公开(公告)号：CN113947129A

公开(公告)日：2022-01-18

申请号：CN202111001929.2

申请日：2021-08-30

Applicant: 西南交通大学

Inventor： 陶功权 ,  邓磊鑫 ,  谢清林 ,  温泽峰

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/08 ,  G06N3/04 ,  G01M17/10

Abstract: 本申请提供了车轮失圆状态智能识别AI模型的训练方法、使用方法、计算机设备以及计算机可读存储介质，有助于提高AI模型针对振动响应进行预测的准确率。训练方法包括：获得被测车轮运行过程中的振动检测数据；从所述振动检测数据中提取数据而获取样本，样本以被测车轮运行于一个设定长度L的位移为单位并包含该单位对应的振动强度特征向量和被测车轮失圆状态标签，设定长度L≥被测车轮的周长，所述振动强度特征向量被要求具有设定维数N且当该振动强度特征向量中能够从所述振动检测数据中提取的振动强度特征值的数量少于该设定维数N时通过数值插值来弥补；使用所述样本对预设神经网络进行迭代训练，直至所述预设神经网络的训练达到设定阈值。

公开(公告)号：CN111623868B

公开(公告)日：2021-08-20

申请号：CN202010397122.4

申请日：2020-05-12

Applicant: 西南交通大学

Inventor： 谢清林 ,  陶功权 ,  温泽峰

IPC: G01H17/00 ,  G01B11/02 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及轨道交通轮轨短波不平顺的监测，特别涉及用于钢轨波磨识别的卷积神经网络构建方法，包括上述的对轨道交通载具的特定振动信息进行采集和处理的方法，去除各频域信息中不影响特定振动检测特征表征的频率范围的频域数据从而分别得到经优化的频域信息，各经优化的频域信息表达为频率坐标轴长度相同的频谱，将所述频谱的频谱数据作为一维卷积神经网络的训练样本。相比于传统的采用波磨测试仪CAT进行检测识别，采用本方法，通过卷积神经网络训练后，后续只需要采集振动信息与车辆位移信息即可，将该信号输入含有特定训练后的卷积神经网络的计算机处理，便可以快速、高效的对钢轨波磨进行识别。