专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明授权

CN116090111B 一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法有权
公开(公告)号：CN116090111B
公开(公告)日：2023-06-23
申请号：CN202310369801.4
申请日：2023-04-10
申请人：华东交通大学
发明人：赵军辉 , 陈为欢 , 廖龙霞 , 张青苗 , 邹丹 , 葛平政 , 占晓煌
IPC分类号： G06F30/15 , G06F30/23 , G06F30/27 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F111/10 , G06F111/04 , G06F119/14 , G06F119/04
摘要：本发明提供一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法，包括：基于钢板弹簧搭建有限元数字孪生模型；对有限元数字孪生模型进行载荷施加，获取有限元数字孪生模型上每个网格单元的模拟时变应力；以标定长度的时间窗口对模拟时变应力优化处理，生成训练数据集；通过长短期记忆单元及感知机构建DRNN神经网络架构；通过训练数据集训练DRNN神经网络架构；在钢板弹簧进行底盘性能调校时，获取实际时变应力组。在底盘性能调校中参数变化时获取实际时变应力组，以其测算钢板弹簧上全部网格单元的实际时变应力，并计算疲劳寿命，缩短了开发周期，降低生产成本。

2. 发明公开

CN112367638A 城市轨道交通车车通信智能频谱选择方法无效
公开(公告)号：CN112367638A
公开(公告)日：2021-02-12
申请号：CN202110032707.0
申请日：2021-01-12
申请人：华东交通大学
发明人：赵军辉 , 陈垚 , 张青苗 , 廖龙霞 , 周天清
IPC分类号： H04W4/42 , H04W4/46 , H04W16/14 , H04W72/04 , H04W72/08
摘要：本发明提供一种城市轨道交通车车通信智能频谱选择方法，本发明在现有的研究基础上，提出一种新的频谱选择方案，旨在降低不同通信模式的列车之间产生的干扰对整个通信系统带来的影响，并在传统多智能体强化学习算法的基础上创新的引入多智能体低维指纹，大大降低Q函数的维数，从而提高学习的稳定性。该智能频谱选择方案通过使当前智能体学习列车运行环境以及其他智能体决策方案，决定适合自己的通信频谱以及发射功率，从而降低频谱复用产生的干扰对系统带来的影响。本发明可以应用在城市轨道交通列车到列车通信的环境中，具有较强的实用性。

3. 发明公开

CN116842663A 一种基于机器学习的汽车板簧非线性时变应力值测量方法有权
公开(公告)号：CN116842663A
公开(公告)日：2023-10-03
申请号：CN202311108756.3
申请日：2023-08-31
申请人：华东交通大学
发明人：赵军辉 , 陈为欢 , 黄晖 , 廖龙霞 , 余显忠 , 熊伟 , 曾建邦 , 张青苗 , 占晓煌 , 葛平政
IPC分类号： G06F30/17 , G06F30/15 , G06F30/27 , G06N3/048 , G06F119/04 , G06F119/14
摘要：本发明提供一种基于机器学习的汽车板簧非线性时变应力值测量方法，包括：对整车进行虚拟数字样机的搭建，将整车的实测道路载荷施加于虚拟数字样机，以获取测试板簧的板簧座处的载荷数据集；自载荷数据集内确定测试板簧的板簧座处的最大垂向时变载荷及最小垂向时变载荷；构建与测试板簧对应的孪生模型，基于最大垂向时变载荷、最小垂向时变载荷获取第一原始训练数据集；构建若干ANN深度神经网络，训练后的ANN深度神经网络用于根据输入的随机时变载荷及随机扭矩生成板簧上全部网格单元的不同的时变应力值。以此方法可考虑各种非线性因素，高速度、高精度的获取非线性时变应力值。

