CN112883078B - 基于dtw与最小二乘估计的轨道动态检查历史数据匹配方法 - Google Patents
基于dtw与最小二乘估计的轨道动态检查历史数据匹配方法 Download PDFInfo
- Publication number
- CN112883078B CN112883078B CN202110167673.6A CN202110167673A CN112883078B CN 112883078 B CN112883078 B CN 112883078B CN 202110167673 A CN202110167673 A CN 202110167673A CN 112883078 B CN112883078 B CN 112883078B
- Authority
- CN
- China
- Prior art keywords
- mileage
- dynamic
- matching
- dtw
- inspection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种基于DTW与最小二乘估计的轨道动态检查历史数据匹配方法,包括:选择[t0,tend]里程范围的当前动态检查数据作为查询序列Q,将同里程[t0,tend]范围的同名既往动态检查数据作为匹配序列C;利用DTW算法计算Q和C规整路径P,并由P采用最小二乘估计计算里程偏移量δ,按[t0‑δ,tend‑δ]重新选择查询序列Q,重复这一过程,直至相邻两次里程偏移量δ之差小于预设值;再次利用DTW算法计算Q和C规整路径Pbest,即轨道动态检查历史数据匹配关系。本发明实现了在动态检查数据存在噪声、异步、偏移、漂移以及里程伸缩条件下多次动态检查数据的匹配,其匹配精度高,匹配速度快,可用于提高轨道动态检查数据的分析的精确性。
Description
技术领域
本发明涉及轨道检测领域,特别是涉及一种基于DTW与最小二乘估计的轨道动态检查历史数据匹配方法。
背景技术
平顺状态评估以及维修保养均以轨道线路检查为前提。我国施行“动态检查为主,动、静态检查相结合”的线路检查原则。然而由于同一里程的动态检查数据在幅值、里程缺乏明确的匹配关系,造成轨道状态评估、病害现场确认以及作业质量回检的困难。更进一步的,如对线路设备进行状态修、预防修,亦依赖于数据的匹配。
匹配是将取自相同或相似的场景或目标的不同数据集中具有相同/相似属性的内容或结构进行数据层面的识别与对齐。匹配的方法一般包括基于区域的方法、基于特征的方法以及点集匹配方法等。关于同一釆样点上轨检车多次动检记录,可采用绝对位置数据如DGPS、RFID等基于特征的方法实现里程匹配,或者采用相对位置数据通过相关函数、灰色关联等基于区域的方法确定动检数据间的匹配关系。绝对位置的采集需要硬件开销;经典的点集匹配方法如欧氏距离只适合于“一对一”的比较,且对时间序列的偏移、振幅变化等敏感。相关技术人员利用轨距数据的相关分析与动态时间规整(Dynamic Time Warping,DTW),实现了多次动检记录的里程修正。但动态时间规整的算法复杂度随匹配范围扩大将呈指数增加;采用相关函数确定搜索空间可减小计算量,但相关函数宜度量线性相似性,由于里程轮的滑移/滑转及采样间隔误差,轨距数据间存在非线性。
发明内容
鉴于上述状况,亟需在动态检查数据存在噪声、异步、偏移、漂移以及伸缩条件下,寻求一种方法,可实现同里程历史数据的精确、快速的匹配。
一种基于DTW与最小二乘估计的历史数据匹配方法,包括:
选择[t0,tend]里程范围的当前动态检查数据作为查询序列Q,将同里程[t0,tend]范围的同名既往动态检查数据作为匹配序列C;
利用动态时间规整算法(DTW)计算Q和C规整路径P,并由规整路径P采用最小二乘估计计算里程偏移量δ,按[t0-δ,tend-δ]重新选择查询序列Q,重复这一过程,直至相邻两次里程偏移量δ之差小于预设值;
再次利用动态时间规整算法(DTW)计算Q和C匹配路径Pbest,即轨道动态检查历史数据匹配关系。
进一步的,上述基于动态时间规整与最小二乘估计的轨道动态检查历史数据匹配方法,其中所述动态时间规整算法步骤包括:
计算两个序列间的距离矩阵D:
d(i,j)=||qi-cj||w
其中,i为查询序列Q索引,i=1,2…,n;j为匹配序列C索引,j=1,2,…,m。当w=1时,为曼哈顿距离;w=2时,为欧氏距离;
在D中采用动态规划方法寻找规整路径P:
P={p1,p2,...,pk,...,pK}
其中pk表示规整路径位置,即pk=(i,j)k表示qi与cj之间的匹配关系;
