一种基于卷积神经网络的铁路扣件系统损伤检测方法

    公开(公告)号:CN110175434B

    公开(公告)日:2022-06-14

    申请号:CN201910533149.9

    申请日:2019-06-19

    Abstract: 本发明公开了一种基于卷积神经网络的铁路扣件系统损伤检测方法,基于列车‑轨道耦合动力学计算分析模型,利用弹簧刚度折减模拟扣件损伤,仿真计算得到不同不平顺激励、不同损伤位置和损伤程度下钢轨的振动加速度响应,以构建一个大数据集。设计一维卷积神经网络,利用上述数据集对建立的网络进行训练,交叉验证调参。将训练好的网络在测试集上进行性能测试,测试结果表明该检测方法具有较高的检测精度和鲁棒性。进一步的,开展目标监测线路关键区段动力学实验,构建系统损伤的实测大数据集,利用该大数据集对预训练的一维卷积神经网络模型进行迁移学习。

    一种基于卷积神经网络的铁路扣件系统损伤检测方法

    公开(公告)号:CN110175434A

    公开(公告)日:2019-08-27

    申请号:CN201910533149.9

    申请日:2019-06-19

    Abstract: 本发明公开了一种基于卷积神经网络的铁路扣件系统损伤检测方法,基于列车-轨道耦合动力学计算分析模型,利用弹簧刚度折减模拟扣件损伤,仿真计算得到不同不平顺激励、不同损伤位置和损伤程度下钢轨的振动加速度响应,以构建一个大数据集。设计一维卷积神经网络,利用上述数据集对建立的网络进行训练,交叉验证调参。将训练好的网络在测试集上进行性能测试,测试结果表明该检测方法具有较高的检测精度和鲁棒性。进一步的,开展目标监测线路关键区段动力学实验,构建系统损伤的实测大数据集,利用该大数据集对预训练的一维卷积神经网络模型进行迁移学习。

Patent Agency Ranking