-
公开(公告)号：CN119814438A
公开(公告)日：2025-04-11
申请号：CN202411966528.4
申请日：2024-12-30
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于传染病模型的列车控制防御方法和系统，方法包括：S1、建立APT攻击传播模型，描述攻击在列车控制系统中的节点状态转移及传播过程；S2、基于APT攻击传播模型，得到列车控制系统信息域网络的性能以及物理域列车运行性能；S3、采集列车运行的物理状态数据和信息域通信状态数据，构建多维特征向量；S4、利用随机森林算法和长短期记忆网络对列车运行数据进行动态检测，识别伪数据注入攻击；S5、在APT攻击发生后，优化列车运行路径和速度控制策略，通过调整移动授权信息流路径，减少攻击对系统的影响。本发明过信息域与物理域的动态交互，弥补了传统防御方法中对物理域影响的忽视。
-
公开(公告)号：CN119749628A
公开(公告)日：2025-04-04
申请号：CN202411739010.7
申请日：2024-11-29
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于自适应神经网络的高速列车运行控制方法，该方法包括：建立高速列车的纵向动力学模型，通过高阶滑模观测器实时观测列车的速度和加速度状态，结合神经网络识别未知系统动态，提高动态逼近精度。利用自适应输出反馈控制器，结合观察到的列车状态和逼近的未知动态，实现列车位移和速度的精确跟踪控制。该控制器通过引入泄漏项，抑制了参数估计误差的累积，并增强了列车对不确定性的适应性。本发明提出的控制方法能够有效提高列车运行的稳定性和轨迹跟踪精度，并确保列车在未知动态干扰下的安全可靠运行。
-
公开(公告)号：CN119686760A
公开(公告)日：2025-03-25
申请号：CN202411499923.6
申请日：2024-10-25
Applicant: 西南交通大学
IPC: E21D9/093 , G06N3/0499 , G06N3/09
Abstract: 本发明公开了一种基于神经网络的盾构机总推力控制方法和系统，所述方法包括获取盾构机的期望推进总推力、根据所述期望推进总推力控制所述盾构机进行推进作业；获取所述盾构机的实际工作总推力与刀盘扭矩；根据所述实际工作总推力、刀盘扭矩以及刀盘扭矩阈值范围，计算期望推力调整系数；判断所述刀盘扭矩值是否超出所述刀盘扭矩阈值范围；在所述刀盘扭矩超出所述刀盘扭矩阈值范围的情况下，根据所述推力调整系数调整所述盾构机的期望推进总推力；根据所述调整后的期望推进总推力控制所述盾构机调节所述实际工作总推力。通过本发明所提供的方法可以能够有效避免刀盘扭矩过大导致的损坏，并提升推进速度和掘进效率。
-
公开(公告)号：CN119554045A
公开(公告)日：2025-03-04
申请号：CN202411500715.3
申请日：2024-10-25
Applicant: 西南交通大学
Abstract: 本发明公开了一种多油缸自主协同的盾构机智能控制方法与系统，该方法包括获取盾构机的初始推进总推力，分配所述盾构机油缸的初始压力值；获取第一目标轨迹，控制盾构机根据第一目标轨迹开始掘进；获取盾构机的实际掘进点坐标与目标点坐标，确定第二目标轨迹；根据实际掘进点坐标与所述目标点坐标，确定盾构机的轨迹偏差；获取实际推进总推力，根据实际推进总推力与姿态偏差值调整盾构机油缸的期望压力值；根据盾构机油缸的期望压力值的总和，反向调节所述盾构机的期望推进总推力；根据所述盾构机的期望推进总推力，控制盾构机根据所述第二目标轨迹进行掘进，通过上述方法实现盾构机掘进过程的智能调节。
-
公开(公告)号：CN119445579A
公开(公告)日：2025-02-14
申请号：CN202411316677.6
申请日：2024-09-20
Abstract: 本申请提供一种巡检机器人语义信息定位增强方法、装置、设备及存储介质。涉及机器人定位技术领域。该方法包括：获取三维点云数据；利用PointNet++网络对所述三维点云数据进行分割，得到车轴点云；基于所述车轴点云获取车轴中线数据，对所述车轴中线数据进行拟合以确定车轴中线位置，根据所述车轴中线位置以及里程计数据确定车轴位置。本申请的方法，解决了在复杂车底环境下无法准确获取关键部件位置信息的问题。
-
Patent Agency Ranking
公开(公告)号：CN119358375A
公开(公告)日：2025-01-24
申请号：CN202411297685.0
申请日：2024-09-18
Applicant: 西南交通大学
IPC: G06F30/27 , G01M17/08 , G06F18/24 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/09 , G06F17/16 , G06F17/18 , G06F119/14