采用动态规划的思想确定规整路径位置pk,计算DTW距离时需构造代价矩阵,矩阵元素γ(i,j)定义为
计算Q和C的动态时间规整距离DTW(Q,C)应使得累积距离值最小。动态时间规整距离计算如下式
进一步的,上述基于动态时间规整与最小二乘估计的轨道动态检查历史数据匹配方法,其中,所述规整路径P,依据动态检查采样间隔0.25m,规整路径P中Q的数据索引i与C的数据索引j应呈线性关系
j=αi+Δ
其中,α为斜率,α≈1.0;Δ为截距,α与Δ采用最小二乘估计计算;里程偏移量δ=Δ×0.25m。
进一步的,上述基于动态时间规整与最小二乘估计的轨道动态检查历史数据匹配方法,其中,所述采用最小二乘估计计算里程偏移量δ,为提高估计精度,可设置相邻两次里程偏移量δ之差小于预设值δtol为循环终止条件,多次修正里程得到。
进一步的,上述基于动态时间规整与最小二乘估计的轨道动态检查历史数据匹配方法,其中,所述轨道动态检查历史数据通过轨道检查车或高速综合检测列车采集。
本发明基于动态时间规整与最小二乘估计实现轨道动态检查历史数据匹配。与现有技术相比,可实现在动态检查数据存在噪声、异步、偏移、漂移以及伸缩条件下的同里程多次动态检查数据的精确、快速的匹配。其匹配精度高,匹配速度快,可用于提高轨道动态检查数据的分析的精确性。
附图说明
图1为本发明第一实施例中的基于动态时间规整与最小二乘估计的轨道动态检查历史数据匹配方法的流程图;
图2为本发明第二实施例中的基于动态时间规整与最小二乘估计的轨道动态检查历史数据匹配方法的流程图;
图3为本发明第二实施例中查询序列Q与匹配序列C数据样本的示意图,其中图3a)为查询序列Q,图3b)为匹配序列C;
图4为本发明第二实施例中在D中采用动态规划方法寻找规整路径P的示意图;
图5为本发明第二实施例中预设δtol=0.0025m时,第1至7次循环计算的里程偏移量δ;
图6为本发明第二实施例中Q和C匹配路径Pbest示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
参照下面的描述和附图,将清楚本发明的实施例的这些和其他方面。在这些描述和附图中,具体公开了本发明的实施例中的一些特定实施方式,来表示实施本发明的实施例的原理的一些方式,但是应当理解,本发明的实施例的范围不受此限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
请参阅图1,为本发明第一实施例中的基于动态时间规整与最小二乘估计的轨道动态检查历史数据匹配方法,该匹配方法应用于轨道动态检查历史数据匹配,以确定历史数据间的里程、幅值关系。该匹配方法包括步骤S11~S13。
步骤S11,选择里程范围[t0,tend],确定查询序列Q与匹配序列C。
里程范围[t0,tend]可综合考虑轨道管理要求和数据匹配效率进行设置,t0和tend分别为起点里程值和终点里程值。具体的,匹配的动态检查历史数据间里程误差范围一般不大于100m。为保证序列间存在重叠且便于之后的里程偏差计算,查询序列与匹配序列的起点里程与终点里程之差tend-t0≥100m,如取tend-t0=1000m。查询序列Q与匹配序列C通过轨道检查车或高速综合检测列车采集。
步骤S12,利用DTW算法计算Q和C规整路径P,并由P采用最小二乘估计计算里程偏移量δ,按[t0-δ,tend-δ]重新选择查询序列Q,重复这一过程,直至相邻两次里程偏移量δ之差小于预设值。
度量距离的大小决定了数据间相似程度,相似性度量方式则决定了度量的效果。DTW系一种基于动态规划的弹性度量。与欧氏距离度量不同,DTW通过将时间序列规整来计算两个时间序列间的相似性,故其对处理存在非等长、偏移或振幅及时间轴的伸缩等问题的时间序列匹配上具有显著的优势。
其中,利用DTW算法计算Q和C规整路径P的步骤包括S121~S122:
步骤S121:将计算查询序列Q与匹配序列C间的距离d(i,j)与距离矩阵D。其中
d(i,j)=||qi-cj||w
式中i为查询序列Q索引,i=1,2…,n;j为匹配序列C索引,j=1,2,…,m。当w=1时,为曼哈顿距离;w=2时,为欧氏距离。得到距离矩阵
步骤S122:在D中采用动态规划方法寻找规整路径
P={p1,p2,...,pk,...,pK}
其中pk表示规整路径位置,即pk=(i,j)k表示qi与cj之间的匹配关系;
具体的,采用动态规划的思想确定规整路径位置pk,计算DTW距离时需构造代价矩阵,矩阵元素γ(i,j)定义为
计算Q和C的动态时间规整距离DTW(Q,C)应使得累积距离值最小。动态时间规整距离计算如下式
