-
公开(公告)号：CN111159453A
公开(公告)日：2020-05-15
申请号：CN201911345596.8
申请日：2019-12-24
申请人： 清华大学
摘要： 本申请公开了CAD图纸的标签与构件匹配方法和装置，其中，该匹配方法包括：步骤1，根据专家领域知识，对建筑类数据库中第一构件的属性信息进行提取，生成属性值规则；步骤2，识别待处理CAD建筑图纸中的文本标签和引线，并将文本标签和引线进行匹配，确定文本标签的指示位置，生成位置集合；步骤3，根据待处理CAD建筑图纸中的第二构件，选取位置集合中与第二构件间距离小于阈值的指示位置对应的文本标签，并根据属性值规则，将文本标签与构件进行匹配。通过本申请中的技术方案，解决对建筑图纸中文字标签信息的识别推理问题，实现了对于CAD建筑图纸中引线与标签的识别、标签与构件的匹配、术语推理等功能。
-
公开(公告)号：CN106934461B
公开(公告)日：2020-04-14
申请号：CN201710146249.7
申请日：2017-03-13
申请人： 清华大学
IPC分类号： G06N7/02
摘要： 本发明涉及一种基于FURIA的机车智能操纵优化规则归纳方法，其特征在于：步骤1、对机车行驶线路数据进行分段预处理，具体包括加算坡度和线路分段，得到按照加算坡度划分的各个坡段的特征信息；骤2、进行速度层数据预处理；步骤3、进行档位层数据预处理；步骤4、进行速度层模糊规则归纳；步骤5、进行档位层模糊规则归纳；步骤6、当次优化参数输入及优化结果计算执行；将该模型运用于机车操纵优化过程，得到达到尽可能低油耗效果的操纵序列；使用的司机驾驶日志数据是具有优秀驾驶习惯，并且最终驾驶机车能耗较低的驾驶数据，这样从这些数据中学习出来的模型才能具备节能优化的作用。
-
公开(公告)号：CN106647279B
公开(公告)日：2019-11-12
申请号：CN201710025820.X
申请日：2017-01-13
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
摘要： 本发明涉及一种基于模糊规则的机车智能操纵优化计算方法，具体包括以下步骤：步骤1、进行机车驾驶操纵的优化策略设计并生成优化策略库；步骤2、优化策略中的关键参数提取；步骤3、优化策略参数寻优，通过离线大规模搜索的方式对策略参数进行优化搜索，整个寻优的目标为在机车的运行时间不超过计划时间3分钟的基础上，选择油耗低的优化参数；步骤4、策略参数模糊推理系统设计及实现；步骤5、匹配策略并执行。通过对策略参数进行搜索，进一步提高了策略的优化效果。
-
公开(公告)号：CN106802553B
公开(公告)日：2019-10-11
申请号：CN201710025977.2
申请日：2017-01-13
申请人： 清华大学
IPC分类号： G05B13/02
摘要： 本发明提供了一种基于强化学习的铁路机车运行操控系统混合任务调度方法，该方法是一种离线学习过程。方法首先采集机车运行操控系统实际运行或仿真实验中的混合任务集数据，形成混合任务集合并对混合任务集合中的每个任务进行规则化标记。然后将规则化标记后的任务集合作为强化学习系统的输入，构成强化学习环境。强化学习系统应用强化学习算法，考察机车运行操控系统的调度目标进行迭代学习过程，生成对应混合任务集合的 对应关系表，并将该 关系表保存在数据库中。从数据库中挑选出现频率最高的规则作为当前状态的最优规则，形成最终的 对应关系表。机车操控系统运行中可根据 对应关系表，指导生成混合任务的实时调度序列，实现任务调度。
-
公开(公告)号：CN106294148B
公开(公告)日：2018-12-11
申请号：CN201610645892.X
申请日：2016-08-08
申请人： 清华大学
IPC分类号： G06F11/36
摘要： 本发明提供了一种基于扩展符号变迁系统的C语言程序软件验证方法及装置。该方法包括：对待测对象C语言程序源代码插入验证属性描述；对插入验证属性的C语言程序源代码按照扩展的符号变迁系统ELTS语法构造ELTS程序模型；根据所述ELTS程序模型，生成可满足性求解SMT的模型路径；使用SMT工具对所述ELTS程序模型模型路径进行可达性的分析和验证；根据可达性分析和验证的结果生成ELTS程序模型反例，根据所述ELTS程序模型反例映射生成C语言程序反例。本发明实施例自动化建立ELTS程序模型，结合模型检测和严格的数学推理得到验证结果，相比于其它形式化方法具有准确率更高、程序覆盖率更好的特点，提高了软件验证的效率和准确性。
