-
公开(公告)号：CN114925726B
公开(公告)日：2024-07-26
申请号：CN202210519273.1
申请日：2022-05-13
Applicant: 华侨大学 , 厦门雅众建设集团有限公司
IPC: G06F18/00 , G06F18/213
Abstract: 本发明实施例提供亚采样工作模态参数的识别方法、装置、设备和存储介质，涉及模态参数识别技术领域。其中，这种识别方法包含步骤S1至步骤S4。S1根据部署在工程结构上的振动传感器，基于采样矩阵进行振动响应信号非等时间间隔的采样，获取非等时间间隔的亚采样信号。S2根据亚采样信号，基于CoSaMP模型进行重构，获取重构信号。S3根据重构信号，基于FastICA模型进行盲源分离，获取混合矩阵和源信号。S4根据混合矩阵和源信号，获取模态参数。本发明能够通过低于奈奎斯特定理的频率对振动响应信号进行非等时间间隔的亚采样，需要采样和存储的振动响应信号少，并根据非等时间间隔的亚采样振动响应信号分析得到工程结构高于奈奎斯特定理的高阶模态参数。
-
公开(公告)号：CN118313638A
公开(公告)日：2024-07-09
申请号：CN202410742809.5
申请日：2024-06-11
Applicant: 华侨大学 , 蓝海(福建)信息科技有限公司
IPC: G06Q10/0631 , G06Q50/40 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于SRFE‑BLP‑Transformer的城际网约车长期出行需求预测方法、装置、设备和介质，涉及城际网约车需求技术领域。预测方法包含：S1、获取历史订单数据。S2、根据时间将订单划分到运营时间切片作为需求量特征，并对运营时间切片的特征进行编码，获取特征编码。S3、先采用斯皮尔曼相关分析各特征与需求量特征之间的相关性强度，再采用递归特征消除算法选择特征，获取有效特征。S4、按时间顺序排序有效特征并归一化处理，再按预设时长分割数据，获取输入数据。S5、通过双向长短时记忆网络捕捉输入数据的时间依赖性并添加位置编码，再通过Transformer捕捉输入数据中不同位置之间的长距离依赖关系并线性变换，获取预测结果。
-
公开(公告)号：CN114723141B
公开(公告)日：2024-07-02
申请号：CN202210371443.6
申请日：2022-04-11
Applicant: 华侨大学
Abstract: 本发明涉及一种BRT多服务模式优化方法及系统，首先以每个线路中车辆的跳站方案、发车频率以及车辆核载人数为优化的决策变量，以发车间隔、满载率和车容量为约束，以乘客在站等车时间最小、乘客乘车时间最小和公交运营成本最小为优化目标函数，构建多目标非线性整数优化模型，然后利用遗传算法求解所述多目标非线性整数优化模型，从而优化多服务模式下的线路、停靠站、发车频率以及车型，有效提高了BRT的服务质量，解决乘客挤不上车或者乘客等车时间长等问题。
-
公开(公告)号：CN117892118B
公开(公告)日：2024-05-28
申请号：CN202410264227.0
申请日：2024-03-08
Applicant: 华侨大学 , 福建三建工程有限公司
IPC: G06F18/2134 , G06F18/2415 , G06F17/16
Abstract: 本发明提供的一种欠定工作模态参数识别方法、装置、设备及存储介质，涉及工作模态参数识别技术领域，通过从部署在结构上的振动传感器获取传感器测点的线性时不变结构振动响应信号，来识别线性时不变结构的模态参数（包括模态固有频率、模态振型矩阵、模态阻尼比）。本发明采用过完备独立成分分析数学模型对振动响应信号进行成分分析获得分离矩阵和分离信号，结合贝叶斯和最大化后验概率方法对分离矩阵和分离信号进行估计和迭代更新直至收敛，从而获得逼近的振动响应信号的模态振型和模态响应矩阵，从而实现在环境激励下部署在工程结构上有限的传感器测得的平稳振型响应信号中识别出更多的模态参数信息。
-
公开(公告)号：CN118013443A
公开(公告)日：2024-05-10
申请号：CN202410411047.0
申请日：2024-04-08
Applicant: 华侨大学 , 中建三局集团有限公司 , 中建三局(福建)投资建设有限公司
IPC: G06F18/2433 , G06F18/2113 , G06N3/045 , G06N3/0475 , G06N3/094 , F04B51/00 , G06F123/02
Abstract: 一种基于生成模型算法的在线实时真空干泵异常检测方法，涉及真空干泵异常检测技术领域。方法包含S1、获取泵的特征数据。S2、将特征数据输入异常检测模型，获取真空干泵的异常检测结果。异常检测模型通过以下步骤训练得到：A1、获取历史数据集。A2、进行预处理，获取样本数据集。A3、根据样本数据集和异常标签，分别计算皮尔逊相关系数，选取相关特征。A4、提取相关特征的数据进行等线分割，获取训练集和测试集。A5、基于深度学习生成模型算法构建待训练的异常检测模型，并根据训练集进行训练。A6、采用均方误差MSE作为异常得分计算指标计算异常得分，以最大的异常得分作为异常阈值。A7、将测试集输入模型进行测试，获取预先训练好的异常检测模型。
