-
公开(公告)号:CN119601037A
公开(公告)日:2025-03-11
申请号:CN202411799302.X
申请日:2024-12-09
Applicant: 北京交通大学
IPC: G10L25/48 , G10L21/0208 , G10L21/0272 , G10L21/0232 , G10L19/02 , G10L19/26 , G06N3/0895 , G06N3/0464
Abstract: 本发明公开了一种用于钢轨波磨打磨的辅助决策方法及系统,其方法包括:S1、获取车内噪声数据:采集列车运行过程中产生的真实车内噪声信号,真实车内噪声信号由声压传感器和数据采集仪组成的采集系统采集;S2、获取列车运行速度及钢轨波磨数据;S3、预处理车内噪声数据;S4、预训练车内噪声数据;S5、构建钢轨波磨打磨的数据标签;S6、利用钢轨波磨打磨标签数据对自监督对比学习模型进行精调;S7、在最终的钢轨波磨打磨辅助决策模型里,输入现场实测的车内噪声数据,得到钢轨打磨建议。本发明方法能够根据车内噪声给出钢轨波磨打磨建议,具有高效、智能、主动维护等优点。
-
公开(公告)号:CN119647179A
公开(公告)日:2025-03-18
申请号:CN202411713852.5
申请日:2024-11-27
Applicant: 北京交通大学
IPC: G06F30/23 , G06F30/27 , G06F119/14
Abstract: 本发明提供一种基于深度学习的有砟轨道道床含沙状态预测方法,包括:建立风沙道床的离散元仿真模型并分析获得风沙道床在不同位置和深度区域的刚度参数;基于刚度参数,建立车辆‑沙化有砟轨道耦合有限元仿真模型并分析获得不同含沙状态下轨枕的振动加速度;将振动加速度作为训练数据并输入至构建的含沙状态预测模型,以对含沙状态预测模型训练,获得训练好的含沙状态预测模型,并利用训练好的含沙状态预测模型进行含沙状态预测,含沙状态预测模型是基于卷积神经网络和长短期记忆网络的深度学习模型。本发明能够对道床含沙状态进行高精度预测。对于指导线路养护维修作业和保障列车平稳运营具有重要参考价值。
-