里程偏移的存在直接影响匹配精度并间接影响匹配效率。修正里程偏移的步骤包括S123~S124。
步骤S123:由P采用最小二乘估计计算里程偏移量δ,按[t0-δ,tend-δ]重新选择查询序列Q
具体的,依据动态检查采样间隔0.25m,规整路径P中Q的数据索引i与C的数据索引j应呈线性关系
j=αi+Δ
其中,α为斜率,α≈1.0;Δ为截距,α与Δ采用最小二乘估计计算;里程偏移量δ=Δ×0.25m。
具体的,按里程偏移量δ,将原里程范围[t0,tend]修正为[t0-δ,tend-δ]并选择相应的查询序列Q。
步骤S124:重复这一过程,直至相邻两次里程偏移量δ之差小于预设值。
具体的,将修正后查询序列Q与原匹配序列C再次重复步骤S121~S123,并预设δtol为两次里程偏移量δ之差的允差;当相邻两次里程偏移量δ之差小于δtol,循环终止;否则,重复步骤S121~S123。最终得到修正里程偏差的查询序列Q。
步骤S13,再次利用DTW算法计算Q和C匹配路径Pbest,即轨道动态检查历史数据匹配关系。
具体的,将里程修正后的查询序列Q和匹配序列C作为输入,并重复步骤S121-S122,计算动态时间规整距离并确定动态规整路径Pbest,即为匹配路径Pbest,Pbest:即为该路径下索引i与索引j的匹配关系。
本发明实施例基于动态时间规整与最小二乘估计实现轨道动态检查历史数据匹配。与现有技术相比,可实现在动态检查数据存在噪声、异步、偏移、漂移以及伸缩条件下的同里程多次动态检查数据的精确、快速的匹配。其匹配精度高,匹配速度快,可用于提高轨道动态检查数据的分析的精确性。
请参阅图2,为本发明第二实施例中的基于动态时间规整与最小二乘估计的轨道动态检查历史数据匹配方法。该匹配方法包括步骤S21~S23。
步骤S21,选择里程范围[t0,tend],确定查询序列Q与匹配序列C。
具体的,如图3所示,选择里程范围[t0,tend]当前高速综合检测列车动态检查的左高低数据作为查询序列Q(见图3a)),将同里程[t0,tend]范围的高速综合检测列车既往动态检查的左高低数据作为匹配序列C(见图3b))。其中,t0=K1224.200km,tend=K1225.200km。
步骤S22,利用DTW算法计算Q和C规整路径P,并由P采用最小二乘估计计算里程偏移量δ,按[t0-δ,tend-δ]重新选择查询序列Q。
步骤S221:将计算查询序列Q与匹配序列C间的距离d(i,j)与距离矩阵D。其中d(i,j)取欧氏距离
d(i,j)=||qi-cj||2
式中i为查询序列Q索引,i=1,2…,n;j为匹配序列C索引,j=1,2,…,m。得到距离矩阵D
步骤S222:在D中采用动态规划方法寻找规整路径P,如图4所示。
步骤S223:由P采用最小二乘估计计算里程偏移量δ,按[t0-δ,tend-δ]重新选择查询序列Q
估计Δ=172.9.,得里程偏移量δ=43.2m。
具体的,按里程偏移量δ,将原里程范围[K1224.2,K1225.2]修正为[K1224.1568,K1225.1568]并选择相应的查询序列Q。
步骤S224:重复这一过程,直至相邻两次里程偏移量δ之差小于预设值
具体的,见图5,预设δtol=0.00025m,将修正后查询序列Q与原匹配序列C再次重复步骤S121~S123;当迭代7次后相邻两次里程偏移量δ之差小于δtol,循环终止,里程偏移量δ=49.9m。最终查询序列Q量程范围[K1224.1501,K1225.1501]。
步骤S23,再次利用DTW算法计算Q和C匹配路径Pbest,即轨道动态检查历史数据匹配关系。
可以理解的,作为一种可实施的方式,还可将动态检查左、右轨向、右高低以及水平、扭曲和轨距数据组合,构成查询序列与匹配序列,以进一步提到检测精确度。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种基于DTW与最小二乘估计的轨道动态检查历史数据匹配方法,其特征在于,包括:
选择[t0,tend]里程范围的当前动态检查数据作为查询序列Q,将同里程[t0,tend]范围的同名既往动态检查数据作为匹配序列C;
利用动态时间规整算法计算Q和C规整路径P,并由规整路径P采用最小二乘估计计算里程偏移量δ,按[t0-δ,tend-δ]重新选择查询序列Q,重复这一过程,直至相邻两次里程偏移量δ之差小于预设值;
再次利用动态时间规整算法计算Q和C匹配路径Pbest,即轨道动态检查历史数据匹配关系。
