一种基于深度学习的矿内货运列车行驶方向判断方法
摘要文本
本发明涉及列车驾驶技术领域，尤其涉及一种基于深度学习的矿内货运列车行驶方向判断方法，该方法包括：获取列车的第一预测位置和第二预测位置，然后对第一预测位置和第二预测位置加权求和，获取最终预测位置，依据最终预测位置生成预测轨迹，对预测轨迹修正后获取最终预测轨迹，从而确定列车的行驶方向。本发明具备第一预测位置和第二预测位置的初次校正，并且依据校正后的最终预测位置生成预测轨迹，再获得最终预测轨迹时，还对预测轨迹进行了校正，多角度的预测信息校正有效保证了最终预测轨迹的可取性，提高了对矿内货运列车的行驶方向进行获取的准确性。 来自
申请人信息
- 申请人:山西阳光三极科技股份有限公司
- 申请人地址:030000 山西省太原市山西综改示范区太原潇河园区大昌路69号1幢11层
- 发明人: 山西阳光三极科技股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的矿内货运列车行驶方向判断方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410216849.6 |
| 申请日 | 2024/2/28 |
| 公告号 | CN117775078A |
| 公开日 | 2024/3/29 |
| IPC主分类号 | B61L25/02 |
| 权利人 | 山西阳光三极科技股份有限公司 |
| 发明人 | 杨静; 裴立军; 张付岗; 王栋; 崔海娥 |
| 地址 | 山西省太原市山西综改示范区太原潇河园区大昌路69号1幢11层 |
专利主权项内容
1.一种基于深度学习的矿内货运列车行驶方向判断方法，其特征在于：采集列车运行数据集对预设的神经网络模型进行训练，获得训练好的神经网络预测模型，所述列车运行数据集包括列车的速度数据、加速度数据和运行轨迹数据；使用所述神经网络预测模型预测所述列车在下一时刻的位置作为第一预测位置；基于所述列车运行数据集，使用加速度公式计算所述列车在下一时刻的位置作为第二预测位置；对所述第一预测位置和所述第二预测位置进行加权求和以获取所述列车在下一时刻的最终预测位置；所述第一预测位置的权重计算满足关系式：其中，为列车在第/>时刻下的第一预测位置的权重；/>为所述第一预测位置对应的神经网络模型输出的置信度；/>为第/>时刻下获取的第一预测位置和第二预测位置之间的欧式距离值；/>为第/>时刻下的第一预测位置的平滑程度值；第二预测位置的权重计算满足关系式：其中，为第/>时刻下第二预测位置的权重；/>为第/>时刻下第二预测位置的平滑程度值；基于所述最终预测位置确定所述列车行驶的预测轨迹，并对所述预测轨迹进行修正，获得最终预测轨迹；将列车在所述最终预测轨迹上已行驶的轨迹与预设的离线版轨迹进行对比，获取列车的实时运行位置；基于所述列车的实时运行位置和所述最终预测位置确定所述列车的实时行驶方向。 （来源 ）