-
公开(公告)号：CN120087560A
公开(公告)日：2025-06-03
申请号：CN202510559240.3
申请日：2025-04-30
Applicant: 北京交通大学
IPC: G06Q10/04 , G01M13/025 , G01M13/028 , G06Q10/20
Abstract: 本发明涉及机械设备智能运维技术领域，具体涉及一种基于模型自主遴选的机电复合传动系统健康态势预测方法，包括：获取机电复合传动系统运行中的实时振动信号，并提取有效特征值；根据有效特征值3 区间确定数据的起始预测点；构建包含多种退化模型的模型库；当数据达到起始预测点时，使用最大似然估计方法拟合模型库中的各个模型，并使用KIC准则对所有模型进行评分，筛选出最优模型；采用粒子滤波方法更新最优模型参数分布；将更新后的参数分布分别带入最优模型，计算机电复合传动系统的健康态势。本发明可根据不同状况下的机电复合传动系统退化趋势选择最优模型，且具有较好的预测性能。
-
公开(公告)号：CN120047726A
公开(公告)日：2025-05-27
申请号：CN202510048442.1
申请日：2025-01-13
Applicant: 北京交通大学
IPC: G06V10/764 , G06T7/11 , G06V10/26 , G06V10/774 , G06T3/4038 , G06T3/4046 , G06T5/50 , G06V10/82 , G06N3/0464 , G06N3/088 , G06F17/16 , G06F17/18
Abstract: 本发明提供一种无监督轨道异常检测方法及系统，属于基于计算机视觉的轨道监管技术领域，包括：采集俯拍视角的轨道图像；采用轨道关键部件区域分割模块实现像素级分割和背景简化，生成关键部件伪图像；采用自生成特征聚合网络提取伪图像中的多尺度特征，得到高维度特征向量矩阵；利用多元高斯拟合函数对高维度特征向量矩阵进行拟合，得到正常图像的最优参数；设计内外均衡的异常分数度量函数，计算正常图像的最优参数与测试图像的高维度特征向量矩阵的差异，计算异常分数实现异常图像判别和异常像素定位。本发明解决了标注数据类别有限导致的轨道巡检内容覆盖不全面的问题，实现了降低复杂背景因素干扰下的轨道未知类别异物检测。
-
公开(公告)号：CN118918116A
公开(公告)日：2024-11-08
申请号：CN202410793929.8
申请日：2024-06-19
Applicant: 北京交通大学
IPC: G06T7/10 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06V10/80 , G06V10/764
Abstract: 本发明提供一种基于多尺度注意力机制的轨道板裂缝分割方法及系统，属于基于计算机视觉的图像分割技术领域，本发明该方法针对轨道板裂缝在无人机图像中像素占比小的问题，利用在大规模数据集上预训练好的神经网络作为编码器，提升模型对于裂缝细节信息的提取与表征，采用基于混合注意力机制的特征融合模块，使得模型可以排除背景冗余信息的干扰，专注于裂缝特征以提升轨道板裂缝分割精度，并引入Focal loss和Dice loss损失函数以解决裂缝分割任务中正负样本不平衡以及正样本难以学习的问题。
-
公开(公告)号：CN118822243A
公开(公告)日：2024-10-22
申请号：CN202410596507.1
申请日：2024-05-14
Applicant: 北京交通大学
IPC: G06Q10/0635 , G06Q50/26 , G06Q50/40 , G06F18/25 , G06F18/22 , G06F18/2431 , G06V20/52 , G06V20/40
Abstract: 本发明提供了一种多源多点协同的城市轨道交通路网客流安全状态感知方法。该方法包括：将自动售检票系统AFC数据、列车运行计划数据和实际列车运行数据进行时空融合，得到融合数据；综合融合数据、路网结构、天气信息、预估车站和列车大客流信息，识别路网重点客流群体；对于路网重点客流群体，叠加视频监测数据，构建客流群体精细画像，设置客流群体的初始安全因子；根据客流群体精细画像、AFC数据和配流与视频基础指标数据协同识别重点客流群体的安全状态。本发明方法为城市轨道交通路网客流安全状态感知提供共性支撑，为科学运营组织提供技术条件，提升路网运营服务水平。
-
公开(公告)号：CN118708251A
公开(公告)日：2024-09-27
申请号：CN202410708313.6
申请日：2024-06-03
Applicant: 北京交通大学
IPC: G06F9/445 , G06F9/50 , G06N3/0499 , G06N3/094
Abstract: 本发明提供了一种用于港口设施监测的边缘计算任务卸载方法、系统及设备，属于移动边缘计算领域，包括：构建面向港口基础设施长期服役监测的边缘计算系统架构；建立本地计算和边缘计算模型，对港口基础设施长期服役监测任务进行特征分析以及本地计算和边缘计算建模；建立考量能耗敏感度差异下满足时延要求的时延能耗联合优化模型；建立基于深度强化学习方法求解最优计算任务卸载策略；依据最优卸载策略进行边缘计算任务卸载。该方法通过动态边缘计算任务卸载与算力分配算法对问题进行求解，得到了最优的任务卸载决策和算力分配方案，解决了用于港口设施监测的边缘计算任务卸载问题。
-
