-
公开(公告)号：CN112184523A
公开(公告)日：2021-01-05
申请号：CN202011029942.4
申请日：2020-09-27
Applicant: 中南大学
IPC: G06Q50/26 , G01D21/02 , G06K9/00 , G06F16/55 , G06F16/583 , G06F16/2458 , G06T11/00
Abstract: 本发明公开了一种基于环境监测和照明引导的地铁车厢乘客诱导方法及系统，利用乘客密度变化引起车厢内温度、湿度和CO2浓度分布变化的特点，实现乘客分布情况的智能感知，避免了采用图像进行乘客分布检测所面临的的人群流动和遮挡问题，以及避免了采用压力传感器进行乘客分布检测所面临的地板侵入式改造难题；采用调整车厢内照明灯管的亮度方式引导乘客流动，例如调暗乘客分布密度大的区域的照明灯管，调亮乘客分布密度小的区域的照明灯管，引导乘客向乘客密度小的区域有序流动，避免了车厢嘈杂环境的干扰，并且照明引导方式具有简单、直接、接受度高的优势。
-
Patent Agency Ranking
公开(公告)号：CN112115643A
公开(公告)日：2020-12-22
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：CN110032800A
公开(公告)日：2019-07-19
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。
-
公开(公告)号：CN112184523B
公开(公告)日：2022-06-07
申请号：CN202011029942.4
申请日：2020-09-27
Applicant: 中南大学
IPC: G06Q50/26 , G01D21/02 , G06K9/62 , G06V10/762 , G06V10/764 , G06V10/28 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于环境监测和照明引导的地铁车厢乘客诱导方法及系统，利用乘客密度变化引起车厢内温度、湿度和CO2浓度分布变化的特点，实现乘客分布情况的智能感知，避免了采用图像进行乘客分布检测所面临的的人群流动和遮挡问题，以及避免了采用压力传感器进行乘客分布检测所面临的地板侵入式改造难题；采用调整车厢内照明灯管的亮度方式引导乘客流动，例如调暗乘客分布密度大的区域的照明灯管，调亮乘客分布密度小的区域的照明灯管，引导乘客向乘客密度小的区域有序流动，避免了车厢嘈杂环境的干扰，并且照明引导方式具有简单、直接、接受度高的优势。
-
公开(公告)号：CN112798888B
公开(公告)日：2021-12-17
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：CN112650204A
公开(公告)日：2021-04-13
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。
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