4. 发明授权

CN116839783B 一种基于机器学习的汽车板簧受力值及变形量的测量方法有权
公开(公告)号：CN116839783B
公开(公告)日：2023-12-08
申请号：CN202311118723.7
申请日：2023-09-01
申请人：华东交通大学
发明人：赵军辉 , 陈为欢 , 黄晖 , 廖龙霞 , 余显忠 , 熊伟 , 曾建邦 , 张青苗 , 占晓煌 , 葛平政
IPC分类号： G01L5/00 , G01B21/32 , G01M17/007 , G06F30/27 , G06F30/23 , G06N3/048 , G06N3/084 , G06F119/14
摘要：本发明提供一种基于机器学习的汽车板簧受力值及变形量的测量方法，包括：获取测试板簧于满载垂向载荷及最大纵向载荷；构建测试板簧的数字孪生板簧模型，基于数字孪生板簧模型确定用于张贴应变片的贴片位置；对张贴应变片的测试板簧进行台架测试，以获取待用集；构建初始神经网络模型，对待用集进行归一化处理，通过归一化处理后的待用集训练初始神经网络模型，以获取最终神经网络模型；将应变片张贴至待测板簧的贴片位置，并对安装待测板簧的整车进行道路载荷测试，以获取实际应变值，进而通过最终神经网络模型确定待测板簧的受力值及变形量。以此方法，无需使用传感器，规避了传(56)对比文件CN 116579209 A,2023.08.11CN 201537687 U,2010.08.04CN 210116420 U,2020.02.28CN 213543745 U,2021.06.25FI 941153 A0,1994.03.10JP 2002228515 A,2002.08.14KR 20010010575 A,2001.02.15KR 20120085136 A,2012.07.31US 2022196459 A1,2022.06.23WO 2023115596 A1,2023.06.29钱琛.某轻型客车复合材料板簧关键特性建模与性能优化.中国博士学位论文全文数据库（电子期刊）工程科技II辑.2021,(第1期),全文.Moon, ID等.A flexible multi-bodydynamic model for analyzing thehysteretic characteristics and thedynamic stress of a taper leafspring.JOURNAL OF MECHANICAL SCIENCE ANDTECHNOLOGY.2006,第20卷(第10期),全文.Dixit, N.等.Enhanced SAE 3 link LeafSpring Model to Generate DurabilityVirtual Loads. SAE Technical Papers.2023,全文.张秋峰;刘夫云;杨超;王秋花;赵亮亮;吴鹏兴.载货汽车的板簧刚度验证与平顺性仿真分析.噪声与振动控制.2020,(第01期),全文.韩为铎;卢剑伟;莫家奇.非线性渐变刚度钢板弹簧疲劳分析载荷谱编制方法.振动与冲击.2017,(第06期),全文.贾慧利.基于道路载荷谱的汽车后减振器座失效研究.西安文理学院学报(自然科学版).2016,(第02期),全文.

5. 发明公开

CN112788563A 轨道交通车车通信中通信模式选择与资源分配方法有权
公开(公告)号：CN112788563A
公开(公告)日：2021-05-11
申请号：CN202110035299.4
申请日：2021-01-12
申请人：华东交通大学
发明人：赵军辉 , 陈垚 , 张青苗 , 邹丹 , 周天清
IPC分类号： H04W4/42 , H04W4/44 , H04W4/46 , H04W52/24 , H04W52/26 , H04W72/08
摘要：本发明提供一种轨道交通车车通信中通信模式选择与资源分配方法，本发明考虑了T2G通信模式与T2T通信模式共存情况下的联合通信模式选择和资源分配，使列车能够自适应地选择具有更好通信质量的通信模式，使列车能够在满足QoS要求的条件下自适应的选择通信模式，以确保每辆列车均在最佳信噪比下运行，本发明在通信模式选择的基础上，提出了一种基于拉格朗日对偶函数法的资源分配算法，通过该算法可获得列车在不同通信模式下的最优发射功率。此外，通过仿真结果表明，相比于其它资源分配算法，本发明提供的方法能明显提升系统的信道容量。

6. 发明授权

CN112383932B 基于分簇的用户关联和资源分配联合优化方法有权
公开(公告)号：CN112383932B
公开(公告)日：2021-04-09
申请号：CN202110032789.9
申请日：2021-01-12
申请人：华东交通大学
发明人：赵军辉 , 朱琳 , 张青苗 , 邹丹 , 周天清
IPC分类号： H04W24/02 , H04W24/06 , H04W40/32
摘要：本发明提供一种基于分簇的用户关联和资源分配联合优化方法，该方法包括：步骤一，构建基于控制平面和用户平面分离的B5G超密集网络架构；步骤二：制定基于分簇的用户关联、子信道分配和功率协调的网络能效优化方案；步骤三：提出基于分簇的用户关联、子信道分配和功率协调联合优化算法，该算法采用交替优化的方法，依次制定用户关联方案、子信道分配方案、功率协调方案。本发明能够降低基于CUPS的B5G超密集网络中同层干扰，从而提高能效。

