-
公开(公告)号：CN108596203A
公开(公告)日：2018-09-28
申请号：CN201810204111.2
申请日：2018-03-13
Applicant: 北京交通大学
Abstract: 本发明公开一种并联池化层对受电弓碳滑板表面磨耗检测模型的优化方法，包括以下步骤：1)采集受电弓滑板表面缺陷图像，并进行图像预处理，得到数据集；其中，所述数据集包含训练数据与测试数据，训练数据包含有标签数据与无标签数据两类；2)在CAFFE框架下搭建半监督卷积神经网络，并利用无标签数据对模型进行训练；3)基于随机池化原理，将原始的池化层换用为并联池化层，对有标签数据与无标签数据差异化采样，完成对基于半监督卷积神经网络受电弓碳滑板表面磨耗检测模型的优化。本发明采用并联池化层对不同属性数据差异化取样，增强了半监督卷积神经网络对无标签数据的利用效率，提升了受电弓碳滑板表面磨耗检测模型的优化效果。
-
公开(公告)号：CN115541588B
公开(公告)日：2024-08-13
申请号：CN202210973857.6
申请日：2022-08-15
Applicant: 北京交通大学
IPC: G01N21/88 , G06T7/11 , G06T7/70 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于图像分割的受电弓碳滑板磨耗估计方法和装置。该方法包括：将受电弓图像输入到YoLoV5模型，YoLoV5模型定位出整个受电弓弓头区域，将弓头区域图像采用图像处理方法进行角度校正，将校正后的图像输入到YoLoV5模型，YoLoV5模型定位出受电弓图像中的各个碳滑板侧面，将各个碳滑板侧面的定位信息输入到训练好的改进的FastSCNN模型，改进的FastSCNN模型提取出各个碳滑板侧面，通过碳滑板侧面区域确定碳滑板磨耗线和碳滑板中线，进而计算出碳滑板各个位置磨耗量。本发明可以实现规避对复杂背景的干扰，实现对碳滑板磨耗量实时高精度，为维修部门提供有针对性的受电弓维护保养建议。
-
公开(公告)号：CN115344412A
公开(公告)日：2022-11-15
申请号：CN202210825093.6
申请日：2022-07-14
Applicant: 北京交通大学
Abstract: 本发明提供了一种列车车门系统的可靠性预测与维修策略优化方法。该方法包括：将车门系统的实际故障数据按照不同的部件进行分类统计，计算出各个部件的平均故障率；根据各个部件的平均故障率构建每个部件的初始状态转移矩阵，计算出车门系统故障部件的一步状态转移向量；根据各个车门系统故障部件的一步状态转移向量计算出各个子系统和车门系统的通用生成函数；根据车门系统的通用生成函数进行可靠性拟合得到车门系统的可靠性曲线，将车门系统的可靠性参数输入维修周期优化模型，得到车门系统的不同维修内容的最佳维修周期与维修成本。本发明方法充分考虑了列车车门系统的多状态特性，为列车车门系统提供了更加精确的可靠性分析方法。
-
公开(公告)号：CN109783928B
公开(公告)日：2021-04-13
申请号：CN201910023386.0
申请日：2019-01-10
Applicant: 北京交通大学 , 广州地铁集团有限公司
IPC: G06F30/20 , G06F119/04
Abstract: 本发明提供了一种地铁接触线磨耗分布预测方法及维保方法，用以解决现有技术中无法对地铁接触线磨耗分布进行准确预测的问题。所述接触线磨耗分布预测方法及维保方法，建立接触线磨耗率计算简化模型，根据所述简化模型对接触线磨耗分布进行预测，并在预测的基础上有针对性的制定维保策略。本发明通过磨耗机理分析，从磨耗机制的角度建立接触线磨耗率计算模型，并结合实际弓网电流和行车速度、接触力等对接触线的磨耗分布作出计算分析，直观地反映出不同位置接触线的磨耗程度，并提出了对接触线磨耗的提前预估和差异化维保方法，对减少维修成本和提高刚性接触网接触线的安全性能具有重要的意义。
-
公开(公告)号：CN112164044A
公开(公告)日：2021-01-01
申请号：CN202011010912.9
申请日：2020-09-23
Applicant: 北京交通大学 , 广州地铁集团有限公司
Inventor： 蔡昌俊 , 魏秀琨 , 王海 , 江思阳 , 何江海 , 贾利民 , 高劲 , 尹贤贤 , 刘兰 , 闫雅斌 , 魏德华 , 孟鸿飞 , 李赛 , 杨子明 , 滕延芹 , 潘潼 , 翟小婕 , 所达 , 管青鸾
Abstract: 本发明提供了一种基于双目视觉的刚性接触网的磨耗分析方法。该方法包括：通过两个相机采集列车顶部与隧道顶部的刚性接触网的接触线图像；对两个相机采集到的接触线图像对进行校正，利用立体匹配算法获取校正后的图像对的视差图；根据双目视觉立体成像原理将视差图转换为深度图，提取深度图中的接触线部分，对接触线部分进行三维重建可视化，得到刚性接触网的磨耗特征及分布。本发明利用接触网表面三维图以及各类别磨耗病害曲线图，能够较好地描述接触线表面磨耗情况，实现对刚性接触网的自动化、智能化检测。
-
Patent Agency Ranking
公开(公告)号：CN111332338A
公开(公告)日：2020-06-26
