-
公开(公告)号：CN118211473A
公开(公告)日：2024-06-18
申请号：CN202410287812.2
申请日：2024-03-13
IPC: G06F30/27 , G06N3/0464 , G06N3/09 , G06N3/084 , G06F111/08 , G06F119/14
Abstract: 本发明公开了基于深度学习的钢轨扣件系统非表观损伤检测方法，包括构建车辆‑轨道空间耦合动力学仿真模型；对扣件系统中非表观损伤进行模拟；获取扣件系统不同的损伤类型、损伤程度和损伤位置以及不同的运行车速和轨道不平顺激励工况下引起的轴箱振动加速度信号，生成轴箱振动加速度信号的数据集，并对所述扣件系统的服役状态标注相应的标签；对所述数据集进行标准化和数据增强预处理，获得预处理后的数据集。构建了扣件系统非表观损伤检测的大数据集，解决了实际应用场景中损伤数据难以获取以及损伤样本不平衡的难题，为深度学习模型的训练和测试提供了丰富、多样的数据支持，有利于提高检测准确性、实时性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN107729649B
公开(公告)日：2020-09-29
申请号：CN201710960298.4
申请日：2017-10-16
Applicant: 西南交通大学
IPC: G06F30/23 , G06F119/14
Abstract: 本发明属于轨道交通技术领域，具体涉及一种计算车辆‑轨道耦合系统动力学的方法，包括：S1.建立道床‑路基系统的有限元模型；S2.在道床‑路基系统扣件点施加单位脉冲激励，并收集扣件点及除扣件点外位置的动力响应；建立动力响应数据库；S3.建立车辆‑钢轨系统的动力学模型，将扣件的作用视为系统外力；将扣件的作用视为系统外力，通过扣件将车辆‑钢轨系统与道床‑路基系统耦合，并计算车辆‑钢轨系统的动力响应；S4.基于步骤S2中道床‑路基系统除扣件点外位置的动力响应，以及步骤S3中车辆‑钢轨系统与道床‑路基系统扣件点位置的动力响应，获得车辆‑轨道耦合系统的动力响应。本发明在保障计算精度的前提下，显著提高了计算效率。
-
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
Applicant: 西南交通大学
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。
-
公开(公告)号：CN118211473B
公开(公告)日：2024-09-27
申请号：CN202410287812.2
申请日：2024-03-13
IPC: G06F30/27 , G06N3/0464 , G06N3/09 , G06N3/084 , G06F111/08 , G06F119/14
Abstract: 本发明公开了基于深度学习的钢轨扣件系统非表观损伤检测方法，包括构建车辆‑轨道空间耦合动力学仿真模型；对扣件系统中非表观损伤进行模拟；获取扣件系统不同的损伤类型、损伤程度和损伤位置以及不同的运行车速和轨道不平顺激励工况下引起的轴箱振动加速度信号，生成轴箱振动加速度信号的数据集，并对所述扣件系统的服役状态标注相应的标签；对所述数据集进行标准化和数据增强预处理，获得预处理后的数据集。构建了扣件系统非表观损伤检测的大数据集，解决了实际应用场景中损伤数据难以获取以及损伤样本不平衡的难题，为深度学习模型的训练和测试提供了丰富、多样的数据支持，有利于提高检测准确性、实时性和鲁棒性。
-
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
Applicant: 西南交通大学
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。
-
公开(公告)号：CN107729649A
公开(公告)日：2018-02-23
申请号：CN201710960298.4
申请日：2017-10-16
Applicant: 西南交通大学
IPC: G06F17/50
Abstract: 本发明属于轨道交通技术领域，具体涉及一种计算车辆-轨道耦合系统动力学的方法，包括：S1.建立道床-路基系统的有限元模型；S2.在道床-路基系统扣件点施加单位脉冲激励，并收集扣件点及除扣件点外位置的动力响应；建立动力响应数据库；S3.建立车辆-钢轨系统的动力学模型，将扣件的作用视为系统外力；将扣件的作用视为系统外力，通过扣件将车辆-钢轨系统与道床-路基系统耦合，并计算车辆-钢轨系统的动力响应；S4.基于步骤S2中道床-路基系统除扣件点外位置的动力响应，以及步骤S3中车辆-钢轨系统与道床-路基系统扣件点位置的动力响应，获得车辆-轨道耦合系统的动力响应。本发明在保障计算精度的前提下，显著提高了计算效率。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