2.根据权利要求1所述的基于DTW与最小二乘估计的轨道动态检查历史数据匹配方法,其特征在于,所述动态时间规整算法步骤包括:
计算两个序列间的距离矩阵D;
d(i,j)=||qi-cj||w
其中,i为查询序列Q索引,i=1,2…,n;j为匹配序列C索引,j=1,2,…,m,当w=1时,为曼哈顿距离;w=2时,为欧氏距离;
在D中采用动态规划方法寻找规整路径P:
P={p1,p2,...,pk,...,pK}
其中pk表示规整路径位置,即pk=(i,j)k表示qi与cj之间的匹配关系;
采用动态规划的思想确定规整路径位置pk,计算DTW距离时需构造代价矩阵,矩阵元素γ(i,j)定义为:
计算Q和C的动态时间规整距离DTW(Q,C)应使得累积距离值最小,动态时间规整距离计算如下式:
3.根据权利要求1所述的基于DTW与最小二乘估计的轨道动态检查历史数据匹配方法,其特征在于,所述规整路径P,依据动态检查采样间隔0.25m,规整路径P中Q的数据索引i与C的数据索引j应呈线性关系:
j=αi+Δ
其中,α为斜率,Δ为截距,α与Δ采用最小二乘估计计算,里程偏移量δ=Δ×0.25m。
4.根据权利要求1所述的基于DTW与最小二乘估计的轨道动态检查历史数据匹配方法,其特征在于,所述采用最小二乘估计计算里程偏移量δ的步骤中,设置相邻两次里程偏移量δ之差小于预设值δtol为循环终止条件,通过多次修正里程得到。
5.根据权利要求1所述的基于DTW与最小二乘估计的轨道动态检查历史数据匹配方法,其特征在于,所述轨道动态检查历史数据通过轨道检查车或高速综合检测列车采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110167673.6A CN112883078B (zh) | 2021-02-07 | 2021-02-07 | 基于dtw与最小二乘估计的轨道动态检查历史数据匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110167673.6A CN112883078B (zh) | 2021-02-07 | 2021-02-07 | 基于dtw与最小二乘估计的轨道动态检查历史数据匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883078A CN112883078A (zh) | 2021-06-01 |
CN112883078B true CN112883078B (zh) | 2022-11-15 |
Family
ID=76056011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110167673.6A Active CN112883078B (zh) | 2021-02-07 | 2021-02-07 | 基于dtw与最小二乘估计的轨道动态检查历史数据匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883078B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792371B (zh) * | 2021-09-27 | 2024-01-26 | 江西科技学院 | 基于锁相值的轨道异常匹配的诊断方法 |
CN114459505B (zh) * | 2022-02-22 | 2023-12-26 | 北京交通大学 | 一种基于台账曲线特征点的动检数据绝对里程校准方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103253286A (zh) * | 2013-05-31 | 2013-08-21 | 株洲时代电子技术有限公司 | 一种轨道参数测量方法 |
CN103264711A (zh) * | 2013-05-31 | 2013-08-28 | 株洲时代电子技术有限公司 | 一种轨道参数测量系统 |
CN107179552A (zh) * | 2016-03-11 | 2017-09-19 | 中国石油化工股份有限公司 | 一种基于波形动态匹配的子波拉伸校正处理方法 |
CN109033479A (zh) * | 2018-11-12 | 2018-12-18 | 上海电气泰雷兹交通自动化系统有限公司 | 城市轨道交通互联互通电子地图数据生成系统及方法 |
CN109635867A (zh) * | 2018-12-10 | 2019-04-16 | 合肥工业大学 | 用于度量海洋移动目标轨迹相似性的方法及系统 |
