基于卷积神经网络的钢轨测量廓形畸变动态识别

• 作者: 曾玖贞 王彦 王超 邓贤君
• 来源期刊: 南华大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 畸变 钢轨 动态识别 卷积神经网络
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 机械工程·电气工程
• 页码范围: 47-53
• 页数: 7页
• 分类号: U213
• 字数: 3874字
• 语种: 中文

摘要

针对车体多自由度振动对基于激光图像技术的钢轨廓形动态测量所造成的影响,提出一种新颖的钢轨测量廓形畸变识别方法.首先根据钢轨廓形特征和畸变前后的几何差异,设计了一种三通道且参数独立的卷积神经网络结构用于畸变识别,其输入分别为原始廓形图像的降采样、轨鄂点周边裁剪图像和轨底点周边裁剪图像.为了有效训练该网络,通过采集大量正常廓形图像和畸变廓形图像来构建带标签训练样本库.利用训练后的卷积神经网络,在室内钢轨廓形动态测量平台上进行大量的测量廓形畸变识别实验.实验结果表明本文识别方法的精度和查全率均能达到92%以上,验证了该方法的有效性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超	南华大学电气工程学院	25	76	5.0	7.0
3	王彦	南华大学电气工程学院	76	339	11.0	15.0
6	邓贤君	南华大学电气工程学院	45	70	4.0	6.0
7	曾玖贞	南华大学电气工程学院	14	16	2.0	3.0