-
公开(公告)号：CN115489320A
公开(公告)日：2022-12-20
申请号：CN202211162760.3
申请日：2022-09-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度强化学习的列车受电弓智能控制方法，具体为：信息采集单元获取受电弓状态信息、列车运行信息和接触网信息；建立控制器控制动作与接触网交互样本数据集；基于所建立的交互样本数据集采用确定性策略梯度DDPG深度强化学习网络学习最优行为策略；根据最优行为策略作为控制器，将控制器补偿动作输出受电弓气阀板上的精密调压阀从而控制气囊压强。本发明能有效对高铁受电弓的精准、提前控制，保证受电弓和接触网的良好接触，提升列车的受流质量，降低接触部件的磨损、提升服役寿命。
-
公开(公告)号：CN111383273B
公开(公告)日：2022-04-29
申请号：CN202010153837.5
申请日：2020-03-07
Applicant: 西南交通大学
Abstract: 本发明公开一种基于改进结构推理网络的高铁接触网零部件定位方法，首先对高速铁路接触网支撑及悬挂装置进行图像采集；再根据采集到的图像建立接触网支撑及悬挂装置的样本数据集；最后将数据集划分为训练集和测试集，训练好结构推理网络后，利用结构推理网络对接触网零部件进行精确快速定位。本发明能够高效快速定位接触网各零部件，网络模型当中的结构推理网络融合了目标自身信息和目标之间的位置关系信息以及场景信息，并以此进行信息的迭代传播；考虑了接触网零部件大小差异太大，使用第二次池化后特征层输入ROI池化层，能够精确定位顶紧螺栓等细小零部件。
-
公开(公告)号：CN111310761A
公开(公告)日：2020-06-19
申请号：CN202010149743.0
申请日：2020-03-06
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于重构和分类卷积自编码网络的接触网绝缘子检测方法，具体为：1、对高速铁路接触网支撑及悬挂装置进行成像；2、建立绝缘子的样本数据集，进行绝缘子目标检测与分割；3、利用坐标变换将绝缘子调整为水平，利用离群值检测去除噪声，对绝缘子进行边缘检测后进行二次函数拟合，对采集到的绝缘子图像进行逐片裁剪，最终建立绝缘子片数据集；4、搭建重构和分类卷积自动编码网络，判断是否存绝缘子误分类，并提取绝缘子故障区域；5、对分离出的前景图像进行聚类，根据聚类结果，建立故障判断准则；通过设置阈值判断绝缘子是否故障，并进一步评估故障的级别。本发明检测结果客观、真实、精确，克服了传统检测方法的缺陷。
-
公开(公告)号：CN116577991A
公开(公告)日：2023-08-11
申请号：CN202310630245.1
申请日：2023-05-31
Applicant: 西南交通大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于元强化学习的列车受电弓自适应控制方法，具体为：信息采集单元获取受电弓状态信息、列车运行信息和接触网信息；建立控制器控制动作与接触网交互样本数据集；基于所建立的交互样本数据集采用深度强化学习网络学习最优行为策略；每一个控制任务基于贝叶斯优化方法生成最优任务编码；最优行为策略作为控制器，根据弓网系统运行信息和任务编码计算最优控制动作，并将控制器补偿动作输出受电弓气阀板上的精密调压阀从而控制气囊压强。本发明对高铁受电弓的精准、提前控制，保证受电弓和接触网的良好接触，提升列车的受流质量，降低接触部件的磨损，提升服役寿命；还使弓网系统控制器能够快速适应外部环境扰动和自身参数变化。
-
公开(公告)号：CN116027667A
公开(公告)日：2023-04-28
申请号：CN202310043183.4
申请日：2023-01-29
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于深度强化学习的重联‑动车组双弓协同控制方法，具体为：信息采集单元获取受电弓状态信息、列车运行信息；建立控制器控制动作与接触网交互样本数据集；使用综合奖励约束持续平稳的行为策略；为量化前弓控制动作引发的接触网波动传播对后弓的影响，使用奖励传播通道建立双弓交互机制；基于所建立的交互样本数据集，利用多智能体深度强化学习网络学习最优行为策略；根据最优行为策略作为控制器，将控制器补偿动作输出受电弓气阀板上的精密调压阀从而控制气囊压强。本发明能有效对重联‑动车组前后弓的精准、提前控制，保证受电弓和接触网的良好接触，提升列车的受流质量，降低后弓的离线率；降低接触部件的磨损、提升服役寿命。
-
Patent Agency Ranking
公开(公告)号：CN115489320B
