申请/专利权人:湖南大学
申请日:2024-01-22
公开(公告)日:2024-04-02
公开(公告)号:CN117807715A
主分类号:G06F30/15
分类号:G06F30/15;G06F30/27;G06F18/213;G06F18/214;G06F18/243;G06N3/0464;G06N3/08;G06N3/126;G06F111/08;G06F119/14
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本申请公开了轨道列车车轮失圆类型智能识别方法、系统及电子设备,属于列车车轮失圆状态识别技术领域,通过构建完备和充足的车轮失圆数据集,确保模型拥有良好的鲁棒性及泛化能力;采用轨道列车‑轨道刚柔耦合动力学模型,获取各种车轮状态下轴箱振动信号;结合轴箱振动为一维时间序列的特点,构建1DCNN模型,实现轴箱振动时域信号与车轮失圆类型之间“端到端”的智能识别;利用遗传算法对1DCNN模型结构进行调节寻优,得到全局最优的轨道列车车轮失圆类型识别模型,最终可实现正常、擦伤、多边形、局部缺陷与随机非圆化5类车轮状态智能识别,模型识别精度高、速度快,相比于其他典型车轮失圆类型识别模型,具有更好的有效性和优越性。
主权项:1.一种轨道列车车轮失圆类型智能识别方法,其特征在于,包括以下步骤:步骤S101,采集车轮失圆数据,对所述车轮失圆数据进行扩充,得到车轮失圆数据集;步骤S102,将所述车轮失圆数据集输入至构建的轨道列车―轨道刚柔耦合动力学模型,获取不同车轮失圆状态下的仿真轴箱垂向振动信号;步骤S103,对轴箱垂向振动信号进行样本切割构建轴箱振动样本集,基于所述轴箱振动样本集划分训练集和测试集;步骤S104,构建一维卷积神经网络模型,基于所述训练集和测试集对模型进行训练和测试,利用遗传算法对所述一维卷积神经网络模型的结构进行调节寻优,根据不同模型参数对轨道列车车轮失圆类别识别准确度的影响大小构建个体基因序列,获取全局最优一维卷积神经网络模型,并用于轨道列车车轮失圆类型识别。
全文数据:
权利要求:
百度查询: 湖南大学 轨道列车车轮失圆类型智能识别方法、系统及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。