公开(公告)号：CN115078066A

公开(公告)日：2022-09-20

申请号：CN202210681105.2

申请日：2022-06-16

Applicant: 西南交通大学 ,  钱塘科技创新中心 ,  浙江清华柔性电子技术研究院

Inventor： 刘俊杰 ,  贾浩诚 ,  曲绍兴 ,  康国政 ,  陈毅豪 ,  杨玲 ,  姜周虎 ,  李玉红

IPC: G01N3/02 ,  G01N3/04 ,  G01N3/32

Abstract: 本发明公开了一种软材料循环变形疲劳测试系统及其测试方法，包括呈桁架结构的支架；支架内设置有电动滑台和溶液槽底座，溶液槽底座上安装有溶液槽，溶液槽与温度控制装置连接；电动滑台包括固定端和滑动端，固定端的一端固定安装有固定端卡具，滑动端上固定安装有滑动端卡具；固定端卡具和滑动端卡具配合夹持实验样品，且固定端卡具和滑动端卡具均位于溶液槽内；溶液槽底部透明，溶液槽底座内设置有反射镜。本发明将所需要进行测试的实验样品夹持固定于固定端卡具和滑动端卡具内，通过在溶液槽中设置不同的溶液环境，温度控制装置设置不同的溶液温度，以此实现在不同环境的循环变形疲劳性能测试。

公开(公告)号：CN114926823A

公开(公告)日：2022-08-19

申请号：CN202210494451.X

申请日：2022-05-07

Applicant: 西南交通大学

Inventor： 李可 ,  杨玲 ,  张宏浩 ,  王小宁 ,  罗寿西

IPC: G06V20/59 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及车辆驾驶行为预测技术领域，涉及一种基于WGCN的车辆驾驶行为预测方法，包括：一、生成每辆车的特征矩阵和本地地图；二、特征矩阵加权后和经过CNN编码后的本地地图构建成一张图，并输入到边‑增强的图卷积神经网络GCN中；三、通过GCN提取输入数据的特征，利用GCN的边‑增强注意力机制使边特征的维数增加，提高权重系数分配的准确率；利用GCN的特征传递机制使得车辆的交互特征能以图的形式进行传递，充分表示了车辆之间的交互关系变化；四、将GCN输出的交互特征输入Transformer进行训练；五、通过全连接层获得对车辆驾驶行为的预测结果。本发明使得对车辆驾驶行为预测有更高的准确性。

公开(公告)号：CN115078249A

公开(公告)日：2022-09-20

申请号：CN202210682518.2

申请日：2022-06-16

Applicant: 西南交通大学 ,  钱塘科技创新中心 ,  浙江清华柔性电子技术研究院

Inventor： 刘俊杰 ,  曲绍兴 ,  康国政 ,  姜周虎 ,  李玉红 ,  陈毅豪 ,  杨玲

IPC: G01N19/02

Abstract: 本发明公开了一种软薄膜表面摩擦检测装置及检测方法，涉及材料摩擦测试实验技术领域。其包括用于夹持软薄膜的软薄膜固定组件；用于对软薄膜进行加压的加压组件；用于检测软薄膜形变的摄像头；控制器以及储存有软薄膜表面摩擦系数对比图库的储存器，加压组件、摄像头和储存器均与控制器电连接。通过加压组件压入软薄膜使软薄膜发生轴对称变形，由摄像头拍摄出软薄膜的变形形貌图，将变形形貌图与软薄膜表面摩擦系数对比图库中的图形进行对比即可完成对软薄膜表面摩擦系数的检测，整个检测装置结构简单，实验成本低，便于推广。

公开(公告)号：CN114970763A

公开(公告)日：2022-08-30

申请号：CN202210717130.1

申请日：2022-06-23

Applicant: 西南交通大学

Inventor： 余志斌 ,  杨玲 ,  彭宇果 ,  雷涛 ,  张译方 ,  韦柳幸

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明公开了供一种基于迁移学习的辐射源工作模式识别方法，其包括以下步骤：获取小样本辐射源数据，并从现有的各辐射源工作模式数据中挑选辅助数据；将小样本辐射源数据和挑选得到的辅助数据构成迁移学习的源域；将待识别辐射源数据作为迁移学习的目标域；对源域和目标域的样本进行流形特征学习；获取流形特征学习后的源域和流形特征学习后的目标域的总体分布差异，得到训练数据；基于训练数据优化分类器，并获取目标域的辐射源工作模式。本方法解决了小样本难以识别辐射源工作模式的问题。

公开(公告)号：CN114926823B

公开(公告)日：2023-04-18

申请号：CN202210494451.X

申请日：2022-05-07

Applicant: 西南交通大学

Inventor： 李可 ,  杨玲 ,  张宏浩 ,  王小宁 ,  罗寿西

IPC: G06V20/59 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及车辆驾驶行为预测技术领域，涉及一种基于WGCN的车辆驾驶行为预测方法，包括：一、生成每辆车的特征矩阵和本地地图；二、特征矩阵加权后和经过CNN编码后的本地地图构建成一张图，并输入到边‑增强的图卷积神经网络GCN中；三、通过GCN提取输入数据的特征，利用GCN的边‑增强注意力机制使边特征的维数增加，提高权重系数分配的准确率；利用GCN的特征传递机制使得车辆的交互特征能以图的形式进行传递，充分表示了车辆之间的交互关系变化；四、将GCN输出的交互特征输入Transformer进行训练；五、通过全连接层获得对车辆驾驶行为的预测结果。本发明使得对车辆驾驶行为预测有更高的准确性。