CN109753634A (zh) * | 2018-12-29 | 2019-05-14 | 山东科技大学 | 基于历史数据稳态值的动态系统增益估计方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7177109B2 (en) * | 2004-11-08 | 2007-02-13 | Matsushita Electric Industrial Co., Ltd. | Methods for increasing the usable position error signal (PES) region |
CN100565105C (zh) * | 2008-02-03 | 2009-12-02 | 航天东方红卫星有限公司 | 一种星载tdiccd相机积分时间计算及调整方法 |
US20110230987A1 (en) * | 2010-03-11 | 2011-09-22 | Telefonica, S.A. | Real-Time Music to Music-Video Synchronization Method and System |
CN102157148A (zh) * | 2010-12-31 | 2011-08-17 | 东莞电子科技大学电子信息工程研究院 | 一种基于dtw语音识别的货车车辆检查方法 |
US9024831B2 (en) * | 2011-05-26 | 2015-05-05 | Wang-Electro-Opto Corporation | Miniaturized ultra-wideband multifunction antenna via multi-mode traveling-waves (TW) |
US9378065B2 (en) * | 2013-03-15 | 2016-06-28 | Advanced Elemental Technologies, Inc. | Purposeful computing |
CN103559232B (zh) * | 2013-10-24 | 2017-01-04 | 中南大学 | 一种基于二分逼近动态时间归整匹配的音乐哼唱检索方法 |
CN107111710B (zh) * | 2014-09-13 | 2020-06-23 | 先进元素科技公司 | 用于基于安全和可靠标识的计算的方法和布置装置 |
CN106289777B (zh) * | 2016-08-01 | 2018-09-21 | 北京航空航天大学 | 一种基于几何度量的多工况滚动轴承性能评估方法 |
CN107422730A (zh) * | 2017-06-09 | 2017-12-01 | 武汉市众向科技有限公司 | 基于视觉导引的agv运输系统及其驾驶控制方法 |
CN107402006B (zh) * | 2017-07-24 | 2019-10-25 | 武汉大学 | 基于轨道几何特征信息匹配的列车精密定位方法和系统 |
CN108320750A (zh) * | 2018-01-23 | 2018-07-24 | 东南大学—无锡集成电路技术研究所 | 一种基于改进型动态时间规整语音识别算法的实现方法 |
CN109080648B (zh) * | 2018-09-06 | 2019-09-13 | 广州吉欧电子科技有限公司 | 一种轨道检测方法及轨检小车 |
CN109726427B (zh) * | 2018-11-16 | 2022-10-14 | 中国西安卫星测控中心 | 结合运载器飞行特征点的动态时间规整计算方法 |
CN110175422A (zh) * | 2019-05-31 | 2019-08-27 | 梁帆 | 一种基于数据挖掘的多周期钢轨伤损趋势预测方法 |
-
2021
- 2021-02-07 CN CN202110167673.6A patent/CN112883078B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103253286A (zh) * | 2013-05-31 | 2013-08-21 | 株洲时代电子技术有限公司 | 一种轨道参数测量方法 |
CN103264711A (zh) * | 2013-05-31 | 2013-08-28 | 株洲时代电子技术有限公司 | 一种轨道参数测量系统 |
