10.19327/j.cnki.zuaxb.1007-9734.2022.04.010
基于卷积神经网络的ZPW-2000 R轨道电路运行状态智能识别
为提高ZPW-2000 R轨道电路诊断系统的判定准确性和运行效率,提出了一种基于卷积神经网络的轨道电路运行状态智能识别方法.首先,根据轨道电路监测数据集构建轨道电路运行状态灰度图谱,以精准表达轨道电路的运行状态,并通过图像缩放建立实验样本;其次,构建卷积神经网络模型并对轨道电路运行状态灰度图谱进行特征提取与模式识别.实验结果表明,本文提出的方法对轨道电路运行状态识别的准确率为100%,可有效识别轨道电路正向占用状态、逆向占用状态和空闲状态.
轨道电路、卷积神经网络、灰度图像
40
U226(电气化铁路)
国家自然科学基金;河南省科技攻关项目;河南省科技攻关项目;教育部人文社会科学研究项目;河南省高校科技创新团队支持计划
2022-07-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
76-82