到分类覆盖模型；将测试集输入到训练好的分类覆盖模型，根据测试集在分类覆盖模型中的覆盖情况，确定测试集的类别，实现雷达信号分选。本发明为了解决现有技术中实际提取的雷达信号数据存在虚假数据、缺失值，传统仿生模式识别受低维数条件限制等问题，在低维数条件下，对传统的仿生模式识别算法进行改进，利用数据清洗、缺失值填充、数据升维、构造球覆盖等实现了算法识别率的提高。
-
Patent Agency Ranking
公开(公告)号：CN113255548B
公开(公告)日：2023-04-07
申请号：CN202110619915.0
申请日：2021-06-03
Applicant: 西南交通大学
IPC: G06F18/213 , G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于胶囊神经元的无线网络设备个体识别方法与应用，包括以下步骤：S1：收集多个无线网络设备个体的杂散信号特征集，并将多个所述无线网络设备个体划分为训练样本和测试样本；S2：采用基于马氏距离的胶囊神经网络对所述训练样本进行训练，获得无线网络设备个体分类覆盖模型；S3：根据所述无线网络设备个体分类覆盖模型对所述测试样本的无线网络设备个体进行识别。本发明能够解决现有技术中无线网络设备个体识别精度低、不能拒识等问题，提高无线网络设备个体的识别精度。
-
公开(公告)号：CN115897357A
公开(公告)日：2023-04-04
申请号：CN202211707923.1
申请日：2022-12-28
Applicant: 汉巴南城际铁路有限责任公司 , 中铁第五勘察设计院集团有限公司 , 四川公路桥梁建设集团有限公司 , 西南交通大学
Abstract: 本发明公开了一种铁路混合梁带后装U形盖板钢混结合段结构及其施工方法，结构包括带U形后装盖板的钢结构部分，混凝土内纵、横、竖向普通钢筋与PBL钢筋形成的钢筋骨架，混凝土及预应力钢筋。施工中，从开口钢顶板的开口位置配合混凝土浇筑孔浇筑混凝土并振捣密实；在混凝土初凝前将预先焊接马板一端的U形盖板覆盖至混凝土上，并在混凝土强度达标后对开口钢顶板与U形盖板进行焊接，使之成为整体；本发明解决了传统的钢混结合段结构因构造复杂，顶板、底板纵横向隔板较多，内部钢筋密集导致的混凝土浇筑困难，振捣不密实、混凝土脱空等问题，本发明提高了混凝土浇筑质量，且盖回钢板有效提升了结合段钢、混的连接，提升传力与耐久性。
-
公开(公告)号：CN111638427A
公开(公告)日：2020-09-08
申请号：CN202010492073.2
申请日：2020-06-03
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于核胶囊神经元覆盖的变压器故障检测方法，以电力系统中变压器的故障检测为背景，针对实际监测得到的变压器油色谱数据存在缺失、冗余以及维度不定等情况，解决了变压器故障检测因上述情况产生识别效率低下甚至无法得以正确识别的问题；通过引入核思想对油色谱数据进行有效的特征提取，然后在超香肠神经元构建方法的基础上加以改进，在流形覆盖神经元的创建过程中引入关联关系和伸缩率等概念，运用优化的核胶囊覆盖算法对油色谱特征数据进行识别，进而使变压器故障检测达到更高的精度。
-
公开(公告)号：CN119755041A
公开(公告)日：2025-04-04
申请号：CN202411734456.0
申请日：2024-11-29
Applicant: 西南交通大学
Abstract: 本发明公开了一种三角形模块化的减速带能量采集装置，包括下支撑结构，所述下支撑结构固定在地面上；能量收集模块，所述能量收集模块设置在所述下支撑结构上；通过所述能量收集模块相对所述下支撑结构产生的位移实现能量的采集。本发明采用三角形模块化的结构设计，在保证结构稳定的同时，各部分灵活运转，在最大限度收集能量的同时，还能有效延长装置的使用寿命，便于后期维护，此外，三角形板特殊的结构设计与框架的六边形梁形成自然的限位结构，为内部装置提供了更多空间，并且，在实际应用当中，此装置在使通过的车辆减速的同时，还能起到一定的减震效果。
-
公开(公告)号：CN112861790A
公开(公告)日：2021-05-28
申请号：CN202110260290.3
申请日：2021-03-10
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度学习的电磁探测网络组网方式识别方法，包括以下步骤：步骤1：获取电磁探测网络组网特征信息，形成特征集；步骤2：对步骤1得到的特征集数据进行预处理；步骤3：将步骤2得到的数据划分为训练集和测试集，采用训练集对深度学习模型进行训练，得到训练后的模型；步骤4：将待输入的数据输入步骤3训练后的模型进行电磁探测网络组网的识别；步骤3中的深度学习模型为CNN‑LSTM模型，包括依次连接的输入层、CNN层、LSTM层、全连接层和输出层；本发明采用了深度学习技术能有效克服大数据处理、特征提取和计算精度等方面的不足，实现对电磁探测网络组网方式的智能、实时地分析、推理和判断。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
