-
公开(公告)号：CN113392900B
公开(公告)日：2022-03-25
申请号：CN202110651989.2
申请日：2021-06-11
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于模糊熵和核极限学习机的电力机车空转在线识别方法，包括多尺度模糊熵特征提取模块、最优核极限学习机模型模块和空转在线识别模块。与现有技术相比，本发明的积极效果是：本发明从信号特征提取和机器学习分类的角度对空转进行辨识，通过对测量准确的机车轮对速度信号特征提取出能显著表征空转状态/粘着状态的特征并由分类器进行分类来实现空转在线识别，相比于采用带有误差的输入的传统空转识别方法，在线识别的效果更加优秀，更加准确、快速；本发明方法针对电力机车复杂的运行工况和运行环境的适应性比传统方法更强，比传统空转识别方法具有更加优异的识别精度并有效解决了传统方法中的在线识别时阈值设定困难的问题。
-
公开(公告)号：CN113392900A
公开(公告)日：2021-09-14
申请号：CN202110651989.2
申请日：2021-06-11
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于模糊熵和核极限学习机的电力机车空转在线识别方法，包括多尺度模糊熵特征提取模块、最优核极限学习机模型模块和空转在线识别模块。与现有技术相比，本发明的积极效果是：本发明从信号特征提取和机器学习分类的角度对空转进行辨识，通过对测量准确的机车轮对速度信号特征提取出能显著表征空转状态/粘着状态的特征并由分类器进行分类来实现空转在线识别，相比于采用带有误差的输入的传统空转识别方法，在线识别的效果更加优秀，更加准确、快速；本发明方法针对电力机车复杂的运行工况和运行环境的适应性比传统方法更强，比传统空转识别方法具有更加优异的识别精度并有效解决了传统方法中的在线识别时阈值设定困难的问题。
-
公开(公告)号：CN115310537A
公开(公告)日：2022-11-08
申请号：CN202210941838.5
申请日：2022-08-08
Applicant: 西南交通大学
IPC: G06K9/62
Abstract: 本发明公开了一种高速动车组空转滑行趋势预测方法，包括如下步骤：步骤一、对模型输入数据进行筛选和标准化处理；步骤二、通过值编码与位置编码得到含有位置信息的特征矩阵；步骤三、将步骤二得到的特征矩阵输入ProbSparse自注意力网络，得到不同特征向量不同位置的注意力关系，并通过多头方式并行计算；步骤四、解码器采用Mask自注意力网络，将不同时刻的滑动参数信息与滑动状态相关联，最后通过一个全连接层与Sigmoid激活函数直接对未来时刻进行分类预测。本发明能够提前1秒以上预测出列车的空转/滑行趋势，预测准确率满足列车运用需求；预测速度快，能够同时对列车多轴的空转/滑行趋势状态进行并行在线预测。
-
-
Search Results
3
records
(took 0.019 seconds)
