-
公开(公告)号：CN119397418A
公开(公告)日：2025-02-07
申请号：CN202411433943.3
申请日：2024-10-14
Applicant: 国网冀北电力有限公司电力科学研究院 , 清华大学
IPC: G06F18/2431 , G06F18/214 , G06N3/092
Abstract: 本公开涉及计算机技术领域，包括基于分布式多智能体强化学习的对象分类方法及装置。通过对训练集进行划分得到至少两个训练子集；对于每个训练子集，通过训练子集对应的智能体对训练子集进行强化学习，得到智能体的强化学习模型在本轮训练后得到的局部模型参数，不同强化学习模型在训练前的模型参数均为全局模型参数；基于各个强化学习模型对应的局部模型参数，确定本轮训练得到的全局模型参数；在训练轮次满足预设条件的情况下，基于最后一轮训练得到的全局模型参数确定目标强化学习模型，以基于目标强化学习模型对输入的待分类信号进行对象分类，得到分类结果；可以保证对象分类效率，提升算法处理大规模不平衡数据的能力。
-
公开(公告)号：CN119377818A
公开(公告)日：2025-01-28
申请号：CN202411434567.X
申请日：2024-10-14
Applicant: 国网冀北电力有限公司电力科学研究院 , 清华大学
IPC: G06F18/2431 , G06F18/23213 , G06F18/2321 , G06F18/2135 , G06N3/092
Abstract: 本公开涉及计算机技术领域，包括一种复杂噪声条件下基于深度强化学习的对象分类方法及装置。通过获取待分类数据；基于深度强化学习得到的噪声分类模型，对待分类数据进行噪声分类，得到待分类数据对应的噪声分类；调用噪声分类对应的降噪算法对待分类数据进行降噪处理，得到降噪后的数据；基于深度强化学习得到的对象分类模型，对降噪后的数据进行对象分类，得到对象分类结果；可以解决传统的去噪算法的噪声去除效果不佳的问题；可以在噪声类型较多的情况下，自适应地切换降噪算法进行降噪处理，因此，提高复杂噪声场景下待分类数据的降噪效果。
-
公开(公告)号：CN111861219B
公开(公告)日：2024-09-24
申请号：CN202010711200.3
申请日：2020-07-22
Applicant: 清华大学
IPC: G06Q10/0635 , G06Q50/40
Abstract: 本发明涉及一种区域轨道交通全局结构风险瓶颈识别方法，包括如下步骤：数据获取步骤：获取路网结构风险数据、通道通行能力数据；灵敏度数据处理步骤；风险瓶颈结果输出：输出优化灵敏度和失效灵敏度，即完成风险瓶颈识别。本发明的有益效果在于，提供了一种基于灵敏度分析的区域轨道交通全局结构风险瓶颈识别方法及系统。建立路网全局结构风险评估指标后，通过灵敏度分析，评估路网的站内通道/区间失效及优化对路网全局结构风险的影响，从而为路网风险瓶颈的防护和优化提供决策支持。并且以成渝地区区域轨道交通为实例，验证了方法的有效性。
-
公开(公告)号：CN115675583A
公开(公告)日：2023-02-03
申请号：CN202110863230.0
申请日：2021-07-29
Applicant: 清华大学 , 国家高速列车青岛技术创新中心
Abstract: 本公开涉及一种驾驶策略确定方法、装置、电子设备和存储介质，通过确定包括目标路线对应多个驾驶策略的有向无环图，以及目标路线中的多个通行点，根据各驾驶策略中节点的第一属性信息、连接节点路径的第二属性信息和通行点的第三属性信息确定能耗边界矩阵，并进一步根据各节点的第一属性信息、各路径的第二属性信息以及能耗边界矩阵对各驾驶策略进行剪枝，得到目标路线对应的目标驾驶策略。本公开实施例通过目标路线中通行点的属性和有向无环图中节点和路径的属性对各驾驶策略进行剪枝，实现了精确最优驾驶策略的求解，简化了计算过程，满足了计算过程的实时性，提高了最终驾驶策略的精确程度。
-
公开(公告)号：CN115675508A
公开(公告)日：2023-02-03
申请号：CN202110862906.4
申请日：2021-07-29
Applicant: 清华大学 , 国家高速列车青岛技术创新中心
Abstract: 本公开涉及一种驾驶策略确定方法、装置、电子设备和存储介质，通过确定目标路线对应的有向无环图和通行点，并根据各通行点的属性信息对有向无环图中的节点进行分类，得到第一节点集合和第二节点集合。分别按照由前向后和由后向前的顺序依次对各第一节点的驾驶策略和第二节点的驾驶策略进行剪枝，得到前向策略和后向策略，拼接前向策略和后向策略得到目标驾驶策略。本公开实施例根据对应的位置将有向无环图中各节点划分为前向的第一节点集合和后向的第二节点集合，依次基于各驾驶策略中的目标路线起点和终点开始的第一节点和各第二节点分别进行剪枝，拼接后得到准确的目标驾驶策略，提高了确定过程的准确程度和处理速度。
