全自动驾驶无人区列检智慧管理控制系统

    公开(公告)号:CN114019949A

    公开(公告)日:2022-02-08

    申请号:CN202111121938.5

    申请日:2021-09-24

    IPC分类号: G05D1/02

    摘要: 本发明公开了一种全自动驾驶无人区列检智慧管理控制系统,包括:行车自动化系统、作业计划管理系统、数据通讯系统、物理隔离系统、数据解码系统、客户终端电脑、智能巡检一体机、智能一体柜、列检工具智能箱、人员防护开关箱、智能门禁系统、智能门禁卡、工控机、车辆专家诊断系统、360°动态检测系统、智能运维平台。本发明可以实现全自动驾驶车辆基地无人区列检作业的无纸化,同时实现了检修作业分区的作业流程安全卡控,连通了车辆专家诊断系统、人员防护开关、360°动态检测系统以及智能运维平台多系统之间的数据接口,实现了全自动驾驶车辆基地无人区的智能化运维及智慧化管理。

    一种转向架枕簧分解正位辅助系统

    公开(公告)号:CN117226449A

    公开(公告)日:2023-12-15

    申请号:CN202311203532.0

    申请日:2023-09-18

    IPC分类号: B23P19/00

    摘要: 本发明公开了一种转向架枕簧分解正位辅助系统。现有的转向架枕簧分解时,主要采用人工分解,操作效率低下。本发明包括主体旋转机构,主体旋转机构与地面固定连接,可实现对转向架的圆周旋转;还包括顶升机构、转向架前后对中机构和摇枕顶升机构;顶升机构用于将转向架降落在正位装置上,转向架前后对中机构用于对两侧的侧架进行前后位置找正;转向架前后对中机构上、在侧架的四个承载鞍位置处分别设置有侧架左右对中机构;摇枕顶升机构可实现将摇枕顶起,直到摇枕与侧架接触。本发明解决了转向架自动分解枕簧时的定位问题,节省了大量的人工成本,提高了转向架枕簧分解的准确性、安全性及分解效率。

    数字孪生装备管理系统的数据存储方法及装置

    公开(公告)号:CN118626489A

    公开(公告)日:2024-09-10

    申请号:CN202410763231.1

    申请日:2024-06-13

    摘要: 本发明公开了一种数字孪生装备管理系统的数据存储方法及装置,获取采集的原始数据;对所述原始数据进行分类与处理;将不同类型的数据使用不同的数据库进行存储,包括:对于业务关系数据,使用关系型数据库进行存储;对于物联数据,使用时序数据库进行存储;对于知识工程数据,使用图数据库进行存储;对于文件数据,使用对象存储进行存储;对于缓存数据,使用分布式缓存数据库进行存储;对于消息流数据,使用消息中间件进行存储。本发明采用多种数据库进行数据存储,针对不同类型的数据选择合适的数据库,以充分发挥各个数据库的优势和特点,提高数据的读写速度和处理性能,满足数字孪生装备管理系统在数据存储方面的高并发和高实时性需求。

    折叠门限位装置
    9.
    发明公开

    公开(公告)号:CN113047713A

    公开(公告)日:2021-06-29

    申请号:CN202110299673.1

    申请日:2021-03-22

    IPC分类号: E05C17/56 E05C17/58

    摘要: 本发明涉及折叠门限位装置,其安装底板左侧设置有接近开关,右侧设置有限位机构;限位机构包括矩形的限位杆;限位杆右侧杆体通过限位杆固定底座连接到限位装置安装底板上,能在限位杆固定底座的弧形插槽内转动,右侧杆体中央左侧设置有触杆,端部为吸头,吸头下方设置有电磁铁,触杆下方设置有复位弹簧;接近开关和电磁铁均通过电缆接入限位装置控制盒。本装置可对开启后的折叠库门进行限位,并将库门完全开启的状态信息反馈给车辆段控制中心DCC,库门需要关闭时,DCC解除限位装置的限位状态,折叠库门即可正常关闭;保证了地铁车辆出入库的安全,同时可远程控制。

    固定式架车机齿轮箱故障分类方法及系统

    公开(公告)号:CN118443300A

    公开(公告)日:2024-08-06

    申请号:CN202410141335.9

    申请日:2024-02-01

    摘要: 本发明公开了一种固定式架车机齿轮箱故障分类方法及系统,采集固定式架车机齿轮箱在正常状态及不同故障状态下的原始振动信号;基于变分模态分解法对齿轮箱原始振动信号进行模态分解,去掉无规律噪声分量后进行信号重构得到重构信号;训练多核卷积神经网络模型,将所述重构信号输入至所述多核卷积神经网络模型对重构信号进行故障分类并输出故障分类结果。本发明解决了架车机齿轮箱原始信号信噪比低、振动信号特征挖掘困难导致的故障分类准确度低的问题,将模态分解算法与深度学习算法相结合,基于VMD算法对原始振动信号进行信号重构,通过剔除高频噪声来提升信号的信噪比;基于MCNN网络构建故障分类模型对重构信号的多尺度特征提取和分类。