公开(公告)号：CN117313251A

公开(公告)日：2023-12-29

申请号：CN202311621104.X

申请日：2023-11-30

Applicant: 北京交通大学

Inventor： 王彪 ,  邱海权 ,  秦勇 ,  贾利民 ,  丁奥 ,  郭亮

IPC: G06F30/15 ,  G06F30/27 ,  G06N3/0464 ,  G06N3/084 ,  G06N5/022 ,  G06F111/08

Abstract: 本发明涉及列车运行安全保障技术领域，具体涉及一种基于非滞后渐进学习的列车传动装置全局故障诊断方法，包括：在基础学习阶段，构建全局诊断模型，并获取数据集；构建列车传动装置各部件之间的空间关系图，通过掩码方式将空间关系图中各节点信息进行结合；对全局诊断模型进行初步训练；在进阶学习阶段，从上一阶段数据集中选取部分样本，与新数据集组合为进阶学习阶段的数据集；将上一阶段学习到的健康信息衔接至当前学习阶段，构造当前阶段的非滞后损失函数，对全局诊断模型进行再次训练，直至模型收敛，进入下一进阶学习阶段。本发明能够对整个列车传动装置进行全局诊断，同时缓解了渐进学习过程中，模型在新故障样本不足情况下的过拟合。

公开(公告)号：CN117313000A

公开(公告)日：2023-12-29

申请号：CN202311208048.7

申请日：2023-09-19

Applicant: 北京交通大学

Inventor： 王彪 ,  邱海权 ,  秦勇 ,  贾利民 ,  汪洋 ,  丁奥

IPC: G06F18/2431 ,  G01R31/34 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于样本表征拓扑的电机类脑学习故障诊断方法，继承学习阶段，设计了一种创新性的继承损失函数，通过惩罚样本故障特征在表征空间中拓扑关系的不一致性，以此引导故障特征的记忆从旧表征迁移到新表征中，从而缓解模型对旧故障类别的遗忘，这极大地提高了模型对故障特征记忆的继承能力。同时，将交叉熵损失函数与继承损失函数按照一定的比例关系相结合，使得模型能够更加灵活地学习新故障类型的特征，提高了模型对新故障类型的学习能力。在电机错综复杂且不断有新故障发生的运行环境中，该方法可以高精度、高实时性实现类增诊断，对于提升电机运用效率、保障设备安全等方面具有重要意义。

公开(公告)号：CN112785010B

公开(公告)日：2023-12-12

申请号：CN202110012739.4

申请日：2021-01-06

Applicant: 北京交通大学

Inventor： 秦勇 ,  付勇 ,  叶萌 ,  贾利民 ,  王志鹏 ,  吴冬华 ,  蔡昌俊 ,  魏运

IPC: G06Q10/20 ,  G06Q10/0631 ,  G06F17/18

Abstract: 本发明公开了一种基于机会相关的轨道交通列车系统多部件动态维修策略优化方法，为轨道交通列车系统可靠性分析提供了切实可行的方法。具体步骤如下：首先，基于现场提供的故障数据及维修数据，计算系统中各个部件的可靠性函数的相关参量，并划分需要不同深度维修的部分类别；其次，在系统部件最低可靠度要求的基础上，依据役龄递减故障率递增的相关原理，计算系统中各个部件的维修时间点，并判断是否需要进行机会相关的维修活动；最后，计算该段里程条件内的轨道交通列车系统部件可靠性最佳阈值及其维修成本及可用度。本发明降低轨道交通列车系统维修成本，并为提高列车在线运行的可用性的方法策略的制定提供了有效的基础支撑。

公开(公告)号：CN117150377A

公开(公告)日：2023-12-01

申请号：CN202311439543.9

申请日：2023-11-01

Applicant: 北京交通大学

Inventor： 王彪 ,  邱海权 ,  秦勇 ,  丁奥 ,  伊枭剑 ,  郭亮

IPC: G06F18/2413 ,  G01R31/34 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明涉及电机故障诊断技术领域，具体涉及一种基于全自主动机偏移的电机故障诊断阶梯式学习方法，包括多个学习阶段；在训练初始，收集电机的基础故障数据集样本，对特征提取器模型和故障分类器模型进行训练；将初始训练后的样本特征向量分为典型样本和非典型样本，对构造好的新型故障检测器模型进行训练，以识别新型故障；识别出新型故障后，进入高阶学习阶段；在动机偏移损失的指导下，利用带有新型故障的新训练数据集样本对上一学习阶段训练后的特征提取器模型和故障分类器模型进行训练；训练完成后，进入到下一学习阶段。本发明可自主地判别数据中是否出现新型故障，还在出现新故障时，对原有模型进行阶梯式学习，提高模型的诊断精度。

公开(公告)号：CN111584091B

公开(公告)日：2023-10-24

申请号：CN202010357460.5

申请日：2020-04-29

Applicant: 北京交通大学

Inventor： 秦勇 ,  孙璇 ,  郭建媛 ,  谢臻 ,  高勃 ,  贾利民 ,  王雅观 ,  薛宏娇 ,  李健 ,  孙方

IPC: G16H50/80

Abstract: 本发明提供了一种城轨线路级密切接触者交叉感染风险辨识方法和装置。本发明基于行为科学及数据科学，从微观出行行为分析入手，构建风险暴露线路站点走行时间概率分布模型；从可迭代风险时段角度，不断缩小有交叉感染可能性的密切接触者范围；利用EM算法进行模型求解，估计交叉感染风险暴露列车风险概率及密切接触者交叉感染风险概率，建立密切接触者风险等级评估模型；形成城轨风险等级决策支持与信息查询装置。本发明不仅是提高疑似病例筛选精度和效率的重要手段，也为公众判断自身是否为“密切接触者”提供便捷高效的查询工具，填补了公共交通领域密切接触者风险辨识的空白，对突发事件下公众情绪引导和应急资源部署具有重大决策支持意义。

