-
公开(公告)号：CN112115643B
公开(公告)日：2022-06-10
申请号：CN202010967935.2
申请日：2020-09-15
Applicant: 中南大学
Abstract: 本发明公开了一种智慧列车整车服役寿命非侵入预测方法，包括采集列车关键设备信号得到各关键设备的采样数据和总测点的采样数据并进行数据处理；构建各个关键设备的非侵入负荷分解模型；再次处理列车各关键设备的历史服役寿命参数与关键设备特征参数；构建得到列车各个关键设备的服役寿命预测模型和列车各个关键设备的服役寿命集成预测模型；构建得到列车整车的服役寿命预测模型；采用实时采集待预测的目标列车的实时信号并采用构建的模型对待预测的目标列车的关键设备寿命和整车寿命进行预测。本发明方法实现了列车整车服役寿命的非侵入预测，而且可靠性高，实用性好、成本低廉且可行性较好。
-
公开(公告)号：CN112816052A
公开(公告)日：2021-05-18
申请号：CN202110003658.8
申请日：2021-01-04
Applicant: 中南大学
IPC: G01H1/00 , G01H1/04 , G01H1/08 , G01H1/12 , G01H1/16 , G01M17/08 , G06F30/15 , G06F30/27 , G06F111/06
Abstract: 本发明公开了一种列车车室振动监测方法、振动信号特征库建立及应用方法，采用非侵入式列车车室振动监测方法，实际监测时仅需获取列车车室内总测点的振动信号，避免传感器冗余，节省成本，有利于列车轻量化，准确真实地反映出振源位置与相位偏移、幅值衰减之间的关系，能够监测未知振源的振动情况，能够识别振源的异常振动，从而为异常振动处理提供依据；能够在仅测量总测点振动信号的基础上实现振源信号的重建，从而实现其多元振动信号特征库的实时更新，且多元振动信号特征库能够为振动信号优化分解、振动信号图像辨识、异常振动信号辨识等提供数据基础。
-
公开(公告)号：CN111027727B
公开(公告)日：2023-06-09
申请号：CN201911379311.2
申请日：2019-12-27
Applicant: 中南大学
IPC: G06Q10/20 , G06Q10/063 , G06Q50/30 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种轨道系统跨域运维关键要素辨识方法，包括对轨道系统进行全生命周期构成要素的分解；对各个要素在安全域、性能域和环境域进行量化计算；建立数据集；建立安全域分析模型、性能域分析模型和环境域分析模型并获得跨域运维强相关要素；根据跨域运维强相关要素建立全生命周期运维分析模型并得到强相关要素运维关键度；根据强相关要素运维关键度建立运维关键要素辨识模型并得到最终的跨域运维关键要素。本发明能够进行轨道系统的跨域运维关键要素分析确认，而且可靠性高，实用性好。
-
公开(公告)号：CN112149230B
公开(公告)日：2022-06-10
申请号：CN202011032638.5
申请日：2020-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种强风铁路风致列车舒适性劣化预测方法，包括获取列车振动信号实验数据；提取列车振动信号特征与建立列车振动信号特征库；建立列车舒适性描述初步模型；基于多目标优化对列车舒适性描述初步模型进行识别并得到最终的列车舒适性描述模型；实时获取待预测列车的振动信号数据；采用列车舒适性描述模型对待预测列车进行实时舒适性劣化预测。本发明方法能够实现针对强风铁路风的列车舒适性劣化预测，而且进一步提高强风铁路风致列车舒适性劣化预测的广泛适应性、准确性、稳定性和可靠性。
-
公开(公告)号：CN111027727A
公开(公告)日：2020-04-17
申请号：CN201911379311.2
申请日：2019-12-27
Applicant: 中南大学
Abstract: 本发明公开了一种轨道系统跨域运维关键要素辨识方法，包括对轨道系统进行全生命周期构成要素的分解；对各个要素在安全域、性能域和环境域进行量化计算；建立数据集；建立安全域分析模型、性能域分析模型和环境域分析模型并获得跨域运维强相关要素；根据跨域运维强相关要素建立全生命周期运维分析模型并得到强相关要素运维关键度；根据强相关要素运维关键度建立运维关键要素辨识模型并得到最终的跨域运维关键要素。本发明能够进行轨道系统的跨域运维关键要素分析确认，而且可靠性高，实用性好。
-
Patent Agency Ranking
公开(公告)号：CN112149230A
公开(公告)日：2020-12-29
申请号：CN202011032638.5