-
公开(公告)号：CN108563583A
公开(公告)日：2018-09-21
申请号：CN201810428209.6
申请日：2018-05-07
申请人： 清华大学
IPC分类号： G06F11/36
CPC分类号： G06F11/3688
摘要： 本发明实施例提供一种数据竞争检测工具的检测效果评估方法及装置，该方法包括：运行待评估的数据竞争检测工具，分别对各测试程序进行检测，获得数据竞争检测工具输出的实际数据竞争信息；将实际数据竞争信息与真实数据竞争信息进行比较，获得数据竞争检测工具的检测效果评估结果。本发明实施例通过将实际数据竞争信息与真实数据竞争信息进行比较，获得数据竞争检测工具检测效果评估结果。由于采用数据竞争检测工具输出的实际数据竞争信息与作为标准的真实数据竞争信息进行比较，能够采用统一标准评估不同数据竞争检测工具的检测效果，具有很强的客观性，能够帮助测试人员选择合适的数据竞争检测工具。
-
公开(公告)号：CN107943481A
公开(公告)日：2018-04-20
申请号：CN201710367175.X
申请日：2017-05-23
申请人： 清华大学 , 北京东方通科技股份有限公司
摘要： 本发明首先针对源代码进行了五种代码特征定义模型的抽象化封装，并且通过程序元素间的属性关联实现了这五种代码特征定义模型的融合，为用户提供了一种融合的多维代码查询特征定义模型。使用文本式的查询语言PRDL，在解析PRDL的语义和执行其语法动作的同时，实现了对于目标程序源代码的对应分析和检查。通过使用本发明，用户能高效快捷的对编码规范规则进行形式化定义，并对代码进行自主检查，从而达到提高代码整合质量、提高编程效率的技术效果。
-
公开(公告)号：CN106842925A
公开(公告)日：2017-06-13
申请号：CN201710045758.0
申请日：2017-01-20
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
IPC分类号： G05B13/04
摘要： 本发明涉及一种基于深度强化学习的机车智能操纵方法与系统，该系统包括数据源模块、机车运行环境学习模块、评价机制学习模块和控制策略学习模块，数据源模块为机车运行环境学习模块和评价机制学习模块提供所需的数据输入，机车运行环境学习模块和评价机制学习模块将分别获得的具体的运行环境和奖赏函数值输出至控制策略学习模块。基于深度强化学习算法，机车运行环境模型以机车操纵动作的实时评价作为反馈信息，通过奖赏或惩罚当前的操纵动作，给控制策略反馈一个奖赏函数作为奖赏评价值，控制策略结合运行状态迭代地进行策略的更新与优化。本发明能更好的实现机车智能优化操纵，并极大地减少了人工参与。
-
公开(公告)号：CN106773711A
公开(公告)日：2017-05-31
申请号：CN201710025822.9
申请日：2017-01-13
申请人： 清华大学
IPC分类号： G05B13/04
摘要： 本发明提供了一种铁路机车运行操纵系统的混合任务调度方法及模型。本发明的调度方法以一个帧周期作为基本调度单元，包括预处理；针对周期性实时任务基于表驱动的二级优先级规则进行调度序列排序；针对非周期性实时任务应用基于启发式搜索策略和模糊控制的方法进行排列；然后进行时间片的回收以及调度结果和反馈数据的采集工作，并判断剩余执行时间；如果周期时间未用完，则执行非实时任务。本发明的混合任务调度方法和模型能够极大地减小系统开销，又能够比较灵活地处理系统执行过程中的各种变化情况，并且可以降低系统不确定性对调度的影响。
-
公开(公告)号：CN106647279A
公开(公告)日：2017-05-10
申请号：CN201710025820.X
申请日：2017-01-13
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
摘要： 本发明涉及一种基于模糊规则的机车智能操纵优化计算方法，具体包括以下步骤：步骤1、进行机车驾驶操纵的优化策略设计并生成优化策略库；步骤2、优化策略中的关键参数提取；步骤3、优化策略参数寻优，通过离线大规模搜索的方式对策略参数进行优化搜索，整个寻优的目标为在机车的运行时间不超过计划时间3分钟的基础上，选择油耗低的优化参数；步骤4、策略参数模糊推理系统设计及实现；步骤5、匹配策略并执行。通过对策略参数进行搜索，进一步提高了策略的优化效果。
-
-
-
-
-
-
-
-
-
搜索结果
107 条记录 (耗时 0.035 秒)
