-
公开(公告)号：CN112084035A
公开(公告)日：2020-12-15
申请号：CN202010993439.4
申请日：2020-09-21
申请人： 西安理工大学
摘要： 本发明涉及一种基于蚁群算法的任务调度方法及系统，方法包括：确定虚拟机执行任务的成本约束函数以及时间约束函数；根据所述成本约束函数以及所述时间约束函数构建目标函数；初始化蚁群算法的参数，确定改进后的蚁群算法；根据所述改进后的蚁群算法计算所述目标函数的最优解，所述最优解表示任务调度结果。本发明通过构造任务成本与时间的约束函数，再通过改进的蚁群算法计算其最优解，可以快速、准确的进行任务调度。
-
公开(公告)号：CN114510993A
公开(公告)日：2022-05-17
申请号：CN202111626652.2
申请日：2021-12-28
申请人： 西安理工大学
摘要： 本发明公开了基于SA‑GRU的高速列车节能驾驶策略，首先需要将初始运行时数据进行预处理，然后将处理后的数据根据制动手柄级位进行分类，采用欠采样法对数据集进行随机采样，得到均衡数据集，经过多重特征选择去除均衡数据集中的冗余特征得到训练集，最后将经过多重特征选择之后的训练集输入SA‑GRU分类模型中对分类模型进行训练。测试集选择一条包含所有制动手柄级位的路线，将数据进行和训练集一样的处理后，输入训练好的模型对其制动手柄级位进行预测，经过反复训练以及优化，最终得到节能策略。在今后的列车驾驶中可以使用本发明中的策略，不仅达到了节能的效果，而且成本低，符合国家对高速列车节能驾驶的要求。
-
公开(公告)号：CN113806857A
公开(公告)日：2021-12-17
申请号：CN202110940994.5
申请日：2021-08-17
申请人： 西安理工大学
IPC分类号： G06F30/15 , G06F30/27 , G06F119/06
摘要： 本发明公开了一种基于变分图自编码器的高速列车节能制动方法，具体为：根据高速列车真实运行下司机制动操作与牵引能源消耗问题的描述，建立隐式图，从而得到高速列车节能制动的多分类图结构模型；对高速列车控制系统获取的人工驾驶真实数据进行预处理；模型训练集和验证集的选取与构建；制动分类模型训练求解及策略的调整。本发明的方法能够根据高速列车的运行状态确定制动施加时间和具体操作的制动手柄类型，优化司机的制动手柄控制操作从而达到节能的目标，并填补了图神经网络相关方法在高速列车优化控制中的空缺。
-
公开(公告)号：CN113377733A
公开(公告)日：2021-09-10
申请号：CN202110644122.4
申请日：2021-06-09
申请人： 西安理工大学
IPC分类号： G06F16/18 , G06F16/182 , G06F16/172 , G06F16/16
摘要： 本发明公开了一种针对Hadoop分布式文件系统的存储优化方法，具体为：首先，选取INFO级别日志文件，所选取的日志文件包含具体执行时间戳和文件名信息，获取INFO级别日志文件的访问记录和删除记录；将IFNO级别日志中所有包含关键词的信息提取并整理，再按照时间戳进行排序并编号；之后确定特征标签，选取特征，构建特征向量，形成训练文件淘汰模型的样本集；选择特征向量的三个特征值依次作为决策树的三个分类节点，采用ID3算法建立决策树，并由决策树构建文件淘汰模型；最后，使用建立的文件淘汰模型，预测文件可复用性。本发明的方法，优化分布式文件系统的存储效率，减小数据存储规模，提HDFS的存储效率。
-
公开(公告)号：CN112084035B
公开(公告)日：2024-04-30
申请号：CN202010993439.4
申请日：2020-09-21
申请人： 西安理工大学
摘要： 本发明涉及一种基于蚁群算法的任务调度方法及系统，方法包括：确定虚拟机执行任务的成本约束函数以及时间约束函数；根据所述成本约束函数以及所述时间约束函数构建目标函数；初始化蚁群算法的参数，确定改进后的蚁群算法；根据所述改进后的蚁群算法计算所述目标函数的最优解，所述最优解表示任务调度结果。本发明通过构造任务成本与时间的约束函数，再通过改进的蚁群算法计算其最优解，可以快速、准确的进行任务调度。
