基于剪枝压缩的疲劳驾驶快速检测方法

    公开(公告)号:CN112070051A

    公开(公告)日:2020-12-11

    申请号:CN202010973894.8

    申请日:2020-09-16

    Abstract: 本发明提供基于剪枝压缩的疲劳驾驶快速检测方法,包括以下步骤S1:采用基本回归树的人脸对比算法,获取各类人脸数据库中的人脸样本数据,构建人脸区域数据集,并将人脸样本数据中的人脸、眼和嘴部区域进行标注,删除复杂场景;S2:使用K‑means算法对标注的脸部和眼部目标框的大小进行聚类,采用YOLO V3模型通过DarkNet‑53网络结构进行回归训练;S3:在YOLO V3模型中引入BN层,对BN层中的缩放因子γ进行L1正则化处理,判别出不重要的卷积通道或神经元通道;稀疏化训练后根据剪枝率对模型进行剪枝压缩,之后再对剪枝后的模型进行微调;S4:采用检测到的闭眼图片数量和嘴部张开图片数量在单位时间内所检测图片数量的占比来进行眼部疲劳判定和嘴部哈欠判定。

    基于FE-SEA混合法的箱型梁局部振动预测方法

    公开(公告)号:CN108763646A

    公开(公告)日:2018-11-06

    申请号:CN201810379014.7

    申请日:2018-04-25

    CPC classification number: G06F17/5009 G06F17/5018

    Abstract: 本发明公开了一种基于FE‑SEA混合法的箱型梁局部振动预测方法,包括以下步骤:将所述箱型梁划分为若干板块,分别为顶板、底板、左翼板、右翼板、左腹板以及右腹板;根据所述箱型梁上各所述板块局部振动的弯曲模态数,分频段建立所述箱型梁在轮轨垂向力作用下的局部振动仿真模型。本发明的优点是:采用FE‑SEA混合法,分频段建立了箱型梁局部振动模型;模型依据箱型梁各板块弯曲模态数,将箱型梁各板块在不同频段内分为FE、SEA子系统,尤其在中频频域内,在同一模型内实现了不同板块FE子系统与SEA子系统的混合连接,避开了FE确定性方法在高频段计算量大以及SEA在低频段精度差的缺点,解决了计算效率与计算精度的矛盾,研究成果扩展了箱型梁局部振动的分析频段。

    一种高速列车自动驾驶预测控制方法、装置、设备及介质

    公开(公告)号:CN119511919B

    公开(公告)日:2025-05-23

    申请号:CN202510072372.3

    申请日:2025-01-17

    Abstract: 本申请公开了一种高速列车自动驾驶预测控制方法、装置、设备及介质,涉及列车自动驾驶领域,该方法包括:基于端边云协同下的分布式更新策略,对边缘侧、云侧数字孪生模型进行实时更新,得到边缘回传模型和云端回传模型;端侧数字孪生模型等效上一次更新的边缘回传模型;对端侧、边缘侧、云侧数字孪生模型的预测误差进行评估,在端侧数字孪生模型不是最优时,利用自校正机制,采用边缘侧数字孪生模型和云端回传模型对端侧数字孪生模型进行校正,根据下一时刻的列车预测速度确定目标高速列车预测时域的最优控制指令序列,以实现无延时下的高速列车无间断控制,本申请提升了高速列车的跟踪性能和乘坐舒适性。

    基于钩缓不确定性的重载列车协同跟踪控制方法及系统

    公开(公告)号:CN119644761A

    公开(公告)日:2025-03-18

    申请号:CN202510146870.8

    申请日:2025-02-11

    Abstract: 本申请公开了一种基于钩缓不确定性的重载列车协同跟踪控制方法及系统,涉及重载列车协同控制安全驾驶领域,方法包括建立重载列车的多质点动态模型;建立带有执行器故障模型的重载列车系统方程;建立系统动态误差模型;将系统动态误差模型转化为系统状态空间方程;根据滤波变换后的误差变量,得到误差变换状态空间方程;根据误差变换状态空间方程,采用循环小增益定理和线性矩阵不等式,得到重载列车稳定性的充分条件;构建重载列车的分布式自适应协同控制器以保证每列重载列车的安全,基于最小安全距离实现机车对自身期望速度和位移曲线的渐近跟踪,货车对自身期望速度和位移曲线的一致跟踪;本申请实现对重载列车速度和位移的协同跟踪控制。

    基于自适应补偿机制的高速列车容错跟踪控制方法及系统

    公开(公告)号:CN118897474A

    公开(公告)日:2024-11-05

    申请号:CN202411396559.0

    申请日:2024-10-09

    Abstract: 本申请公开了一种基于自适应补偿机制的高速列车容错跟踪控制方法及系统,涉及高速列车控制技术领域,该方法包括:通过对高速列车内耦合作用力的分析,构建得到非线性多质点动态模型,并将误差变量代入到其中,得到线性动态误差模型,随后转化为状态空间方程,再将执行器故障模型结合到其中,得到带有执行器故障模型的高速列车系统方程;之后设计得到干扰观测器,在线估计并补偿列车运行过程中受到的未知复杂扰动,并根据带有执行器故障模型的高速列车系统方程设计生成自适应容错控制器,即可基于干扰观测器和自适应容错控制器对高速列车进行控制,实现对期望速度曲线和期望位移曲线的跟踪。本申请上述方案可实现对高速列车速度和位移的跟踪控制。

