-
公开(公告)号：CN106777809B
公开(公告)日：2020-02-18
申请号：CN201710025882.0
申请日：2017-01-13
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
摘要： 本发明提供了一种基于实际运行数据的机车牵引计算模型校准方法。本发明基于从机车运行原始数据中离线获得的操纵档位、运行速度等序列，通过反向拟合的方法构建机车牵引计算模型，再通过正向验证的方式验证模型的准确性。在构建机车牵引计算模型中，首先基于机车日志记录得到机车牵引力和制动力，然后根据LKJ基础数据或线路建造数据获得加算阻力，在此基础上再按照推算公式获得速度和力之间的对应序列，再通过拟合的方式构建机车牵引计算模型。本发明基于实际运行数据拟合的机车牵引计算模型能更好的适应现场复杂的线路环境并减少统计误差，并将反向拟合和正向验证结合，能够更好的保证模型的适应性和准确性。
-
公开(公告)号：CN106842925A
公开(公告)日：2017-06-13
申请号：CN201710045758.0
申请日：2017-01-20
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
IPC分类号： G05B13/04
摘要： 本发明涉及一种基于深度强化学习的机车智能操纵方法与系统，该系统包括数据源模块、机车运行环境学习模块、评价机制学习模块和控制策略学习模块，数据源模块为机车运行环境学习模块和评价机制学习模块提供所需的数据输入，机车运行环境学习模块和评价机制学习模块将分别获得的具体的运行环境和奖赏函数值输出至控制策略学习模块。基于深度强化学习算法，机车运行环境模型以机车操纵动作的实时评价作为反馈信息，通过奖赏或惩罚当前的操纵动作，给控制策略反馈一个奖赏函数作为奖赏评价值，控制策略结合运行状态迭代地进行策略的更新与优化。本发明能更好的实现机车智能优化操纵，并极大地减少了人工参与。
-
公开(公告)号：CN106777809A
公开(公告)日：2017-05-31
申请号：CN201710025882.0
申请日：2017-01-13
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
IPC分类号： G06F17/50
摘要： 本发明提供了一种基于实际运行数据的机车牵引计算模型校准方法。本发明基于从机车运行原始数据中离线获得的操纵档位、运行速度等序列，通过反向拟合的方法构建机车牵引计算模型，再通过正向验证的方式验证模型的准确性。在构建机车牵引计算模型中，首先基于机车日志记录得到机车牵引力和制动力，然后根据LKJ基础数据或线路建造数据获得加算阻力，在此基础上再按照推算公式获得速度和力之间的对应序列，再通过拟合的方式构建机车牵引计算模型。本发明基于实际运行数据拟合的机车牵引计算模型能更好的适应现场复杂的线路环境并减少统计误差，并将反向拟合和正向验证结合，能够更好的保证模型的适应性和准确性。
-
公开(公告)号：CN106844947B
公开(公告)日：2019-11-26
申请号：CN201710038010.8
申请日：2017-01-18
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
摘要： 本发明提供了一种基于高阶相关学习的机车节能优化自动驾驶方法，本发明首先对司机的实际驾驶数据进行经验梳理以及预处理，然后构建一个特征组来描述机车的驾驶状态，再基于由构建的特征组描述的司机实际驾驶数据作为训练数据构建超图，并通过归纳学习过程获取超图模型，所构建的超图模型可用于实时生成驾驶操作，最后通过不断的强化更新，即通过迭代训练的方式使得通过学习获得的超图模型更加准确。由于超图模型的训练不受到时间因素的限制，因此超图模型的学习拥有更好的优化空间，且机车运行过程中应用超图模型获取机车运行操纵档位时能够取得较好的节能效果。同时，将机车在线操纵运行结果作为数据输入，使得超图模型能够不断进行调整和优化。
-
公开(公告)号：CN106842925B
公开(公告)日：2019-10-11
申请号：CN201710045758.0
申请日：2017-01-20
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
IPC分类号： G05B13/04
