|
搜索
搜 索
高等教育领域数字化综合服务平台
一种列车卫星定位与信息传输系统
本发明公开了一种列车卫星定位与信息传输系统，适用于列车定位和信息传输。包括： 1.定位子系统，用于输出经纬度定位坐标； 2. 地图匹配子系统，将定位输出匹配到数字地图； 3.数据记录子系统，用于将数据以文件格式记录在Secure Digital存储卡里； 4.通信子系统，用于自动检测三种通信信道的可用性，进行三种通信方式切换； 5.主理器，完成数据处理和数据交换。 这种列车卫星定位与信息传输系统用于列车定位及监控，通过卫星通信、卫星组合定位、以及全线覆盖通信系统，解决低密度铁路线路的通信、指挥调度、遇险处理、监控监测等问题。
北京交通大学
2021-04-13
列车驾驶员疲劳监测预警系统
本系统首先通过摄像头设备采集视频图像，然后对图像进行实时处理快速定位驾驶员脸部，进而准确地进行驾驶员眼部定位、跟踪，通过记录驾驶员眼睛开闭状态曲线判定驾驶员疲劳状况，最后对一定时间内眼睛缓慢闭合所占时间比例满足疲劳上限的驾驶员进行预警。 技术创新点为采用主动人眼定位、跟踪方式进行列车驾驶员疲劳检测，在不干扰驾驶员正常工作的情况下对疲劳驾驶员发出预警。 同类技术多采用让驾驶员定时按动按钮等操作性设置来检验驾驶员是否疲劳，在一定程度上会干扰驾驶员的正常工作。能为列车驾驶安全提供一项保障。应用范围： 所有列车及公共交通工具。
北京交通大学
2021-04-13
高速移动场景下列车轨道安全自主感知系统
本项目搭建一套基于深度学习技术的列车轨道安全自主感知系统，利用摄像头，激光雷达毫米波雷达等多传感器，通过多传感器融合和物体检测技术，对轨道安全进行监测感知。通过视觉目标检测，实现激光雷达点云数据处理和多传感器数据整合。
北京交通大学
2023-05-08
高速列车制动盘的制动噪声试验台
本发明涉及一种高速列车制动盘的制动噪声试验台，其组成是：底座左侧的变频电机输出轴依次通过电磁离合器、飞轮轴、扭矩传感器与制动轴相连；制动轴的右端连接制动盘，飞轮轴上固定有飞轮组；底座右侧有可前后移动的滑台，滑台右侧安装气缸；气缸左端输出轴依次经弹簧、压电式单向力传感器、导杆与夹持制动闸片的夹具连接；导杆中部由直线轴承支撑在滑台上；夹具侧面安装三维加速度传感；制动闸片左面与制动盘右面相对；声音传感器的感应端位于制动盘附近；变频电机、电磁离合器、气缸与控制系统电连接。它能模拟高速列车制动盘的制动工况，进行制动噪声试验，找出制动工况、制动材料与制动噪声之间的关系，为减少高速列车制动盘的制动噪声提供试验依据。
西南交通大学
2018-09-19
一种高速列车轮对的建模方法
本发明提供了一种高速列车轮对的建模方法，涉及高速列车的数字化设计与制造技术领域。模型的信息集成和管理对缩短响应市场时间、提高设计效率是企业希望解决的问题。通过对所述各元参数的分析和提取，构建高速列车轮对的各元参数设计模型；利用矢量阵列对高速列车轮对的各元参数设计模型进行描述，包括以下四个步骤：各元参数初始化、各元参数数组序列化、关系元参数转化为关系矩阵、环状多边形矢量阵列描述：结合高速列车轮对的各元参数设计模型的矢量化和阵列化描述，采用环状多边形数据结构构造高速列车轮对的矢量阵列；层级对象之间通过关系元参数将各个环状多边形矢量阵列形成高速列车轮对的矢量阵列描述。主要用于高速列车设计的建模。
西南交通大学
2018-09-19
时速380公里高速列车转向架轴箱
本成果为高速列车关键传动零部件，完成样件研制和服役性能评价，达到进口样件性能参数，掌握全套设计、加工、制造、检测技术规范。
西南交通大学
2016-06-28
时速250公里高速列车铝合金牵引梁
本成果为高速列车关键传动零部件，完成样件研制和服役性能评价，达到进口样件性能参数，掌握全套设计、加工、制造、检测技术规范。
西南交通大学
2016-06-28
设计管理与色彩管理
北京工业大学
2021-04-14
人才需求： 财务管理、销售管理、生产管理、技术研发管理
1. 财务管理：熟悉现代企业财务管理方法并能熟练应用，梳理财务内部管理制度，建立并完善成本管理、预算管理，协调公司财务资源和业务规划等；2. 销售管理：建设强有力的业务销售团队，制定年度销售目标并组织分解落实。，可独立分析市场行情和行业动向，及时掌握最新的销售动态，为公司营销策略及新产品研发提供依据。3.生产管理：制定生产部各个科室合理有效的人员结构，使每个科室每个人员的潜能都能得到最大化的发挥；根据业务需求作出合理产能规划并合理安排生产，确保计划达成；制定作业标准，确保工人按标准作业；改善工艺，并在内部形成奖励机制，以提高作业效率；做好生产成本管理。4.技术研发管理在线材制品领域具有一定的理论基础和技术工作经验。
山东鑫大地控股集团有限公司
2021-08-27
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12