-
Patent Agency Ranking
公开(公告)号：CN117575298B
公开(公告)日：2024-04-30
申请号：CN202410060546.X
申请日：2024-01-16
Applicant: 华侨大学 , 蓝海(福建)信息科技有限公司
IPC: G06Q10/0631 , G06Q50/47 , G06F16/2458 , G06N5/025
Abstract: 本发明提供一种基于关联规则的城际拼车订单调度方法、装置及设备，方法包括：获取历史人工调度中城市v和城市w之间的每一趟车辆行程的调度数据；提取调度数据中的网格区块位置信息作为特征项，将调度数据转换为事务列表；对事务列表内的事务的重复出现的特征进行编码处理，获得编码后的事务；使用关联规则挖掘方法挖掘获得编码后的事务的关联规则；根据建立的整数线性规划模型，基于所述关联规则中的提升度对订单进行匹配，并根据匹配结果获取优先队列，以基于优先队列实现调度车辆。本发明为司机提供基于专家经验的订单组合，提高司机的收入，缓解司机工作时间不平衡问题，增加了企业车辆资源利用率。
-
公开(公告)号：CN117934526A
公开(公告)日：2024-04-26
申请号：CN202410006016.7
申请日：2024-01-03
Applicant: 华侨大学 , 福建三建工程有限公司 , 厦门新航翔盛混凝土有限公司 , 厦门雅众建设集团有限公司
Abstract: 一种输送带物料识别方法和系统，包括：获取输送带空载运转时的若干第一图像，结合所述输送带的运动信息将相邻帧的两所述第一图像依次拼接得到第一拼接图像；获取输送带运输物料时的若干第二图像，结合所述输送带的运动信息将相邻帧的两所述第二图像依次拼接得到第二拼接图像；将所述第二拼接图像和所述第一拼接图像进行处理得到所述物料的轮廓图像，本发明极大地提高在复杂环境下物料的识别成功率。
-
公开(公告)号：CN117829375A
公开(公告)日：2024-04-05
申请号：CN202410229563.1
申请日：2024-02-29
Applicant: 华侨大学 , 蓝海(福建)信息科技有限公司
Abstract: 本发明提供的城际往返客运的多区域需求预测方法、装置、设备及介质，通过获取需求城市的区域关系矩阵图、往返两城市的历史需求特征、需求城市所有区域的特征向量以及需求城市的时间信息特征序列，计算获得城市内图特征、城际间图特征、当前时间步长的隐藏状态以及每个区域自身的时间特征向量，形成需求城市当前时间片段的输入，送入需求预测模型中，从而获得需求预测值。本发明通过提前预测往返城市的出行需求，使得相关运输机构能够灵活地预配置或重定位车辆，以满足潜在乘客的需求，从而提高车辆的利用率，预测精度高且速度快，解决了城市内和城际间街道级多区域的复杂时空依赖性。
-
公开(公告)号：CN117808273A
公开(公告)日：2024-04-02
申请号：CN202410225004.3
申请日：2024-02-29
Applicant: 华侨大学 , 蓝海(福建)信息科技有限公司
IPC: G06Q10/0631 , G06Q50/47 , G06F16/9537
Abstract: 本发明提供了乘客出发时刻协同与阶段反馈的城际拼车调度方法及装置，包括：获取某条线路下的城际网约车乘客出行数据，设置规划周期，构建问题场景，包含乘客订单集合、车辆集合和道路网络信息；在供需平衡的前提下，利用最佳插入算法将拼车订单加入行程解后通过启发式算法进行优化，对解中新增接收订单的乘客反馈已接单通知；满足协同要求的订单，协调其出发时刻并成功加入行程解后，对乘客反馈新出行时刻和已接单通知；将已存在的行程解和运力进行预匹配，对已达到发车时刻的行程，派发车辆，确定接载关系，更新车辆和订单的状态，向乘客反馈具体出行信息；本发明通过协同乘客出发时刻和两阶段反馈拼车进度，提高拼车效率，改善乘客体验。
-
公开(公告)号：CN117709394A
公开(公告)日：2024-03-15
申请号：CN202410166654.5
申请日：2024-02-06
Applicant: 华侨大学 , 厦门卫星定位应用股份有限公司
Abstract: 本发明提供了车辆轨迹预测模型训练方法、多模型迁移预测方法及装置，包括获取高速公路段的交通数据集，对交通数据集进行数据预处理，生成车辆的初步数据集；根据初步数据集进行构建处理，生成车辆轨迹训练模型的所需特征，并将所需特征进行组合，构建生成车辆轨迹监督学习数据集；根据车辆轨迹监督学习数据集，采用LSTM‑BILSTM算法结合分位数回归QR到算法的损失函数，对预设的车辆轨迹训练模型进行训练，生成车辆单步轨迹预测模型，将在训练样本量大的车型上训练完的车辆单步轨迹预测模型的权值迁移到同样网络结构但样本量小的车型上微调权重。本发明能精准呈现出每种类型车的驾驶行为特性，具有预测精度高、模型收敛速度快、需要训练样本数量少等特点。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.032 seconds)