-
公开(公告)号：CN113377733B
公开(公告)日：2022-12-27
申请号：CN202110644122.4
申请日：2021-06-09
申请人： 西安理工大学
IPC分类号： G06F16/18 , G06F16/182 , G06F16/172 , G06F16/16
摘要： 本发明公开了一种针对Hadoop分布式文件系统的存储优化方法，具体为：首先，选取INFO级别日志文件，所选取的日志文件包含具体执行时间戳和文件名信息，获取INFO级别日志文件的访问记录和删除记录；将IFNO级别日志中所有包含关键词的信息提取并整理，再按照时间戳进行排序并编号；之后确定特征标签，选取特征，构建特征向量，形成训练文件淘汰模型的样本集；选择特征向量的三个特征值依次作为决策树的三个分类节点，采用ID3算法建立决策树，并由决策树构建文件淘汰模型；最后，使用建立的文件淘汰模型，预测文件可复用性。本发明的方法，优化分布式文件系统的存储效率，减小数据存储规模，提HDFS的存储效率。
-
公开(公告)号：CN114897065A
公开(公告)日：2022-08-12
申请号：CN202210489408.4
申请日：2022-05-06
申请人： 西安理工大学
摘要： 本发明公开了基于单元与多元融合预测模型的高速列车节能驾驶策略，首先需要将原始数据根据操作手柄级位进行分类，采用欠采样法对数据集进行随机采样，得到均衡数据集，经过基于梯度提升算法的包裹式特征选择算法去除均衡数据集中的冗余特征得到训练集，最后将经过特征选择之后的训练集输入单元与多元融合预测模型中对其进行训练。测试集选择一条包含所有操作手柄级位的路线，将数据进行和训练集一样的处理后，输入训练好的模型对其操作手柄级位进行预测，经过反复训练以及优化，最终得到节能策略。在今后的列车驾驶中可以使用本发明中的策略，不仅达到了节能的效果，而且成本低，符合国家对高速列车驾驶的要求。
-
公开(公告)号：CN115481672A
公开(公告)日：2022-12-16
申请号：CN202210489409.9
申请日：2022-05-06
申请人： 西安理工大学
摘要： 本发明公开了基于数据扩充与曲线相似度的道岔故障诊断方法，具体为：对道岔功率数据进行预处理、归一化；使用DBSCAN聚类算法挖掘未知故障类型，对故障类型进行标注；使用生成对抗网络扩充样本数据；使用BP神经网络将每种类别扩充后的数据拟合为一条模板曲线；根据动态时间规划算法计算待测数据与模板数据之间的相似程度，以此为标准判断待测数据所发生的故障类型。根据使用生成对抗网络与动态时间规划算法的思想，设计出了基于数据扩充与曲线相似度的道岔故障诊断方法，该方法省去了建立繁琐的深度学习模型和训练模型的过程，判断方法简单，诊断精度高，这表明通过判断曲线相似度进行道岔系统的故障诊断在实际应用中有着非常良好的效果。
-
公开(公告)号：CN110490367A
公开(公告)日：2019-11-22
申请号：CN201910636902.7
申请日：2019-07-15
申请人： 西安理工大学
摘要： 本发明公开的基于极大值原理的高速列车自动驾驶节能优化方法，首先根据高速列车的运行过程中的力学特征和运动学特征，建立高速列车的运行模型，从而得到高速列车节能运行的优化函数；其次根据庞德利亚金极大值原理，构造哈密尔顿函数，并进行分析求解分析高速列车节能运行的驾驶策略；然后，根据列车的牵引特性曲线、动力学方程和驾驶策略，计算高速列车的运行时间；最后，将得到的时间与标准时间比较，若大于标准时间，则适当增加巡航时间，反之则增加惰性时间，直到运行总时间达到标准时间的范围内，输出能耗值，实现高速列车节能自动驾驶。本发明公开的方法能够在保证精准停车，准时以及舒适的前提下达到节能优化的目的。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.023 秒)
