-
公开(公告)号：CN102141375A
公开(公告)日：2011-08-03
申请号：CN201010616365.9
申请日：2010-12-30
Applicant: 北京交通大学
Abstract: 本发明公开了一种线路全断面自动检测系统，包括自带基准的手推式机械车以及设置于手推式机械车上的旋转激光扫描测距装置、定位装置、数据采集装置、数据分析处理装置和供电装置。旋转激光扫描测距装置和定位装置分别与数据采集装置的输入端相连接；数据采集装置的输出端与数据分析处理装置相连接；旋转激光扫描测距装置设置于手推式机械车的位于线路中心线的车体梁上；数据采集装置具有同步信号生成单元，用于在数据采集同时为数据打上时间标签。基于本发明，能够实现轨道交通线路的全断面自动检测；不依赖于运营车辆和检测车，无需标定和动态补偿，使工务部门能够对线路全断面进行快速、便捷、反复和精确的测量。
-
公开(公告)号：CN102126406A
公开(公告)日：2011-07-20
申请号：CN201110026932.X
申请日：2011-01-25
Applicant: 北京交通大学
Abstract: 本发明公开了一种路轨两栖综合检测车，用于对铁路交通线路状态的检测。该检测车包括路轨两栖载运车辆和安装在车辆上的检测系统，该检测系统至少包括下述系统之一：全断面与限界检测系统、轨道几何参数检测系统以及钢轨磨耗和表面状态检测系统。载运车辆包含公路行走系统和铁路行走系统。本发明中的路轨两栖综合检测车具备公路、铁路两种行走能力，通过在车上加装专用的检测装置，能够进行线路全断面与限界、轨道几何参数、钢轨磨耗和表面状态等项目的动态检测。
-
公开(公告)号：CN119810562A
公开(公告)日：2025-04-11
申请号：CN202510040872.9
申请日：2025-01-10
Applicant: 北京交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本申请提供一种铁路入侵目标分类模型的训练方法、电子设备及存储介质，针对训练样本集中的每一铁路入侵目标类别，迭代以下步骤指定轮次以训练生成铁路入侵目标分类模型：通过待训练模型的特征提取层提取查询样本图像的第一特征提取结果和每张支持样本图像的第二特征提取结果；对第二特征提取结果进行修正，以获取第三特征提取结果；确定出支持样本图像属于实际铁路入侵目标类别的概率值；基于概率值和交叉熵损失函数进行反向传播，以更新所有铁路入侵目标类别对应的类中心所构成的类中心矩阵，用以在样本稀少分类类别开放总数不固定的条件下，训练生成识别精确的铁路入侵目标分类模型，并且模块具有对新分类类别的扩展性好。
-
公开(公告)号：CN119810452A
公开(公告)日：2025-04-11
申请号：CN202510040871.4
申请日：2025-01-10
Applicant: 北京交通大学
IPC: G06V10/26 , G06V10/82 , G06V20/70 , G06V10/74 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种基于循环一致的铁路入侵目标语义分割模型的训练方法，其中，方法包括通过特征提取网络分别提取查询样本图像的查询样本特征以及k个支持样本图像的k个支持样本特征；通过特征对齐模块对查询样本特征和多个支持样本特征分别进行自对齐处理，将自对齐后的查询样本特征和第k个支持样本特征进行交叉对齐；通过掩码匹配模块基于k个查询交叉特征和n个掩码建议，确定出支持原型；通过掩码匹配模块基于k个支持交叉特征和对应的标准掩码结果，确定出n个查询原型；通过掩码匹配模块基于支持原型、n个查询原型和n个掩码建议，确定出查询样本图像对应的预测掩码结果。
-
公开(公告)号：CN119086716A
公开(公告)日：2024-12-06
申请号：CN202411440095.9
申请日：2024-10-15
Applicant: 北京交通大学
Abstract: 本申请提供了一种基于非线性超声导波的道岔尖轨裂纹检测方法及装置，该方法包括：首先，生成包含第一和第二基波信号的第一目标基波信号，这两种正弦波信号连续且同时发送且发送时长大于基波信号在道岔尖轨两端点之间的传输延时；接着，接收由道岔尖轨振动产生的信号，并计算其第一相对非线性系数，通过与预设损伤阈值比较来判断尖轨是否存在裂纹；若检测到裂纹，则发送第二目标基波信号，该信号由第三和第四基波信号组成，通过调整这两个信号在尖轨中的混合区域位置，实现对特定检测区域的详细检测，进而基于第二相对非线性系数确定裂纹在尖轨中的具体位置。本申请能够实现道岔尖轨裂纹的远距离探伤，实现裂纹的识别与定位。
-
Patent Agency Ranking
