欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020103976961
申请人: 西南交通大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.依据载具在轨道上运动产生的特定振动信息获得检测结果的方法,所述特定振动信息用以表征所述载具在轨道上运动时产生的特定振动检测特征,其特征在于,包括:通过安装在载具上的振动传感器实时采集载具沿轨道运动时产生的特定振动信息从而获得振动时域信息;将振动时域信息分割为与各个不同时间段依次对应的分段振动时域信息并确保每个分段振动时域信息所对应的载具运动路径等长;将各分段振动时域信息分别转换成频域信息;将频域信息输入到训练完毕的卷积神经网络,得到检测结果;

将振动时域信息分割为与各个不同时间段依次对应的分段振动时域信息并确保每个分段振动时域信息所对应的载具运动路径等长,包含对列车速度进行积分,得位移随时间变化图,将振动时域信号引入位移空间域信号,以每Xm的长度在位移空间域上滑动,以定位时间序列节点作为切割点,对原始时域信号进行分割;

所述训练完毕的卷积神经网络由对同一区间位置的钢轨使用CAT采集钢轨波磨信号,利用加速度传感器采集相应位置处轴箱振动信号,通过数学换算得到两者之间的映射关系;通过安装在车辆上的振动传感器实时采集车辆沿轨道运动时产生的特定振动信息从而获得振动时域信息;将振动时域信息分割为与各个不同时间段依次对应的分段振动时域信息并确保每个分段振动时域信息所对应的车辆运动路径等长;将各分段振动时域信息分别转换成频域信息;

去除各频域信息中不影响特定振动检测特征表征的频率范围的频域数据从而分别得到经优化的频域信息,各经优化的频域信息表达为频率坐标轴长度相同的频谱,将所述频谱中的频谱数据作为卷积神经网络的训练样本;经过训练后得到用于钢轨波磨识别的卷积神经网络模型。

2.如权利要求1所述的依据载具在轨道上运动产生的特定振动信息获得检测结果的方法,其特征在于:

去除各频域信息中不影响特定振动检测特征表征的频率范围的频域数据从而分别得到经优化的频域信息,各经优化的频域信息表达为频率坐标轴长度相同的频谱,将该频谱中的频谱数据经过训练完毕的卷积神经网络处理后,得到检测结果。

3.钢轨波磨识别方法,其特征在于,包括通过安装在车辆上的振动传感器实时采集车辆沿轨道运动时产生的特定振动信息从而获得振动时域信息;将振动时域信息分割为与各个不同时间段依次对应的分段振动时域信息并确保每个分段振动时域信息所对应的车辆运动路径等长;将各分段振动时域信息分别转换成频域信息;将频域信息输入到用于钢轨波磨识别的卷积神经网络模型,得到卷积神经网络对钢轨波磨状态的分类结果;

将振动时域信息分割为与各个不同时间段依次对应的分段振动时域信息并确保每个分段振动时域信息所对应的载具运动路径等长,包含对列车速度进行积分,得位移随时间变化图,将振动时域信号引入位移空间域信号,以每Xm的长度在位移空间域上滑动,以定位时间序列节点作为切割点,对原始时域信号进行分割;

训练完毕的卷积神经网络由对同一区间位置的钢轨使用CAT采集钢轨波磨信号,利用加速度传感器采集相应位置处轴箱振动信号,通过数学换算得到两者之间的映射关系;

所述用于钢轨波磨识别的卷积神经网络模型的构建包括:通过安装在车辆上的振动传感器实时采集车辆沿轨道运动时产生的特定振动信息从而获得振动时域信息;将振动时域信息分割为与各个不同时间段依次对应的分段振动时域信息并确保每个分段振动时域信息所对应的车辆运动路径等长;将各分段振动时域信息分别转换成频域信息;

去除各频域信息中不影响特定振动检测特征表征的频率范围的频域数据从而分别得到经优化的频域信息,各经优化的频域信息表达为频率坐标轴长度相同的频谱,将所述频谱中的频谱数据作为卷积神经网络的训练样本;经过训练后得到所述用于钢轨波磨识别的卷积神经网络模型。

4.如权利要求3所述的钢轨波磨识别方法,其特征在于,所述卷积神经网络模型为一维卷积神经网络模型。

5.如权利要求3所述的钢轨波磨识别方法,其特征在于,包括采用以下设备:加速度传感器,该振动传感器设置于车辆上,用于获取车辆振动信息;

位移传感器,该位移传感器设置于车辆上,用于获取车辆位移信息;

数据采集系统,该数据采集系统分别与振动传感器、位移传感器连接,分别用于收集振动传感器采集的车辆振动信息和位移传感器采集的车辆位移信息;

数据处理装置,包含有用于钢轨波磨识别的卷积神经网络模型的处理程序,所述数据处理装置与数据采集系统连接,用于对数据采集系统接收数据进行处理,用于将车辆振动信息和车辆位移信息经过卷积神经网络模型处理后识别钢轨波磨状态。

6.如权利要求5所述的钢轨波磨识别方法,其特征在于,所述加速度传感器采集信号时,将该加速度传感器设置于车辆的轴箱上,采集车辆振动信息。

7.如权利要求5所述的钢轨波磨识别方法,其特征在于,所述位移传感器为光电转速传感器,该光电转速传感器置于车辆构架上。

8.如权利要求3所述的钢轨波磨识别方法,其特征在于,采集钢轨波磨信号的波磨测试仪对待识别钢轨进行波磨检测,将波磨检测结果与卷积神经网络对钢轨波磨状态的分类结果进行比对。

9.如权利要求8所述的钢轨波磨识别方法,其特征在于,所述波磨测试仪为CAT波磨测试仪。