Patent Agency Ranking
公开(公告)号：CN118644792A
公开(公告)日：2024-09-13
申请号：CN202410579517.4
申请日：2024-05-11
Applicant: 北京交通大学
Abstract: 本发明提供一种基于边缘检测的支持装置视角检测及图像智能采集方法，属于图像处理和计算机视觉技术领域，本发明使用基于边缘检测的算法处理图像，输出角度。当角度在最佳视角范围内时，使用无人机载荷智能控制算法逐格采集图像。视角检测算法将图像转换到HSL空间并进行颜色过滤，然后进行边缘检测和直线拟合，获取支持装置的直线信息。通过直线筛选和角度计算，判断最佳视角。角度检测方法选择最佳航点进行数据采集，校正锚框的长宽比，调整云台俯仰角和偏航角以锁定锚框中心。适应性调整相机焦距，分割画幅为九宫格区域，并进行中心锁定、放大和拍照，实现高效准确、多尺度的数据采集。
-
公开(公告)号：CN118552807A
公开(公告)日：2024-08-27
申请号：CN202410631198.7
申请日：2024-05-21
Applicant: 北京交通大学
IPC: G06V10/774 , G06V20/70 , G06V20/17 , G06V20/54 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种接触网螺栓弱监督检测模型训练方法、检测方法及系统，属于基于深度学习的图像处理技术领域，使用搭载高清变焦相机的无人机沿铁路线侧上方巡检获取线路接触网螺栓数据；原始接触网螺栓数据预处理与数据集制作；构建接触网螺栓弱监督检测模型：候选区域生成；构建接触网螺栓弱监督检测模型：候选区域特征提取；构建接触网螺栓弱监督检测模型：候选区域分类；接触网螺栓弱监督检测结果的生成。本发明能大大节省目标检测过程中数据标注的人力消耗，相比无监督检测能有效提高接触网螺栓的检测精度，对实现接触网螺栓检测的自动化具有重要意义，能完善接触网螺栓检测手段、提高检测的智能水平。
-
公开(公告)号：CN118468017A
公开(公告)日：2024-08-09
申请号：CN202410235383.4
申请日：2024-03-01
Applicant: 北京交通大学
IPC: G06F18/214 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及旋转机械寿命预测技术领域，具体公开了一种基于长期演化学习的旋转机械剩余使用寿命预测方法，包括：进入初始学习阶段，利用自适应权重连接构建基于循环卷积神经网络的预测模型，获取当前阶段的振动信号数据集，对预测模型进行训练，训练完成后，测量权重连接的稳定性，并根据样本的信息性和多样性选取当前阶段的代表性样本；进入演化学习阶段，获取当前阶段的振动信号数据集与代表性样本组合后，对上一阶段训练好的预测模型进行训练，在当前阶段训练中，自适应权重连接的更新率随上一阶段权重连接的稳定性变化；当前阶段训练完成后，测量权重连接的稳定性，并根据样本的信息性、多样性和新颖性从当前阶段的振动信号数据集中选取当前阶段的代表性样本；对预测模型进行多次演化学习，直至满足训练目标。本发明预测模型能够长期保留习得的旧知识并对新知识进行灵活的学习，从而对旋转机械实现可靠高效的剩余使用寿命预测。
-
公开(公告)号：CN118097570A
公开(公告)日：2024-05-28
申请号：CN202311541737.X
申请日：2023-11-14
Applicant: 北京交通大学
Abstract: 本发明提供一种像素级轨道交通场景理解方法及系统，属于轨道交通安全运营控制技术领域，使用轻量双分支融合骨干网络对输入图像进行连续下采样操作，提取图像特征；将骨干网络提取到的特征图输入双向特征金字塔池化网络，获得多尺度感受野和深层语义特征，利用多任务多尺度损失函数从像素和边缘角度进一步优化该方法的场景理解效果。本发明轻量双分支融合骨干网络可以更快更有效地提取图像特征，双向特征金字塔池化网络从多尺度角度提取了语义特征，多任务多尺度的损失函数从边缘与像素两个角度监督该方法的学习过程，优化了场景理解方法的效果，在不增加推理时间的前提下提高了模型的理解准确率。
-
公开(公告)号：CN111507235B
公开(公告)日：2024-05-28
申请号：CN202010285277.9
申请日：2020-04-13
Applicant: 北京交通大学
IPC: G06V20/40 , G06V20/52 , G06V10/30 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于视频的铁路周界异物入侵检测方法，用以解决克服铁路周界异物入侵检测方法消耗资源大、准确率不高的问题。所述铁路周界异物入侵检测方法，获取当前铁路周界监控视频图像并提取第N帧，采用KNN算法检测第N帧中的异物目标数n，并对满足预定条件的第i帧采用铁路场景YOLOv3模椟检测异物目标数m，再对m、n进行比较，输出检测目标数G＝m＝n或G＝α×m+β×n。本发明入侵异物检测方法消耗的计算机资源小，检测漏报率低、准确率高，提高了识别的精确性；同时，在与YOLOv3算法检测准确率相同的前提下，降低了计算机内存使用情况，更具有可应用性。
-
-
-
-
-
-
-
-
-
Search Results
458
records
(took 0.051 seconds)
