-
公开(公告)号：CN118722789B
公开(公告)日：2025-05-16
申请号：CN202410629200.7
申请日：2024-05-21
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于合作竞争博弈的列车运行实时调整方法，方法包括：基于指定线路的线路静态数据、初始时刻的动态数据；约束条件，建立训练目标网络过程中的即时奖励函数和延时奖励函数；即时奖励函数是在各列车未到达终点站时基于竞争博弈策略和列车自身的延误时间获得的；延时奖励函数是各列车到达终点站后基于合作博弈策略和所有列车总的延误时间获得的；训练更新的策略网络，并实时获取策略网络的损失函数；在损失函数和奖励函数满足收敛条件时，获得训练后的策略网络，用于实现对列车运行图的实时调整。上述方法使用多列车博弈深度强化学习不断与环境进行学习和交互，解决了复杂多变的列车运行环境造成建模难的问题。
-
公开(公告)号：CN113920390B
公开(公告)日：2024-10-18
申请号：CN202111092642.5
申请日：2021-09-17
Applicant: 北京交通大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06Q50/40
Abstract: 本发明提供了一种基于多模态深度学习模型的列车延误预测方法。该方法包括：获取高速铁路网指定范围内所有车次的实绩运行时刻表信息；对时刻表信息按车次和线路进行分类，按照时间维度和时空维度对实绩运行时刻表信息进行特征提取并定量评估重要性后得到数据集；构建包括Transformer、3D CNN和FCNN的基于深度学习的列车延误预测模型，利用数据集对列车延误预测模型进行训练；将需要进行延误预测的列车的时刻表信息和线路信息输入到最终列车延误预测模型中，输出目标列车的延误预测时间及后续一段时间内的延误情况。本发明可以精准预测列车延误时间，并通过与列车延误预测的基线模型对比，验证了该列车延误预测模型具有稳定性和泛化性。
-
公开(公告)号：CN113920390A
公开(公告)日：2022-01-11
申请号：CN202111092642.5
申请日：2021-09-17
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多模态深度学习模型的列车延误预测方法。该方法包括：获取高速铁路网指定范围内所有车次的实绩运行时刻表信息；对时刻表信息按车次和线路进行分类，按照时间维度和时空维度对实绩运行时刻表信息进行特征提取并定量评估重要性后得到数据集；构建包括Transformer、3D CNN和FCNN的基于深度学习的列车延误预测模型，利用数据集对列车延误预测模型进行训练；将需要进行延误预测的列车的时刻表信息和线路信息输入到最终列车延误预测模型中，输出目标列车的延误预测时间及后续一段时间内的延误情况。本发明可以精准预测列车延误时间，并通过与列车延误预测的基线模型对比，验证了该列车延误预测模型具有稳定性和泛化性。
-
公开(公告)号：CN105930918A
公开(公告)日：2016-09-07
申请号：CN201610219387.9
申请日：2016-04-11
Applicant: 北京交通大学
CPC classification number: Y02E40/76 , Y04S10/545 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种应用于多峰MPPT的整体分布‑粒子群优化算法，在PSO算法上，添加了OD算法的步骤，通过OD进一步缩小最大功率点所在的范围，再通过PSO算法进行进一步迭代，最终收敛到最大功率点。本发明具有如下优点：通过整体分布(OD)算法将粒子分布在最大功率点附近，再利用PSO算法进行精确跟踪，使得该算法不依赖于初始粒子的位置，从而不需要依赖于光伏阵列过多的信息，就可以达到较好的跟踪效果和较快的跟踪速度。
-
公开(公告)号：CN104901529A
公开(公告)日：2015-09-09
申请号：CN201510325190.9
申请日：2015-06-12
Applicant: 北京交通大学
IPC: H02M1/44
Abstract: 本发明提出一种抑制电力电子变换器的电磁干扰新型混沌控制方法，包括以下步骤：根据多涡卷多翅膀混沌系统状态方程生成多涡卷多翅膀混沌吸引子，并根据混沌吸引子得到多涡卷多翅膀混沌系统的状态变量；对多涡卷多翅膀混沌系统的状态变量进行采样，以得到混沌序列；根据混沌序列得到频率混沌变化的混沌载波信号，其中，混沌载波信号的频率通过如下公式表示：fc＝fr+xi·Δf,xi∈(-1,1),i＝1,2,…，其中，fc为混沌载波信号的频率，fr为基准载波频率，Δf为最大频率波动值，xi为混沌序列；根据混沌脉宽调制信号与混沌载波信号生成混沌脉冲宽度调制PWM控制信号，以控制电力电子变换器。本发明的方法能够更为有效的抑制电力电子变换器的电磁干扰，提高电力电子变换器的电磁兼容性。
-
Patent Agency Ranking