公开(公告)日：2024-06-18
申请号：CN202211162760.3
申请日：2022-09-23
Applicant: 西南交通大学
IPC: B60L5/32 , B60L5/28 , G06F18/214
Abstract: 本发明公开了一种基于深度强化学习的列车受电弓智能控制方法，具体为：信息采集单元获取受电弓状态信息、列车运行信息和接触网信息；建立控制器控制动作与接触网交互样本数据集；基于所建立的交互样本数据集采用确定性策略梯度DDPG深度强化学习网络学习最优行为策略；根据最优行为策略作为控制器，将控制器补偿动作输出受电弓气阀板上的精密调压阀从而控制气囊压强。本发明能有效对高铁受电弓的精准、提前控制，保证受电弓和接触网的良好接触，提升列车的受流质量，降低接触部件的磨损、提升服役寿命。
-
公开(公告)号：CN111402215B
公开(公告)日：2022-04-29
申请号：CN202010153833.7
申请日：2020-03-07
Applicant: 西南交通大学
Abstract: 本发明公开一种基于鲁棒主成分分析法的接触网绝缘子状态检测方法，根据采集的接触网支撑及悬挂装置图像建立绝缘子样本数据集，并采用Mask‑RCNN卷积神经网络进行目标检测与分割，从而定位出图像中绝缘子的位置并分割；根据定位结果计算绝缘子最小外接矩，检测倾斜角度，根据倾斜角度旋转获取的图片，得到水平绝缘子图像；对采集到的绝缘子图像进行逐片裁剪，得到单个固定视角的绝缘子片数据集；对固定视角的绝缘子片数据集进行前景与背景分割；通过灰度共生矩阵对分离出的前景进行纹理特征提取，采用能量和熵来提取图像的纹理特征，并根据其是否正相关进行加权求和，并设置阈值识别绝缘子状态。本发明实现了绝缘子残缺及污垢等不良状态的检测与快速定位。
-
公开(公告)号：CN111462045A
公开(公告)日：2020-07-28
申请号：CN202010150298.X
申请日：2020-03-06
Applicant: 西南交通大学
Abstract: 本发明公开了一种悬链支撑组件缺陷的检测方法，一种悬链支撑组件缺陷的检测方法，包括以下步骤：步骤1：构建接触网承力索底座和斜拉线钩的数据集；步骤2：采用Faster RCNN卷积神经网络进行目标定位，得到接触网承力索底座和斜拉线钩的定位结果；步骤3：根据定位结果和接触网承力索底座和斜拉线钩的结构信息，得到斜拉线所在候选区域图像；步骤4：利用霍夫变换，对斜拉线候选区域图像进行定位，得到斜拉线的定位结果，根据直线检测结果，进行斜拉线松动缺陷检测；步骤5：根据图像处理方法和检测结果，对承力索底座进行安装缺陷检测；本发明提高了部件检测效率和精度，能够有效检测斜拉线是否发生松动故障，检测效率较高，简化了故障检测的难度。
-
公开(公告)号：CN111402215A
公开(公告)日：2020-07-10
申请号：CN202010153833.7
申请日：2020-03-07
Applicant: 西南交通大学
Abstract: 本发明公开一种基于鲁棒主成分分析法的接触网绝缘子状态检测方法，根据采集的接触网支撑及悬挂装置图像建立绝缘子样本数据集，并采用Mask-RCNN卷积神经网络进行目标检测与分割，从而定位出图像中绝缘子的位置并分割；根据定位结果计算绝缘子最小外接矩，检测倾斜角度，根据倾斜角度旋转获取的图片，得到水平绝缘子图像；对采集到的绝缘子图像进行逐片裁剪，得到单个固定视角的绝缘子片数据集；对固定视角的绝缘子片数据集进行前景与背景分割；通过灰度共生矩阵对分离出的前景进行纹理特征提取，采用能量和熵来提取图像的纹理特征，并根据其是否正相关进行加权求和，并设置阈值识别绝缘子状态。本发明实现了绝缘子残缺及污垢等不良状态的检测与快速定位。
-
公开(公告)号：CN111383273A
公开(公告)日：2020-07-07
申请号：CN202010153837.5
申请日：2020-03-07
Applicant: 西南交通大学
Abstract: 本发明公开一种基于改进结构推理网络的高铁接触网零部件定位方法，首先对高速铁路接触网支撑及悬挂装置进行图像采集；再根据采集到的图像建立接触网支撑及悬挂装置的样本数据集；最后将数据集划分为训练集和测试集，训练好结构推理网络后，利用结构推理网络对接触网零部件进行精确快速定位。本发明能够高效快速定位接触网各零部件，网络模型当中的结构推理网络融合了目标自身信息和目标之间的位置关系信息以及场景信息，并以此进行信息的迭代传播；考虑了接触网零部件大小差异太大，使用第二次池化后特征层输入ROI池化层，能够精确定位顶紧螺栓等细小零部件。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.029 seconds)
