10.3969/j.issn.1001-8360.2023.04.013
基于卷积神经网络的钢轨螺孔裂纹识别算法研究
钢轨由于长时间负载会出现各种伤损,对铁路运输安全造成威胁.螺孔裂纹是钢轨接头处的主要伤损,如果不及时发现很容易造成安全事故.已有钢轨伤损检测方法是使用超声波检测,人工回放检测数据进行伤损判别,该方法效率较低.基于机器学习的伤损判别方法提高了钢轨伤损判别效率,但准确率不高.因此,针对该类钢轨伤损,利用卷积神经网络(CNN)与多层感知机(MLP)结合的模型,将螺孔超声波B扫图像作为识别对象,识别钢轨螺孔是否存在裂纹,提升螺孔裂纹的判别效率和准确率.经过数据集训练,在测试集上该模型的识别准确率达96.25%,在测试数据集以外的图像上进行应用,取得了很好的识别效果,证明该模型在钢轨螺孔裂纹识别问题上的可行性和模型的实用性.
螺孔、螺孔裂纹、B扫图像、卷积神经网络、多层感知机
45
U216.3(铁路线路工程)
国家自然科学基金11674351
2023-05-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
111-116