    高速列车离散分数阶积分终端滑模控制方法、设备及介质

    公开(公告)号:CN118672141A

    公开(公告)日:2024-09-20

    申请号:CN202411161723.X

    申请日:2024-08-23

    Abstract: 本发明公开了一种高速列车离散分数阶积分终端滑模控制方法、设备及介质,涉及跟踪控制技术领域,该方法包括:对高速列车动力单元进行受力分析建立三质点模型;根据目标速度,基于高速列车分数阶积分终端滑模控制器,调整高速列车的状态变量,得到输出速度;判断输出速度是否收敛于目标速度曲线;若是,则根据输出速度更新状态变量,并根据下一时刻的目标速度,基于控制器调整状态变量;若否,则基于输出速度更新状态变量,并根据下一时刻的目标速度,基于控制器调整高速列车的状态变量,本发明基于离散分数阶积分终端滑模控制器,可对高速动车组进行准确的速度跟踪控制。

    基于反馈线性化的欠驱动列车滑模控制方法及相关装置

    公开(公告)号:CN118311879B

    公开(公告)日:2024-08-23

    申请号:CN202410732483.8

    申请日:2024-06-07

    Abstract: 本发明公开一种基于反馈线性化的欠驱动列车滑模控制方法及相关装置,涉及高速列车控制技术领域,方法包括以下步骤:基于反馈线性化算法,设计一组线性化控制律;利用线性化控制律对欠驱动列车的状态空间方程进行线性化处理,得到欠驱动列车的线性子系统;根据欠驱动列车的线性子系统,设计一组基于反馈线性化的滑模控制律;根据期望跟踪轨迹,采用滑模控制律对欠驱动列车进行滑模控制。本发明针对欠驱动型高速列车提出了一种基于反馈线性化的自适应滑模控制方案去实现列车的速度和位移有界跟踪更加具备现实意义,其中通过将反馈线性化技术应用于欠驱动列车系统来消除非线性项对跟踪控制过程产生的影响。

    一种基于改进DCGAN的图像修复方法及系统

    公开(公告)号:CN114511465B

    公开(公告)日:2024-08-20

    申请号:CN202210154474.6

    申请日:2022-02-21

    Abstract: 本发明涉及一种基于改进DCGAN的图像修复方法及系统,属于图像处理技术领域,该方法包括:构建基于改进DCGAN的图像修复模型,所述图像修复模型包括生成器和判别器构成的生成对抗网络,所述生成器包括依次连接的卷积模块、残差网络模块和上采样模块;基于联合损失函数,训练所述图像修复模型,获得训练好的图像修复模型;所述联合损失函数为对抗损失函数和重构损失函数之和;将待修改图像输入训练好的图像修复模型,输出修复后的图像。本发明提高了图像修复性能。

    重载列车运行时滑模自抗扰控制方法、装置、介质及产品

    公开(公告)号:CN118409508A

    公开(公告)日:2024-07-30

    申请号:CN202410874665.9

    申请日:2024-07-02

    Abstract: 本发明公开了一种重载列车运行时滑模自抗扰控制方法、装置、介质及产品,涉及重载列车控制技术领域。方法包括:获取被控重载列车中主控机车的目标位移微分信号;获取主控机车的当前位移、当前速度和集总扰动;根据列车线路信息、目标位移微分信号、当前位移、当前速度和集总扰动确定主控机车的控制信号;基于所述控制信号控制主控机车,并利用locotrol系统控制从控机车和可控列尾。本发明能够提高重载列车运行过程中滑模自抗扰控制器的控制精度,同时减少采集重载列车实时位移和速度等所需的传感器数量,降低系统的设计成本,进而提高系统的可靠性。

    基于快速变幂次趋近律的动车组控制方法、设备及介质

    公开(公告)号:CN117930666B

    公开(公告)日:2024-05-24

    申请号:CN202410338022.2

    申请日:2024-03-25

    Inventor: 李中奇 陈磊 周靓

    Abstract: 本发明公开一种基于快速变幂次趋近律的动车组控制方法、设备及介质,涉及动车组控制技术领域,该方法包括:根据目标动车组中各节车辆受到的阻力和相邻两节车辆之间的车钩力,构建动车组多质点模型;根据所述动车组多质点模型,利用快速变幂次趋近律构建动车组积分反演滑模控制律;在所述目标动车组实际运行过程中,采用径向基函数神经网络对所述动车组积分反演滑模控制律中不确定函数项进行实时估计逼近,采用实时重构的动车组积分反演滑模控制律对所述目标动车组进行跟踪控制;所述径向基函数神经网络的输入包括目标动车组的位移和速度。本发明提高了对高速动车组进行跟踪控制的控制精度。

Patent Agency Ranking