-
公开(公告)号：CN108510129B
公开(公告)日：2021-12-21
申请号：CN201810327226.0
申请日：2018-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种无人驾驶车辆实时电量智慧预测方法及装置，该方法针对车辆行驶的主要耗电方面如空调、风阻等方面进行研究，并结合复杂的道路环境，建立耗电量预测模型，所选用的模型基于神经网络训练获得，自主学习性强，准确度好；该模型预测电量与电池本身无关，模型实时进行训练，能辨识不同路况环境上电量的使用情况，预测结果准确性高、时效性好，较好的避免了现有技术中只针对电池的基本工作原理和充放电特性来计算耗电量引起的不准确的问题。
-
公开(公告)号：CN109034476B
公开(公告)日：2020-11-17
申请号：CN201810843354.0
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种高速铁路沿线极端风速大数据聚类预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，并进行风速样本聚类，利用LS‑SVM对去噪后的风速聚类样本数据进行训练，构建各测风站在多种步长下的风速预测模型；选用各模型进行多种步长的最优预测组合，实现多步迭代预测，提高预测精度，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN109784562A
公开(公告)日：2019-05-21
申请号：CN201910043165.X
申请日：2019-01-17
Applicant: 中南大学
Abstract: 本发明公开了一种基于大数据时空聚类的智慧电网电力负荷预测方法，将电力负荷时间序列分为时间向量和空间向量，分别对时间向量和空间向量进行聚类，得到N*K个时空聚类类别，每个聚类类别综合电力负荷时间序列在时间和空间的特性，然后对每种时空聚类类别的电力负荷时间序列分别建立负荷预测模型，该方法从电力负荷的时空特性进行分析，能有效辨识时间和空间对电力负荷的影响，有效精准的预测电力负荷。
-
公开(公告)号：CN112816052A
公开(公告)日：2021-05-18
申请号：CN202110003658.8
申请日：2021-01-04
Applicant: 中南大学
IPC: G01H1/00 , G01H1/04 , G01H1/08 , G01H1/12 , G01H1/16 , G01M17/08 , G06F30/15 , G06F30/27 , G06F111/06
Abstract: 本发明公开了一种列车车室振动监测方法、振动信号特征库建立及应用方法，采用非侵入式列车车室振动监测方法，实际监测时仅需获取列车车室内总测点的振动信号，避免传感器冗余，节省成本，有利于列车轻量化，准确真实地反映出振源位置与相位偏移、幅值衰减之间的关系，能够监测未知振源的振动情况，能够识别振源的异常振动，从而为异常振动处理提供依据；能够在仅测量总测点振动信号的基础上实现振源信号的重建，从而实现其多元振动信号特征库的实时更新，且多元振动信号特征库能够为振动信号优化分解、振动信号图像辨识、异常振动信号辨识等提供数据基础。
-
公开(公告)号：CN110376003B
公开(公告)日：2021-01-26
申请号：CN201910676723.6
申请日：2019-07-25
Applicant: 中南大学
IPC: G01M17/08
Abstract: 本发明公开了一种基于BIM的智能列车整车服役寿命预测方法，包括获取列车整车以及列车各个部件的静态数据和工作性能参数；提取列车的各个部件的健康指标时序；预测得到列车整车及列车的各个部件的剩余服役寿命并修正；得到最终的列车整车以及部件的剩余服役寿命预测结果。本发明还公开了实现所述基于BIM的智能列车整车服役寿命预测方法的系统。本发明能够实现对列车服役状态以及外界影响因素的监测，完成外界因素对剩余使用寿命的不确定性影响建模，并提供全面的可视化信息；本发明能够实现对列车的剩余寿命预测，有效提高列车服役性能，且可靠性高、适用性好且评估全面准确。
-
Patent Agency Ranking
公开(公告)号：CN110361180B
公开(公告)日：2021-01-26
