基于一维卷积神经网络的地铁钢轨波磨识别方法

• 作者: 谢清林 陶功权 温泽峰
• 来源期刊: 中南大学学报（自然科学版）
• 关键词: 钢轨波磨 轴箱振动 深度学习 一维卷积 "空间域"切割
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 能源工程• 交通运输工程|Energy Engineering, Traffic and Transportation Engineering
• 页码范围: 1371-1379
• 页数: 9页
• 分类号: U211.5
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2021.04.033

摘要

利用轴箱振动加速度构建一种基于一维卷积神经网络(1-dimensional convolutional neural network,1-DCNN)的地铁钢轨波磨智能识别方法.提出"空间域"切割的方法制作样本集,构建恰当的1-DCNN结构与配置参数可对输入样本集数据进行自动特征提取并学习分类.通过设置"空间窗"长度任意调节钢轨波磨智能分类时的定位分辨率.研究结果表明:提出的1-DCNN方法能有效、快速且稳定地对钢轨波磨进行智能识别与定位,在车辆复杂的运营条件及速度时变工况下仍然能保持较高的识别精度,稳定在99.20％(标准差为0.1);与此同时,对每一条样本的识别时间均少于0.2 ms,满足钢轨波磨在线监测的时效性.