基于一维卷积神经网络的浮置板钢弹簧损伤检测方法

• 作者: 张庆铼 薛临风
• 来源期刊: 机械
• 学科: 交通运输
• 关键词: 浮置板轨道 损伤检测 车辆-轨道耦合动力学 卷积神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 测量与检测技术
• 页码范围: 73-80
• 页数: 8页
• 分类号: U213|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1006-0316.2022.01.011

摘要

钢弹簧浮置板轨道可有效缓解地铁带来的环境振动问题,但目前针对钢弹簧损伤检测方法的研究尚十分匮乏.本文提出了一种基于一维卷积神经网络(1D-CNN)的钢弹簧损伤检测方法,利用轨道板垂向加速度构建数据集,通过1D-CNN对经简单预处理的原始数据进行特征提取并对损伤情形下的数据和正常情形下的数据进行分类.为评估该方法的性能,基于车辆-浮置板轨道耦合动力学仿真生成了数据集,分析了不同运行工况对网络性能的影响,结果表明该方法具有良好的数据分类准确性.