摘要： 本发明涉及一种基于深度强化学习的机车智能操纵方法与系统，该系统包括数据源模块、机车运行环境学习模块、评价机制学习模块和控制策略学习模块，数据源模块为机车运行环境学习模块和评价机制学习模块提供所需的数据输入，机车运行环境学习模块和评价机制学习模块将分别获得的具体的运行环境和奖赏函数值输出至控制策略学习模块。基于深度强化学习算法，机车运行环境模型以机车操纵动作的实时评价作为反馈信息，通过奖赏或惩罚当前的操纵动作，给控制策略反馈一个奖赏函数作为奖赏评价值，控制策略结合运行状态迭代地进行策略的更新与优化。本发明能更好的实现机车智能优化操纵，并极大地减少了人工参与。
-
公开(公告)号：CN106844947A
公开(公告)日：2017-06-13
申请号：CN201710038010.8
申请日：2017-01-18
申请人： 清华大学 , 中车信息技术有限公司 , 中车大连机车研究所有限公司
摘要： 本发明提供了一种基于高阶相关学习的机车节能优化自动驾驶方法，本发明首先对司机的实际驾驶数据进行经验梳理以及预处理，然后构建一个特征组来描述机车的驾驶状态，再基于由构建的特征组描述的司机实际驾驶数据作为训练数据构建超图，并通过归纳学习过程获取超图模型，所构建的超图模型可用于实时生成驾驶操作，最后通过不断的强化更新，即通过迭代训练的方式使得通过学习获得的超图模型更加准确。由于超图模型的训练不受到时间因素的限制，因此超图模型的学习拥有更好的优化空间，且机车运行过程中应用超图模型获取机车运行操纵档位时能够取得较好的节能效果。同时，将机车在线操纵运行结果作为数据输入，使得超图模型能够不断进行调整和优化。
-
公开(公告)号：CN107972698A
公开(公告)日：2018-05-01
申请号：CN201711174257.9
申请日：2017-11-22
申请人： 清华大学
摘要： 本发明涉及一种列车ATO超速安全防范方法，其根据高速限制以及低速限制，对原始列车自动驾驶运行速度曲线进行优化调整；追踪沿优化调整后的列车自动驾驶运行速度曲线运行的列车的实际运行速度；确认列车出现超速趋势时，根据高速限制值实时调整制动档位，直至列车重新按照优化调整后的列车自动驾驶运行速度曲线运行；确认列车超速时，基于列车实际运行速度与安全防护曲线的差值和临界阈值的比较结果对列车采取相应的制动措施，直至列车实际运行速度趋于优化调整后的列车自动驾驶运行速度曲线后，继续沿着优化调整后的列车自动驾驶运行速度曲线运行。本发明能够分阶段对列车超速实施多重安全防护，使得列车安全性能更加得以保障。
-
公开(公告)号：CN107563426B
公开(公告)日：2020-05-22
申请号：CN201710738298.X
申请日：2017-08-25
申请人： 清华大学
摘要： 本发明提供了一种机车运行时序特征学习方法，其首先完成数据的补全融合和特征选择，对源数据进行去冗余和降维得出初始特征集合；并从中找出关键特征子集；然后具备时序数据学习能力的目标应用模型，直接将这些关键特征子集作为输入并进行深度学习；针对不具备时序数据学习能力的目标应用模型，则提取出关键特征的时序特征信息，并针对这些时序特征信息进行深度学习，扩充该目标应用模型的学习能力。本发明能够根据应用场景的不同，为不同特征数据的输入提供相应的目标应用模型。
-
公开(公告)号：CN107025382B
公开(公告)日：2019-11-26
申请号：CN201710300213.X
申请日：2017-05-02
申请人： 清华大学
IPC分类号： G06F17/50
摘要： 本发明涉及一种基于临界相变理论的工程系统健康分析系统和方法，该系统包括：信号采集单元、信号分析单元以及交互展示单元三部分，该方法包括如下基本步骤：信号采集、信号预处理、随机波动信号提取、临界相变预警信号指标分析以及信号分析展示。本发明将工程系统临界相变特性应用工程系统上，为工程系统健康分析提供了新的切入点，本发明能够全面反映系统失效时系统状态的变迁，实现系统故障的诊断和预测，具有较好的适用性。
-
公开(公告)号：CN107943022B
公开(公告)日：2021-07-16
申请号：CN201710990975.7
申请日：2017-10-23
申请人： 清华大学
IPC分类号： G05D1/02
摘要： 本发明提供了一种基于强化PID的机车自动驾驶优化控制方法，本发明首先根据机车实际运行速度和最优速度的速度差以及当前线路信息作为强化PID的输入，通过强化学习得到一组最优PID控制参数，然后根据强化学习模块给出的最优PID控制参数实现PID控制，给出控制量，控制机车运行。本发明将强化学习用于PID参数调整，利用强化学习能较好的跟环境交互，具有自学习能力，能够更好的实现具有最佳参数组合的PID控制，提升优化效果，降低人工设计难度。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.067 秒)