7. 发明授权

CN116709428B 一种基于移动边缘计算的计算卸载方法及系统有权
公开(公告)号：CN116709428B
公开(公告)日：2023-11-24
申请号：CN202310973145.9
申请日：2023-08-04
申请人：华东交通大学
发明人：赵军辉 , 葛平政 , 张青苗 , 廖龙霞
IPC分类号： H04W28/08 , H01Q9/04 , H01Q1/36 , H01Q1/22 , H04W28/084 , H04W16/22 , H04W4/44
摘要：本发明提供一种基于移动边缘计算的计算卸载方法及系统，该方法包括以下步骤：首先，建立系统的能量收集模型，得到吸能装置获取的总能量；其次，建立计算卸载模型，得到本地计算和边缘服务器计算的总时延以及总能耗，并以时延和能耗为约束条件获得任务成功率；接着，根据时延、剩余能量和任务成功率建立体验质量模型；最后，采用双延迟深度确定性策略梯度算法解决模型中的优化问题，以提高卸载决策的准确性。该方法通过建立射频能量收集模型及计算卸载模型，并联合时延、剩余能量和任务成功率建立体验质量模型，并基于双延迟深度确定性策略(56)对比文件单运.面向输电线路巡检的多无人机任务卸载策略研究《.中国硕士学位论文全文数据库》.2023,全文.Junhui Zhao.A TP-DDPG Algorithm Basedon Cache Assistance for Task Offloadingin Urban Rail Transit《.IEEE》.2023,全文.Han Hu.Energy Efficiency and DelayTradeoff in an MEC-Enabled Mobile IoTNetwork《.IEEE》.2022,全文.卢海峰；顾春华；罗飞；丁炜超；杨婷；郑帅.基于深度强化学习的移动边缘计算任务卸载研究.计算机研究与发展.2020,(07),全文.

8. 发明公开

CN116090111A 一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法有权
公开(公告)号：CN116090111A
公开(公告)日：2023-05-09
申请号：CN202310369801.4
申请日：2023-04-10
申请人：华东交通大学
发明人：赵军辉 , 陈为欢 , 廖龙霞 , 张青苗 , 邹丹 , 葛平政 , 占晓煌
IPC分类号： G06F30/15 , G06F30/23 , G06F30/27 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F111/10 , G06F111/04 , G06F119/14 , G06F119/04
摘要：本发明提供一种基于深度学习模型的汽车钢板弹簧疲劳寿命预测方法，包括：基于钢板弹簧搭建有限元数字孪生模型；对有限元数字孪生模型进行载荷施加，获取有限元数字孪生模型上每个网格单元的模拟时变应力；以标定长度的时间窗口对模拟时变应力优化处理，生成训练数据集；通过长短期记忆单元及感知机构建DRNN神经网络架构；通过训练数据集训练DRNN神经网络架构；在钢板弹簧进行底盘性能调校时，获取实际时变应力组。在底盘性能调校中参数变化时获取实际时变应力组，以其测算钢板弹簧上全部网格单元的实际时变应力，并计算疲劳寿命，缩短了开发周期，降低生产成本。

9. 发明授权

CN112788563B 轨道交通车车通信中通信模式选择与资源分配方法有权
公开(公告)号：CN112788563B
公开(公告)日：2022-10-28
申请号：CN202110035299.4
申请日：2021-01-12
申请人：华东交通大学
发明人：赵军辉 , 陈垚 , 张青苗 , 邹丹 , 周天清
IPC分类号： H04W4/42 , H04W4/44 , H04W4/46 , H04W52/24 , H04W52/26 , H04W72/08
摘要：本发明提供一种轨道交通车车通信中通信模式选择与资源分配方法，本发明考虑了T2G通信模式与T2T通信模式共存情况下的联合通信模式选择和资源分配，使列车能够自适应地选择具有更好通信质量的通信模式，使列车能够在满足QoS要求的条件下自适应的选择通信模式，以确保每辆列车均在最佳信噪比下运行，本发明在通信模式选择的基础上，提出了一种基于拉格朗日对偶函数法的资源分配算法，通过该算法可获得列车在不同通信模式下的最优发射功率。此外，通过仿真结果表明，相比于其它资源分配算法，本发明提供的方法能明显提升系统的信道容量。

10. 发明授权

CN114650515B 一种应用于车联网的移动边缘计算服务动态迁移方法有权
公开(公告)号：CN114650515B
公开(公告)日：2022-08-26
申请号：CN202210517134.5
申请日：2022-05-13
申请人：华东交通大学
发明人：赵军辉 , 邓宇 , 张青苗 , 邹丹 , 廖龙霞
IPC分类号： H04W4/40 , H04W72/08 , H04L67/1001 , H04L67/12
摘要：本发明提供了一种应用于车联网的移动边缘计算服务动态迁移方法，根据该方法，当智能网联车辆在服务接续里程内行驶并穿越边缘服务片区时，会通过智能网联车辆的行为数据，计算智能网联车辆在多个路边单元中的目标路边单元能够获得的服务质量，并采用基于强化学习的移动边缘计算服务动态迁移方法判断服务迁移的必要性，当智能网联车辆在目标路边单元能够获得的服务质量更优，则确定服务需要迁移，并选取目标路边单元作为边缘节点，以通过目标路边单元为智能网联车辆提供服务，通过上述步骤能够使智能网联车辆的每一次服务迁移都满足服务质量更优，从而能够有效降低迁移发生时的时延抖动对服务质量的影响。

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式