公开(公告)号：CN118731164A
公开(公告)日：2024-10-01
申请号：CN202410755158.3
申请日：2024-06-12
Applicant: 国能朔黄铁路发展有限责任公司 , 北京交通大学
Abstract: 本公开涉及道岔尖轨检测技术领域，提供了道岔尖轨裂纹检测系统、方法及装置。该系统包括：在尖轨的一侧轨道上左右两侧对称设置的第一超声导波换能器和第二超声导波换能器、激励采集模块、中央处理模块。本公开通过对称安装方式安装两个超声导波换能器，计算两个超声导波换能器的电势差来补偿一定程度上温度差异导致的偏差，以差分信号作为基准信号，大大抵消了温度对相位的影响，提高了计算精度。
-
公开(公告)号：CN118711145A
公开(公告)日：2024-09-27
申请号：CN202410708760.1
申请日：2024-06-03
Applicant: 北京交通大学
Abstract: 本发明提供一种基于全景分割与关系检测的铁路场景理解方法及系统，属于基于计算机视觉的铁路运行安全检测技术领域，将全景分割模型与关系检测模型集成在一个端到端的模型中，采用多模态多类别损失函数叠加的方式进行模型训练，得到场景理解模型，实现铁路场景中各目标的分割与目标之间关系的判断；场景理解模型包括多维度特征增强模块、交叉耦合式多模态编解码网络以及多元多模态预测模块。本发明将环境中的各个目标进行像素级分割，并精确推断各目标之间的相对关系；耦合结构的存在，不同模态的信息在这个过程中会互相引导，实现全景分割任务与关系检测任务的相互协调；多类别集中式损失函数，平衡不同模态任务的收敛程度，避免单一模态失效。
-
公开(公告)号：CN117830633B
公开(公告)日：2024-08-20
申请号：CN202410005965.3
申请日：2024-01-03
Applicant: 北京交通大学 , 中车智能交通运营管理有限公司
Abstract: 本发明公开了一种基于特征对齐与边缘约束的铁路场景分割方法，包括以下步骤：S1、获取铁路场景图像并构建场景分割模型；S2、将获取的图像送入特征提取网络中得到不同尺寸的特征图；S3、采用通道注意力机制对低维特征进行特征增强，对高维特征采用特征对齐网络实现可学习上采样；S4、将增强后的低维特征和上采样后的高维特征拼接后用于全局分割结果和边缘结果的预测；S5、利用全局分割结果和边缘分割结果进行损失函数计算，用于反向传播；S6、经过多轮迭代优化，得到最优的模型参数。本发明采用上述的一种基于特征对齐与边缘约束的铁路场景分割方法，可以对复杂的铁路场景实现全场景分割，提高场景中不同区域边缘的识别效果和整个场景的分割精度。
-
公开(公告)号：CN118004253A
公开(公告)日：2024-05-10
申请号：CN202410256860.5
申请日：2024-03-06
Applicant: 北京交通大学
Abstract: 本发明公开一种虚拟编组列车分布式追踪控制方法、系统及列车，涉及虚拟编组列车控制领域。本发明在解最优控制问题得到列车最优控制命令的过程中，通过基于后车实时状态以及前车的预测轨迹求解最优控制问题生成当前时刻后车的最优控制命令，以此来保证后车当前时刻收到的前车延迟前预测的当前时刻的控制命令与前车当前时刻的实际控制命令一致，提高了前车预测信息的准确性，从而使得后车做出更加准确的控制策略。这有效提升了虚拟编组列车轨迹追踪的精确度，并且能够克服通信延时的影响、减小虚拟编组列车单元追踪间距，有效规避了虚拟编组内列车单元违背安全约束触发紧急制动的风险。
-
公开(公告)号：CN117830633A
公开(公告)日：2024-04-05
申请号：CN202410005965.3
申请日：2024-01-03
Applicant: 北京交通大学 , 中车智能交通运营管理有限公司
Abstract: 本发明公开了一种基于特征对齐与边缘约束的铁路场景分割方法，包括以下步骤：S1、获取铁路场景图像并构建场景分割模型；S2、将获取的图像送入特征提取网络中得到不同尺寸的特征图；S3、采用通道注意力机制对低维特征进行特征增强，对高维特征采用特征对齐网络实现可学习上采样；S4、将增强后的低维特征和上采样后的高维特征拼接后用于全局分割结果和边缘结果的预测；S5、利用全局分割结果和边缘分割结果进行损失函数计算，用于反向传播；S6、经过多轮迭代优化，得到最优的模型参数。本发明采用上述的一种基于特征对齐与边缘约束的铁路场景分割方法，可以对复杂的铁路场景实现全场景分割，提高场景中不同区域边缘的识别效果和整个场景的分割精度。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.024 seconds)