公开(公告)号：CN114889678B

公开(公告)日：2023-08-11

申请号：CN202210169756.3

申请日：2022-02-23

Applicant: 北京交通大学

Inventor： 谢征宇 ,  莫正倩 ,  秦勇 ,  贾利民

IPC: G06Q10/0635 ,  B61L23/00

Abstract: 本发明提供了一种基于动态贝叶斯的铁路站车线安全协同预警方法。该方法包括：获取历史事故数据并分析“危险源‑隐患‑事故”之间的因果关系，构建各子系统下的风险评价指标体系；构建贝叶斯网络模型，计算各子系统中各类故障及事故的发生概率；构建N‑K模型，计算各子系统间的各指标因素的风险耦合值；计算系统中各指标因素间的风险耦合系数；基于风险耦合系数选择更新贝叶斯网络中的节点概率，重新计算后续节点的发生概率；基于贝叶斯网络的输出结果计算各子系统的风险系数；评价站车线各子系统的安全状态。本发明能够实现在考虑风险耦合的情况下对车站、列车、线路各子系统进行风险评价及预警，从而有效地提升整个铁路运营系统的应急服务能力。

公开(公告)号：CN111582068B

公开(公告)日：2023-07-07

申请号：CN202010322202.3

申请日：2020-04-22

Applicant: 北京交通大学

Inventor： 秦勇 ,  曹志威 ,  谢征宇 ,  李永玲 ,  魏运 ,  柳青红

IPC: G06V40/16 ,  G06V10/762

Abstract: 本发明提供了一种人员口罩佩戴状态检测方法。该方法包括：利用一定数量的佩戴口罩和不佩戴口罩的人脸图像构建口罩佩戴训练数据集，使用口罩佩戴训练数据集训练SSD目标检测算法，得到口罩佩戴检测模型；利用一定数量的监测区域场景的图像构建监测区域场景的口罩佩戴训练数据集，利用口罩佩戴训练数据集训练所述口罩佩戴检测模型，得到适用于监测区域场景的训练好的口罩佩戴检测模型；将待检测的监测区域场景的图像输入训练好的口罩佩戴检测模型，输出图像中的人员口罩佩戴状态检测结果。本发明优化SSD网络的检测框长宽比和学习率，并使用迁移学习的手段优化口罩检测模型，结合Haar级联分类器，人员口罩佩戴状态的检测准确率可达到98.2％。

公开(公告)号：CN114581861B

公开(公告)日：2023-05-23

申请号：CN202210205004.8

申请日：2022-03-02

Applicant: 北京交通大学

Inventor： 秦勇 ,  高阳 ,  曹志威 ,  李永玲 ,  寇淋淋 ,  楚柏青 ,  傅兵 ,  袁若岑 ,  白文飞

IPC: G06V20/54 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习卷积神经网络的轨道区域识别方法。该方法包括：获取不同场景下含轨道区域的图像，组成轨道图像数据集；构建轨道区域识别网络模型，该轨道区域识别网络模型包括多个卷积层和上采样层，利用轨道图像数据集对轨道区域识别网络模型进行训练，得到训练好的轨道区域识别网络模型；使用训练好的轨道区域识别网络模型对待识别场景下的轨道区域进行识别，得到待识别场景下的轨道区域的识别结果。本发明方法在深度残差卷积神经网络可以更加有效地提取到图像特征，深层特征与浅层特征的融合使得提取的轨道边界更加清晰，轻量化模型的运行环境更加具有普适性，适用于不同场景和不同尺寸下的轨道区域场景图像。

公开(公告)号：CN113340625B

公开(公告)日：2023-01-06

申请号：CN202110430399.7

申请日：2021-04-21

Applicant: 北京交通大学

Inventor： 王志鹏 ,  左亚昆 ,  张慧月 ,  贾利民 ,  秦勇 ,  王宁

IPC: G01M17/10 ,  G01M17/08

Abstract: 本发明实施例提供了一种基于奇异值完全分解和固定字典极限学习机的转向架故障诊断方法，包括：步骤1，获取转向架数据，利用VMD变分模态分解算法对所述转向架数据进行分解，分解出多种本征函数；步骤2，使用奇异值完全分解算法对分解出的本征函数中的左右奇异值矩阵中的特征信息，进行分解及特征重构，完成二次特征提取；步骤3，利用固定字典极限学习机，对二次特征提取后的数据进行学习，以识别转向架的故障。

公开(公告)号：CN115545183A

公开(公告)日：2022-12-30

申请号：CN202210915719.2

申请日：2022-08-01

Applicant: 北京交通大学

Inventor： 王彪 ,  丁奥 ,  秦勇 ,  贾利民 ,  汪洋

IPC: G06N3/08

Abstract: 本发明提供了一种深度智能故障诊断模型动态两极化剪枝方法。该方法包括：根据诊断任务的实际情况设计机械设备智能故障诊断模型，确定机械设备智能故障诊断模型中需要剪枝的网络层；将两极化剪枝模块嵌入机械设备智能故障诊断模型，并与需要剪枝的网络层连接，将需要剪枝的网络层的输出特征图作为两极化剪枝模块的输入；利用机械设备故障诊断数据集对机械设备智能故障诊断模型和两极化剪枝模块进行同步训练，两极化剪枝模块输出经过剪枝和通道增强的所述需要剪枝的网络层的特征图。本发明方法可以在诊断模型训练过程中同步地完成大网络粒度单位的动态结构化剪枝，剪枝方式为结构化剪枝而无须特定硬件设备支持；剪枝不影响诊断精度等诸多优点。