CN107179552A (zh) * | 2016-03-11 | 2017-09-19 | 中国石油化工股份有限公司 | 一种基于波形动态匹配的子波拉伸校正处理方法 |
CN109033479A (zh) * | 2018-11-12 | 2018-12-18 | 上海电气泰雷兹交通自动化系统有限公司 | 城市轨道交通互联互通电子地图数据生成系统及方法 |
CN109635867A (zh) * | 2018-12-10 | 2019-04-16 | 合肥工业大学 | 用于度量海洋移动目标轨迹相似性的方法及系统 |
CN109753634A (zh) * | 2018-12-29 | 2019-05-14 | 山东科技大学 | 基于历史数据稳态值的动态系统增益估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112883078A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112906782B (zh) | 基于dtw与最小二乘估计的轨道静态检查历史数据匹配方法 | |
CN112949696A (zh) | 基于dtw与稳健估计的轨道静态检查历史数据匹配方法 | |
CN112883078B (zh) | 基于dtw与最小二乘估计的轨道动态检查历史数据匹配方法 | |
EP1886110B1 (en) | A method and a system for determining a plurality of load components on a wheel | |
US4318617A (en) | DC Shift error correction for electro-optical measuring system | |
CN103486971B (zh) | 一种地铁隧道裂缝宽度检测及校正算法 | |
CN107848344A (zh) | 用于确定轮胎胎纹的胎面深度的方法及其控制装置 | |
CN107921828A (zh) | 用于确定影响轮胎特性的变量的方法及其控制装置 | |
CN109813269B (zh) | 结构监测传感器在线校准数据序列匹配方法 | |
CN110906875B (zh) | 一种孔径测量的视觉处理方法 | |
US20200108849A1 (en) | Running location identification system, running location identification apparatus, and running location identification method for railroad cars | |
US11428590B2 (en) | Method for estimating a bearing load using strain parameters to account for contact angle variation | |
CN104105951A (zh) | 用于确定位置的方法和装置 | |
CN112798142B (zh) | 基于贝叶斯更新和随机模拟的布里渊光纤传感器应变与温度两阶段快速识别方法 | |
CN117168337B (zh) | Ofdr应变边缘优化方法及测量方法 | |
CN112255612B (zh) | 一种雷达航迹随机抖动性评估方法 | |
CN112883079A (zh) | 基于dtw与稳健估计的轨道动态检查历史数据匹配方法 | |
CN116522085A (zh) | 一种全自动拉索频率提取、定阶和索力识别方法与应用 | |
CN103827628A (zh) | 用于带有彼此相切地联接的轮廓几何形状的工件的轮廓测量的轮廓测量仪和方法 | |
CN109211151B (zh) | 型材的检测装置、方法、设备和介质 | |
CN114896803B (zh) | 一种多参数的轨检数据里程定位方法 | |
CN110765406A (zh) | 一种用于反演识别分析的多响应信息融合方法 | |
Chen et al. | Criteria of determining the P/T upper limits of GR&R in MSA | |
CN118294283B (zh) | 高温高压高速瞬态条件下的动态压力测试方法 | |
CN117968992B (zh) | 一种钢板弹簧用钢板弹性检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |