-
公开(公告)号：CN108510129A
公开(公告)日：2018-09-07
申请号：CN201810327226.0
申请日：2018-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种无人驾驶车辆实时电量智慧预测方法及装置，该方法针对车辆行驶的主要耗电方面如空调、风阻等方面进行研究，并结合复杂的道路环境，建立耗电量预测模型，所选用的模型基于神经网络训练获得，自主学习性强，准确度好；该模型预测电量与电池本身无关，模型实时进行训练，能辨识不同路况环境上电量的使用情况，预测结果准确性高、时效性好，较好的避免了现有技术中只针对电池的基本工作原理和充放电特性来计算耗电量引起的不准确的问题。
-
公开(公告)号：CN118965130A
公开(公告)日：2024-11-15
申请号：CN202410974391.0
申请日：2024-07-19
IPC: G06F18/2411 , G06F18/214 , G06N3/048 , G06F18/213 , G06F18/21
Abstract: 本发明公开了一种无人机风环境时空预测方法，包括以下步骤：获取风速数据；将得到的风速数据进行数据处理，得到无人机风环境数据集；基于门控循环单元与Shapley加型解释模型，从无人机风环境数据集中进行气象因素筛选，得到训练数据集；基于图注意力网络，加入多特征融合以及图优化，构建无人机风环境时空预测初始模型；根据得到的训练数据集对无人机风环境时空预测初始模型进行训练，得到无人机风环境时空预测模型；根据无人机风环境时空预测模型，进行实际的无人机风环境时空预测。本发明方法基于图注意力网络，集合气象因素和风场的空间影响建立模型，实现了无人机风环境的预测，提高了预测效率，具有广阔的应用潜力。
-
公开(公告)号：CN118942702A
公开(公告)日：2024-11-12
申请号：CN202411041793.1
申请日：2024-07-31
Applicant: 中南大学
IPC: G16H50/30 , G06F18/10 , G16H10/60 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/048 , G06F18/213 , G06T5/90 , G06T5/73 , G06F18/2135 , G06F18/25 , G06F18/22 , G06F18/23
Abstract: 本发明提供了一种基于异质图和图神经网络的肺气肿风险预测方法及设备，本发明整合来自不同源的肺气肿医疗数据，通过构建异质图从多源数据中提取关键特征，通过图神经网络综合分析多种数据源，能够捕捉不同数据类型之间的复杂关系和相互作用，能够识别出肺气肿的微妙且复杂的病理特征，提高了肺气肿风险预测的准确性和效率。
-
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：CN109214581B
公开(公告)日：2022-02-11
申请号：CN201811099771.5
申请日：2018-09-20
Applicant: 中南大学
Abstract: 本发明公开了一种考虑风向和置信区间的铁路沿线风速预测方法，用历史风速数据建立多个低相关性风速预测模型，智能集成优化预测结果，提高预测精度，同时建立风向‑风速预测误差联合概率分布，结合目标测风点风向预测值，获得高置信度风速预测区间；利用测试样本进行多次风速模拟预测，将每次模拟预测的风速预测误差值和相应时刻风向真实值作为二维离散随机变量的一次观测值，构造风向‑风速预测误差联合概率分布，建立风向与预测误差之间的映射关系，基于风向，获得风速预测误差的高置信度区间，显著提高风速预测的鲁棒性，避免了绝对风速值预测的单一性，为列车运行决策提供更多精确有效的预测信息。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN110361180A
公开(公告)日：2019-10-22
申请号：CN201910676732.5
申请日：2019-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种智能列车受电弓服役性能动态监测与评估方法，包括获取列车受电弓的工作性能参数；提取列车受电弓的各个部件的健康指标时序；预测得到受电弓各部件以及受电弓整体的剩余服役寿命并修正；得到最终的列车受电弓的服役性能动态监测评估结果。本发明还公开了实现所述智能列车受电弓服役性能动态监测与评估方法的系统。本发明能够实现对受电弓服役状态以及外界影响因素的监测，完成外界因素对剩余使用寿命的不确定性影响建模，能够实现对受电弓的剩余寿命预测，有效提高受电弓服役性能，且可靠性高、适用性好且评估全面准确。
-
公开(公告)号：CN109726802A
公开(公告)日：2019-05-07
申请号：CN201811643479.5
申请日：2018-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种铁路和风电场环境风速机器学习预测方法，该方法选择多种神经网络模型，建立多种风速预测特征预选模型各100个，通过均方误差分析和相关性分析，选取性能好以及特征独立性强的模型各10个，然后建立多个风速预测集成模型，对风速预测特征进行集成处理，最后建立风速预测归一模型，对风速集成值进行归一处理，并计算预测风速向量与训练样本的风速向量之间的相关性，利用相关性强的对应时刻的风速噪声还原预测风速值，该方法能有效预测非平稳风速，对复杂，非线性风速值具有精准的预测效果。
-
公开(公告)号：CN109214581A
公开(公告)日：2019-01-15
申请号：CN201811099771.5
申请日：2018-09-20
Applicant: 中南大学
Abstract: 本发明公开了一种考虑风向和置信区间的铁路沿线风速预测方法，用历史风速数据建立多个低相关性风速预测模型，智能集成优化预测结果，提高预测精度，同时建立风向-风速预测误差联合概率分布，结合目标测风点风向预测值，获得高置信度风速预测区间；利用测试样本进行多次风速模拟预测，将每次模拟预测的风速预测误差值和相应时刻风向真实值作为二维离散随机变量的一次观测值，构造风向-风速预测误差联合概率分布，建立风向与预测误差之间的映射关系，基于风向，获得风速预测误差的高置信度区间，显著提高风速预测的鲁棒性，避免了绝对风速值预测的单一性，为列车运行决策提供更多精确有效的预测信息。
-
公开(公告)号：CN109034476A
公开(公告)日：2018-12-18
申请号：CN201810843354.0
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种高速铁路沿线极端风速大数据聚类预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，并进行风速样本聚类，利用LS‑SVM对去噪后的风速聚类样本数据进行训练，构建各测风站在多种步长下的风速预测模型；选用各模型进行多种步长的最优预测组合，实现多步迭代预测，提高预测精度，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.023 seconds)