Abstract: 本发明涉及高速列车转向架故障检测技术领域，公开一种基于生成模型零样本学习策略的转向架未知故障诊断方法，使用多体动力学分析软件SIMPACK对于电力机车进行转向架机械故障模拟实验收集正常与故障数据；针对列车运行影响因素进行故障属性语义矩阵搭建；根据数据属性与故障数据进行特征提取；搭建基于扩散模型的未知故障数据特征样本生成模型，利用随机噪声与未知类故障属性组合进行未知类故障的数据特征生成；构建故障诊断分类模型，实现数据特征到故障属性再到故障类别的映射。本发明完成针对高速列车转向架已知类故障与未知类故障的诊断，提高故障诊断的准确率和泛化性，为高速列车转向架的安全使用提供全面保障。
-
公开(公告)号：CN119356336A
公开(公告)日：2025-01-24
申请号：CN202411485640.6
申请日：2024-10-23
Applicant: 西南交通大学 , 欧亚高科数字技术有限公司
IPC: G05D1/43 , G05D1/242 , G05D1/243 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/247 , G05D1/648 , G05D105/15
Abstract: 本发明涉及路径规划技术领域，更具体涉及一种基于改进DWA和TEB算法的四足机器人局部路径规划方法。该方法包括：步骤S1：基于机器人的起始位置、目标位置及静态障碍物信息获取第一路径；步骤S2：通过平滑算法对第一路径进行平滑处理，获取第二路径；步骤S3：基于移动障碍物当前位置、最大速度及机器人的当前位置和预估平均速度计算最大避障距离；步骤S4：基于机器人与移动障碍物之间的第一距离与安全避障距离之间的差值及碰撞速度窗口获取避障速度；步骤S5：基于避障速度和第二路径获取第三路径，并基于第三路径到达目标位置。本发明解决了避障不精确，行驶效率不高的问题，提高了避障精度和行驶效率。
-
公开(公告)号：CN119226876A
公开(公告)日：2024-12-31
申请号：CN202411132513.8
申请日：2024-08-19
Applicant: 西南交通大学
IPC: G06F18/241 , G06F18/2415 , G06F18/2131 , G06F18/15 , G06N3/0464 , G06N3/09 , G06F123/02
Abstract: 本申请涉及一种基于工业大模型的分布式非独立非同分布的故障诊断方法。所述方法包括：收集时序数据集，采用规整器和映射器对所述时序数据集进行预处理，得到上游预训练数据集；收集工业场景的故障诊断样本，建立多个非独立非同分布的下游数据集；搭建基于编码器、视觉特征提取器和分类器的工业故障诊断大模型，其中，所述编码器用于初步提取时序信号特征，所述视觉特征提取器用于特征提取，所述分类器用于预测样本标签；基于上游预训练数据集预训练所述工业故障诊断大模型；基于下游数据集微调所述预训练后的工业故障诊断大模型，将训练后的工业故障诊断大模型个性化部署到任务终端设备上，采用工业故障诊断大模型进行任务终端设备的故障诊断。
-
公开(公告)号：CN119152573A
公开(公告)日：2024-12-17
申请号：CN202411282069.8
申请日：2024-09-13
Applicant: 西南交通大学
IPC: G06V40/20 , G06V20/52 , G06V10/82 , G06V10/25 , G06V10/42 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本申请涉及一种基于深度学习的课堂后方学生行为检测识别方法。所述方法包括：首先，获取课堂后方学生行为图像数据；基于YOLOX‑m目标检测网络构建行为检测识别模型，优化所述YOLOX‑m目标检测网络的主干特征提取模块、颈部特征加强模块和预测头模块；基于所述课堂后方学生行为图像数据训练所述行为检测识别模型；最后，将待识别实际课堂图像输入训练后的行为检测识别模型中，输出行为检测识别结果。通过从课堂后方采集图像，优化现有目标检测网络的各个模块，结合注意力机制和深度可分离卷积，能够准确地从后方检测识别到学生上课的抬头、低头两种行为，通过对这两种典型行为的检测识别，能够及时、有效地反映学生的学习状态。
-
公开(公告)号：CN115661856B
公开(公告)日：2024-11-12
申请号：CN202211237629.9
申请日：2022-10-10
Applicant: 西南交通大学
IPC: G06V40/10 , G06V10/34 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于Lite‑HRNet的自定义康复训练监测与评估方法，具体为：采用相机拍摄预训练的康复训练动作图片，新建或更新康复训练动作图像数据集；构建Lite‑HRnet网络模型，分别采用开源COCO数据集和自定义数据集对网络模型进行训练与微调；通过Kmeans算法进行聚类分组、贴标签，构建个性化数据集；提取关键帧到Lite‑HRnet网络进行训练，得到关键点信息后进行KNN分类，进而完成相似度计算和阈值检测。本发明解决了由于数据复杂带来的人力损失，在一定程度上实现了数据的全自动化处理；采用的算法模型在维持高分辨率性能的基础上兼顾运行效率，能够给后续工作提供强有力保障，保证了康复训练标准评估的可靠性与便捷性。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.051 seconds)
