10.16037/j.1007-869x.2023.10.003
基于智能图像识别的轨道交通钢轨焊接接头识别
目的:轨道交通钢轨焊接接头作为钢轨上最为薄弱的结构,易发展为钢轨焊接接头不平顺,从而加剧轮轨间作用力,影响乘客乘坐舒适性,因此有必要对钢轨焊接接头进行识别.方法:介绍了钢轨焊接接头识别中所采用的Alex-Net CNN(卷积神经网络)模型和小波变换的原理,以及轨道冲击指数的计算方法.提取北京地铁19 号线某运营列车的轴箱振动加速度信号,通过小波变换提取其时域及频域特征,并采用AlexNet CNN 进行钢轨焊接接头的识别.对其钢轨表面不平顺进行检测,计算其滑动峰峰平均值,并与同一里程处根据列车轴箱振动加速度计算得到的轨道冲击指数进行对比,采用线性拟合的方式分析钢轨焊接接头对轨道冲击指数的影响.结果及结论:钢轨焊接接头在列车轴箱振动加速度信号中存在较为明显的空间域分布特征与时频特征:空间域分布特征表现在每两个钢轨焊接接头信号之间的间距为25 m,且每个信号由间距为2.2 m 的两个尖峰所构成;时频特征表现为钢轨焊接接头所在里程附近有一明一暗两个亮点.这种清晰的特征使AlexNet CNN 高效地对钢轨焊接接头进行识别,准确率在92.98%左右.对钢轨表面不平顺实测值进行30~100 mm 带通滤波后可发现与钢轨焊接接头空间分布特征相一致的特征峰值,且轨道冲击指数与钢轨焊接接头对应的钢轨表面不平顺滑动峰峰平均值的峰值具有相似的空间分布特征;钢轨焊接接头处的轨道冲击指数随钢轨焊接接头不平顺的滑动峰峰平均值增大呈现先减小后增大的趋势,二者并非简单的正相关关系.
城市轨道交通、钢轨、焊接接头识别、智能图像识别
26
U213.4+6(铁路线路工程)
北京市自然科学基金-丰台轨道交通前沿研究联合基金项目;中国铁道科学研究院集团有限公司科研开发基金项目;铁科院北京工程咨询有限公司科研开发基金项目
2023-11-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
11-16