申请日：2020-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种强风铁路风致列车舒适性劣化预测方法，包括获取列车振动信号实验数据；提取列车振动信号特征与建立列车振动信号特征库；建立列车舒适性描述初步模型；基于多目标优化对列车舒适性描述初步模型进行识别并得到最终的列车舒适性描述模型；实时获取待预测列车的振动信号数据；采用列车舒适性描述模型对待预测列车进行实时舒适性劣化预测。本发明方法能够实现针对强风铁路风的列车舒适性劣化预测，而且进一步提高强风铁路风致列车舒适性劣化预测的广泛适应性、准确性、稳定性和可靠性。
-
公开(公告)号：CN112816052B
公开(公告)日：2022-02-08
申请号：CN202110003658.8
申请日：2021-01-04
Applicant: 中南大学
IPC: G01H1/00 , G01H1/04 , G01H1/08 , G01H1/12 , G01H1/16 , G01M17/08 , G06F30/15 , G06F30/27 , G06F111/06
Abstract: 本发明公开了一种列车车室振动监测方法、振动信号特征库建立及应用方法，采用非侵入式列车车室振动监测方法，实际监测时仅需获取列车车室内总测点的振动信号，避免传感器冗余，节省成本，有利于列车轻量化，准确真实地反映出振源位置与相位偏移、幅值衰减之间的关系，能够监测未知振源的振动情况，能够识别振源的异常振动，从而为异常振动处理提供依据；能够在仅测量总测点振动信号的基础上实现振源信号的重建，从而实现其多元振动信号特征库的实时更新，且多元振动信号特征库能够为振动信号优化分解、振动信号图像辨识、异常振动信号辨识等提供数据基础。
-
公开(公告)号：CN112650204B
公开(公告)日：2021-12-24
申请号：CN202011616264.1
申请日：2020-12-30
Applicant: 中南大学
IPC: G05B23/02
Abstract: 本发明公开了一种智慧轨道无人驾驶车辆故障基因识别方法及系统，采用基于增量式网络爬虫方法获取列车历史振动数据；对所述振动数据的振动幅度EA，振动周期ET进行预处理，输出新的X；将X作为故障检测模块的输入，检测故障序列后，输出故障序列数据E；将所述故障序列数据E作为降维模型的输入，输出可编码的基因序列I1,I2,I3,I4；将所述可编码的基因序列I1,I2,I3,I4整合为DNA序列S＝S1,S2,S3,...,SN，提取所述DNA序列的碱基特征，并排列组合所述碱基特征，形成可预测的预判定候选车辆部件故障基因Vs；利用所述候选车辆部件故障基因训练双向长短时记忆网络深度学习模型，得到分类模型。本发明可以准确识别车辆故障的位置及类型。
-
公开(公告)号：CN112798888A
公开(公告)日：2021-05-14
申请号：CN202011616269.4
申请日：2020-12-30
Applicant: 中南大学
Abstract: 本发明公开了一种无人驾驶列车车载电气系统故障非侵入诊断方法，包括：采集不同已知故障类型下的多组建模数据；基于以总电压和总电流时间序列作为输入向量、以各电气设备的电压和电流时间序列作为输出向量的深度学习模型，获得训练好的深度学习模型；提取电力特征；确定特征选择方法和分类器；采集多组实测数据，将实测数据对应的总电压时间序列和总电流时间序列作为输入向量输入深度学习模型，提取实测数据经由深度学习模型后输出的各输出向量中的电力特征，对实测数据对应的电力特征进行选择，并将其输入分类器，分类器输出待诊断的电气系统的故障类型。本发明的电力负荷分解准确性高，电力特征分析性能高，故障诊断结果准确性高，时效性好。
-
公开(公告)号：CN110032800B
公开(公告)日：2021-03-16
申请号：CN201910299631.0
申请日：2019-04-15
Applicant: 中南大学
Abstract: 本发明公开了一种基于SDF的长大货物铁路运输智能辅助选线方法，首先获取铁路沿线地段的真实环境点云；然后，构建装载长大货物的货车的AABB包围盒；再对AABB包围盒进行体素化处理，计算各个体素顶点到货车包络模型的有向距离场值；最后，将真实环境点云和AABB包围盒置于同一坐标系下，并判断各个环境点相对于AABB包围盒的位置，若在AABB包围盒内，则基于其所在体素各个顶点的有向距离场值，计算该环境点的有向距离场值；根据计算得到的有向距离场值的符号判断各个环境点与货车包络模型的限界关系，从而判断装载长大货物的货车能够通过该铁路沿线地段。本发明大幅度降低长大货物铁路运输选线成本，提高了检测精度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.022 seconds)