申请号：CN202010214322.1
申请日：2020-03-24
Applicant: 北京交通大学
Abstract: 本发明提供了一种轨道病害检测系统。包括：车载传感器、车载无线传输设备、地面数据无线接收设备及地面数据处理系统；车载传感器将测量的车辆的振动数据、运行速度、里程信息和车站信息传输给车载无线传输设备，再通过地面数据无线接收设备传输给地面数据处理系统。地面数据处理系统，基于对接收到的车辆的振动数据、运行速度、里程信息和车站信息进行分析处理，将分析结果与已知轨道病害的特征进行比较，根据比较结果获取轨道病害的检测结果。本发明的方法可以不仅能真实的反映正线运营的车辆运行时的轨道服役状态，而且能基于车辆振动数据的处理分析结果对钢轨病害进行识别，为维修部门提供有针对性的钢轨打磨或维保建议。
-
公开(公告)号：CN111311567A
公开(公告)日：2020-06-19
申请号：CN202010088325.5
申请日：2020-02-12
Applicant: 北京交通大学
Abstract: 本发明提供了一种对轨道线路图像进行扣件和钢轨病害识别的方法。该方法包括：将轨道线路图像转变为灰度图像，对灰度图像中的扣件区域和钢轨区域进行定位；根据灰度图像中的扣件区域和钢轨区域的实际情况和钢轨以及扣件病害的定义，对轨道线路原始图像进行类别标定，通过数据增强处理得到包含正样本和负样本的轨道线路图像的数据集；利用数据集对轨道线路图像的分类器进行训练，得到训练好的轨道线路图像的分类器；利用分类器对待识别病害的轨道线路图像进行扣件和钢轨病害识别。本发明例可以准确有效地识别出钢轨表面的波磨病害以及扣件的缺失和损坏病害，检测效率明显提高，为轨道交通系统的病害在线实时检测系统的发展奠定了良好的基础。
-
公开(公告)号：CN111310948A
公开(公告)日：2020-06-19
申请号：CN202010240479.1
申请日：2020-03-31
Applicant: 北京交通大学
Abstract: 本发明提供了一种轨道交通车载信号系统的优化维修策略的获取方法。该方法包括：绘制轨道交通车载信号系统的故障树，对故障树进行定量分析，获取故障树中各单元的关键重要度；将故障树转化为贝叶斯网络，对贝叶斯网络进行后验概率推理，综合参考故障树中各单元的关键重要度和所述贝叶斯网络中各个节点的后验概率，确定各个节点的重要度；选取具有较高重要度的各个节点作为系统的薄弱环节，建立具有较高重要度的各个节点对应的事件的基于状态的维修模型，根据基于状态的维修模型获取轨道交通车载信号系统的优化维修策略。本发明不仅能在系统发生故障时提供快速定位故障设备的参考依据，并且能推测出车载信号设备的最佳维修维保时间。
-
公开(公告)号：CN111220387A
公开(公告)日：2020-06-02
申请号：CN202010017661.0
申请日：2020-01-08
Applicant: 北京交通大学
IPC: G01M13/045 , G06N20/00
Abstract: 本发明提供了一种基于多特征量相关向量机的车辆轴承剩余寿命预测方法。该方法包括：采样车辆轴承的全寿命周期的振动信号，利用振动信号提取轴承的多角度的特征值；对多角度特征值与均方根值进行相关性计算，得到与轴承寿命相关的敏感特征值；根据信息熵特征值计算不同嵌入维数下的信息熵均值，根据信息熵均值选择相关向量机的最佳嵌入位数；基于相关向量机的最佳嵌入维数和多角度的特征值构建多特征量相关向量机预测模型，将敏感特征值输入到多特征量相关向量机预测模型，通过回归迭代运算输出车辆轴承的剩余寿命。本发明提出了基于多特征量相关向量机的轴承剩余寿命预测模型，对城轨车辆轴承进行寿命预测，保证了列车行车的安全性和稳定性。
-
公开(公告)号：CN109767427A
公开(公告)日：2019-05-17
申请号：CN201811592744.1
申请日：2018-12-25
Applicant: 北京交通大学
Inventor： 魏秀琨 , 杨子明 , 贾利民 , 张文强 , 李永光 , 李宇杰 , 高方庆 , 尹贤贤 , 魏德华 , 管青鸾 , 赵利瑞 , 江思阳 , 李赛 , 孟鸿飞 , 滕延芹 , 王熙楠 , 所达 , 翟小婕 , 潘潼 , 陈亚兰
Abstract: 本发明提供了一种列车轨道扣件缺陷的检测方法。该方法包括：构建Faster R-CNN网络模型，该Faster R-CNN网络模型包括区域生成网络RPN和快速区域卷积神经网络Fast R-CNN，网络初始化方式采用预训练好的同类任务的参数初始化，再利用训练集数据对所述Faster R-CNN网络模型进行训练。通过拍照设备拍摄采集地铁线路上的扣件图像；将扣件图像输入到训练好的Faster R-CNN网络模型，Faster R-CNN网络模型利用卷积操作和池化操作提取扣件图像中的扣件区域，利用损失函数对所述扣件区域进行缺陷类别检测。本发明通过区域生成网络和快速区域卷积神经网络的结合，对训练图片的自主学习与特征提取，从而能对采集到的大尺寸图像进行扣件定位和缺陷自动检测，智能化程度更高，实现效率更高，模型适用性更强。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.025 seconds)