公开(公告)号：CN118133500A
公开(公告)日：2024-06-04
申请号：CN202410083499.0
申请日：2024-01-19
Applicant: 北京交通大学
Abstract: 本发明公开了基于编程的电力电子变换器自动时域建模方法及装置，该方法包括：将电力电子变换器的器件连接关系表示为连接矩阵；将连接矩阵转化为相应的有向图和无向图，并分析有向图和无向图得到电力电子变换器每个模态的割集矩阵和环路矩阵；利用割集矩阵和环路矩阵推导出对应的Kirchhoff电流定律方程组和Kirchhoff电压定律方程组；通过状态空间平均法对Kirchhoff电流定律方程组和Kirchhoff电压定律方程组进行平均处理，得到最终的状态方程组和雅可比矩阵。本发明能够显著提高复杂变换器系统状态方程组及其雅可比矩阵的获取速度和保证所得系统状态方程组及其雅可比矩阵的正确性。
-
公开(公告)号：CN107247475A
公开(公告)日：2017-10-13
申请号：CN201710277911.2
申请日：2017-04-25
Applicant: 北京交通大学
IPC: G05F1/67
CPC classification number: G05F1/67
Abstract: 本发明公开了一种适用于光伏优化器的带滞环扰动全局最大功率点跟踪方法，包括：S1：控制开关管导通，在满足启动条件后，带滞环扰动全局最大功率点跟踪方法运行，否则继续保持开关管导通，直到满足启动条件；S2：执行全局扫描程序，从指定初值开始连续改变脉冲占空比，比较得出全局最大功率及其对应的脉冲占空比；S3：以最大功率值对应的脉冲占空比为初始值运行滞环扰动程序，改变占空比寻找局部功率极值；S4：重复步骤S3，每间隔预设时间重复执行步骤S2。本发明具有如下优点：提高了光伏发电系统在局部阴影遮挡工况下的发电效率，有助于光伏发电系统的顺利启动,避免了传统扰动观察法在发电功率连续变化时误判引起的逆变器离网。
-
公开(公告)号：CN104901529B
公开(公告)日：2017-09-29
申请号：CN201510325190.9
申请日：2015-06-12
Applicant: 北京交通大学
IPC: H02M1/44
Abstract: 本发明提出一种抑制电力电子变换器的电磁干扰混沌控制方法，包括以下步骤：根据多涡卷多翅膀混沌系统状态方程生成多涡卷多翅膀混沌吸引子，并根据混沌吸引子得到多涡卷多翅膀混沌系统的状态变量；对多涡卷多翅膀混沌系统的状态变量进行采样，以得到混沌序列；根据混沌序列得到频率混沌变化的混沌载波信号，其中，混沌载波信号的频率通过如下公式表示：fc＝fr+xi·Δf,xi∈(‑1,1),i＝1,2,...，其中，fc为混沌载波信号的频率，fr为基准载波频率，Δf为最大频率波动值，xi为混沌序列；根据混沌脉宽调制信号与混沌载波信号生成混沌脉冲宽度调制PWM控制信号，以控制电力电子变换器。本发明的方法能够更为有效的抑制电力电子变换器的电磁干扰，提高电力电子变换器的电磁兼容性。
-
公开(公告)号：CN118862407A
公开(公告)日：2024-10-29
申请号：CN202410739467.1
申请日：2024-06-07
Applicant: 北京交通大学
IPC: G06F30/20 , G06F17/16 , G06F119/10
Abstract: 本公开实施例提供一种电力电子变换器传导电磁干扰全频域建模仿真方法及设备，该方法针对现有方法难以精确的预测电力电子设备产生的全频域传导电磁干扰噪声的问题，通过分析电力电子设备传导电磁干扰关键影响因素，搭建高频等效模型，从而建立电力电子变换器传导电磁干扰全频域仿真模型，去仿真预测电力电子设备传导电磁干扰噪声，有利于电力电子设备的电磁兼容设计，解决了电力电子设备传导电磁干扰全频域仿真建模难题，节省电磁兼容测试时间和成本。
-
公开(公告)号：CN117237448B
公开(公告)日：2024-10-18
申请号：CN202311008994.7
申请日：2023-08-11
Applicant: 北京交通大学
IPC: G06T7/73 , G06V10/774 , G06V10/82 , G06V10/764 , G06V30/148 , G06N3/0464
Abstract: 本发明涉及一种基于机器视觉的列车融合定位方法及装置，方法包括：实时获取所拍摄的列车运行前方的当前帧图像，并采用预先获取的训练好的目标检测模型对该当前帧图像进行检测，得到检测结果信息；通过预先建立的第一训练数据集对建立的目标检测模型进行训练，得到训练好的目标检测模型；若所述检测结果信息包括当前帧图像中的检测目标以及该检测目标所对应的目标类型，则采用预先获取的训练好的文本识别模型对当前帧图像中的检测目标进行识别，得到该检测目标中的编号信息；将预先存储的与该当前帧图像中的检测目标所对应的目标类型以及检测目标中的编号信息对应的地理位置信息，作为列车的绝对位置。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