申请号：CN201910676732.5
申请日：2019-07-25
Applicant: 中南大学
Abstract: 本发明公开了一种智能列车受电弓服役性能动态监测与评估方法，包括获取列车受电弓的工作性能参数；提取列车受电弓的各个部件的健康指标时序；预测得到受电弓各部件以及受电弓整体的剩余服役寿命并修正；得到最终的列车受电弓的服役性能动态监测评估结果。本发明还公开了实现所述智能列车受电弓服役性能动态监测与评估方法的系统。本发明能够实现对受电弓服役状态以及外界影响因素的监测，完成外界因素对剩余使用寿命的不确定性影响建模，能够实现对受电弓的剩余寿命预测，有效提高受电弓服役性能，且可靠性高、适用性好且评估全面准确。
-
公开(公告)号：CN109726802B
公开(公告)日：2020-11-20
申请号：CN201811643479.5
申请日：2018-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种铁路和风电场环境风速机器学习预测方法，该方法选择多种神经网络模型，建立多种风速预测特征预选模型各100个，通过均方误差分析和相关性分析，选取性能好以及特征独立性强的模型各10个，然后建立多个风速预测集成模型，对风速预测特征进行集成处理，最后建立风速预测归一模型，对风速集成值进行归一处理，并计算预测风速向量与训练样本的风速向量之间的相关性，利用相关性强的对应时刻的风速噪声还原预测风速值，该方法能有效预测非平稳风速，对复杂，非线性风速值具有精准的预测效果。
-
公开(公告)号：CN109784562B
公开(公告)日：2020-08-25
申请号：CN201910043165.X
申请日：2019-01-17
Applicant: 中南大学
Abstract: 本发明公开了一种基于大数据时空聚类的智慧电网电力负荷预测方法，将电力负荷时间序列分为时间向量和空间向量，分别对时间向量和空间向量进行聚类，得到N*K个时空聚类类别，每个聚类类别综合电力负荷时间序列在时间和空间的特性，然后对每种时空聚类类别的电力负荷时间序列分别建立负荷预测模型，该方法从电力负荷的时空特性进行分析，能有效辨识时间和空间对电力负荷的影响，有效精准的预测电力负荷。
-
公开(公告)号：CN109297699A
公开(公告)日：2019-02-01
申请号：CN201811493246.1
申请日：2018-12-07
Applicant: 中南大学
CPC classification number: G01M13/00 , G01M7/025 , G06K9/6247 , G06N3/006
Abstract: 本发明公开了一种混合分解与提取的智能旋转机械故障诊断方法，包括：获取旋转机械的原始振动序列进行去噪处理，得到已去噪处理的振动序列；采用不同消失矩的母小波包函数，对已去噪处理的振动序列进行分解操作，得到各自若干个振动子序列；采用主元分析法，对每个振动子序列进行特征提取，得到旋转机械的特征参数矩阵；获取旋转机械训练样本，且已知训练样本的故障类型，使用训练样本训练支持向量机模型得到旋转机械故障诊断分类器；实时采集待检测旋转机械的原始振动序列，获取其特征参数矩阵，并输入到旋转机械故障诊断分类器，从而判断待检测旋转机械的故障类型。本发明提高了对旋转机械故障诊断的时效性和精度。
-
公开(公告)号：CN118968461A
公开(公告)日：2024-11-15
申请号：CN202410974388.9
申请日：2024-07-19
Applicant: 中南大学
Abstract: 本发明公开了一种列车多尺度障碍物智能检测方法，包括以下步骤：获取现有的列车前方轨道图像数据，得到轨道图像数据集；将轨道图像数据集进行增强处理，再进行标注，得到训练数据集；基于Sparse R‑CNN基线模型、Transformer特征提取网络和FPN特征融合网络，构建初始列车障碍物智能检测模型；使用训练数据集，对初始列车障碍物智能检测模型进行训练，得到列车障碍物智能检测模型；使用列车障碍物智能检测模型，进行实际的列车障碍物检测和识别。本发明方法通过基于深度学习的卷积神经网络结构设计，实现了列车轨道障碍物的智能检测，准确率高，实时性好，提高了识别效率，具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.018 seconds)