-
Patent Agency Ranking
公开(公告)号：CN115438825A
公开(公告)日：2022-12-06
申请号：CN202110619734.8
申请日：2021-06-03
Applicant: 清华大学
Abstract: 本公开涉及一种交通节点重要度评估方法及装置，所述方法包括：确定路网的各个第一节点发生失效、并进行路径重分配时，多个第二节点的多个局部运能动态风险；根据所述多个局部运能动态风险确定与各个第一节点对应的各个第三节点；确定各个第三节点发生失效、并进行路径重分配时的多个第一全局运能动态风险；根据所述多个第一全局运能动态风险确定各个第一节点的重要度评估结果。本公开实施例可以实现对路网从失效前稳态到失效后稳态的动态过渡过程中的风险进行评估，并且考虑第一节点失效及其后续级联的第三节点失效对路网全局运能风险指标的影响来对节点重要度进行评估，全面、准确地实现了对路网各节点的重要度的评估。
-
公开(公告)号：CN112001273A
公开(公告)日：2020-11-27
申请号：CN202010783358.1
申请日：2020-08-06
Applicant: 清华大学
Abstract: 本发明涉及一种将卷积自编码器和逻辑回归相结合的故障诊断方法，所述故障诊断方法包括如下步骤：将一维时域数据转换成二维图像数据；利用深度卷积自动编码器DCAE自动从所述二维图像数据中提取二维图像特征数据；将所述二维图像特征数据输入逻辑回归LR进行道岔故障诊断。本发明的有益效果在于，该方法通过自动提取特征，克服了传统数据驱动诊断方法中手工提取特征和依赖于大量专家知识和先验知识的缺点。该方法对实际高速铁路道岔现场实测数据的精度可达99.52％。本发明还涉及一种将卷积自编码器和逻辑回归相结合的故障诊断系统。
-
公开(公告)号：CN107651550B
公开(公告)日：2019-11-08
申请号：CN201710871405.6
申请日：2017-09-25
Applicant: 清华大学
IPC: B66B29/00
Abstract: 本发明提出的一种扶梯故障监测及预警装置，属于扶梯安全控制技术领域，该装置通过两块PCB电路板实现；第一PCB电路板安装于扶梯驱动电机旁，该电路板上设有电流信号采集电路、电压信号采集电路、安全开关信号采集电路、主计算模块及通信模块；第二PCB电路板安装于扶梯驱动电机轴承上，该电路板上设置有振动信号采集电路；主计算模块用于获得扶梯运行过程中驱动电机的电流电压信号、振动信号以及用于检测梯级缺失、踏板断裂、扶手带断裂的安全开关信号；主计算模块还通过通信模块与广告一体机进行通信。本装置结构简单、成本低、安装简单、通用性强，通过对扶梯的运行状态及采集信号进行监测和分析以判断是否存在故障或隐患，并给出乘客搭乘建议。
-
公开(公告)号：CN109948914A
公开(公告)日：2019-06-28
申请号：CN201910164413.6
申请日：2019-03-05
Applicant: 清华大学
Abstract: 本发明涉及一种基于特征量的轨道交通枢纽自动扶梯动态风险分析方法，包括：S1.构建故障传播链步骤：S2.构建风险传播链步骤：S3.计算风险传播链的故障概率步骤：S4.计算故障后果值步骤：S5.计算风险后果值步骤。本发明的有益效果在于，针对区域轨道交通枢纽内自动扶梯的动态风险传播问题，基于特征量的分析方法，选择电压不平衡度作为特征量，通过对自动扶梯电气故障风险源以及某一故障风险链条风险传播过程的信息采集和计算处理，构建了自动扶梯的故障率随风险源特征量变化的关系模型，通过对交通枢纽内客流指标如安全性、高效性的计算，得到自动扶梯故障的后果风险值。
-
公开(公告)号：CN109948204A
公开(公告)日：2019-06-28
申请号：CN201910165009.0
申请日：2019-03-05
Applicant: 清华大学
IPC: G06F17/50
Abstract: 本发明提供一种基于贝叶斯网的高铁接触网动态风险分析方法，该方法建立了高铁接触网绝缘子闪络的风险传播链模型，并对此风险链模型进行特征量－动态概率的动态数学建模，将其放在贝叶斯网络中进行计算，获得风险发生概率；运用客流密集度指数来确定时间、空间两个维度下风险动态严重程度，以基本时间粒度和车站作为获得实时监测数据的基本单元，以风险传播路径与传播过程作为客流密集度指数推算的原则，推算得到在列车延误不同时间所造成风险后果的严重程度；并将动态概率与严重程度相结合，根据风险评估矩阵即可得出风险链的动态风险水平。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.071 seconds)
