[發(fā)明專利]基于深度學(xué)習(xí)的多源數(shù)據(jù)融合的軌道狀態(tài)檢測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110967585.4
• 申請(qǐng)日: 2021-08-23
• 公開(kāi)（公告）號(hào): CN113705412A
• 公開(kāi)（公告）日: 2021-11-26
• 發(fā)明（設(shè)計(jì)）人: 夏承亮;顧子晨;宋浩然;程雨;杜馨瑜;牛留斌;李海浪;王發(fā)燈;王勝春;王昊;李唯一;王寧
• 申請(qǐng)（專利權(quán)）人: 中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司;中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司基礎(chǔ)設(shè)施檢測(cè)研究所;北京鐵科英邁技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/08;B61L23/04
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 沈珍珠;郝博

本發(fā)明提供了一種基于深度學(xué)習(xí)的多源數(shù)據(jù)融合的軌道狀態(tài)檢測(cè)方法及裝置，涉及軌道檢測(cè)技術(shù)領(lǐng)域，該方法包括：獲取目標(biāo)軌道線路的數(shù)據(jù)集信息；數(shù)據(jù)集信息包括目標(biāo)軌道線路的多種類型狀態(tài)檢測(cè)參考數(shù)據(jù)以及多種類型狀態(tài)檢測(cè)參考數(shù)據(jù)對(duì)應(yīng)的軌道線路狀態(tài)數(shù)據(jù)；利用特征提取模型對(duì)數(shù)據(jù)集信息進(jìn)行特征提取，得到特征信息；根據(jù)特征信息和機(jī)器分類器計(jì)算軌道狀態(tài)參數(shù)，并根據(jù)軌道狀態(tài)參數(shù)確定軌道狀態(tài)檢測(cè)模型；利用數(shù)據(jù)集信息訓(xùn)練軌道狀態(tài)檢測(cè)模型；根據(jù)訓(xùn)練完成后的軌道狀態(tài)檢測(cè)模型生成軌道狀態(tài)檢測(cè)結(jié)果。本發(fā)明可以融合多種類型狀態(tài)檢測(cè)參考數(shù)據(jù)，基于深度學(xué)習(xí)，實(shí)時(shí)、準(zhǔn)確的獲取軌道病害信息。

技術(shù)領(lǐng)域

本發(fā)明涉及軌道檢測(cè)技術(shù)領(lǐng)域，尤其是涉及一種基于深度學(xué)習(xí)的多源數(shù)據(jù)融合的軌道狀態(tài)檢測(cè)方法及裝置。

背景技術(shù)

本部分旨在為權(quán)利要求書(shū)中陳述的本發(fā)明實(shí)施例提供背景或上下文。此處的描述不因?yàn)榘ㄔ诒静糠种芯统姓J(rèn)是現(xiàn)有技術(shù)。

鋼軌在長(zhǎng)期的使用過(guò)程當(dāng)中，不可避免的會(huì)產(chǎn)生滾動(dòng)接觸疲勞和磨耗。鋼軌表面狀態(tài)的改變必然會(huì)引起輪軌匹配關(guān)系的改變，如果可以將車輪近似的看成一個(gè)剛性結(jié)構(gòu)，軸箱(在鐵路車輛上，套在軸頸上聯(lián)結(jié)輪對(duì)和轉(zhuǎn)向架的部件)的加速度值就可以間接反饋鋼軌的短波不平順，進(jìn)而判定軌道病害。單一的利用加速度數(shù)據(jù)檢測(cè)準(zhǔn)確度較低，不能夠完全反映軌道的真實(shí)狀況。車輛通過(guò)軌道病害處時(shí)，會(huì)產(chǎn)生比較明顯的振動(dòng)噪聲，獲取此時(shí)的噪聲值進(jìn)行分析可以對(duì)加速度數(shù)據(jù)的檢測(cè)進(jìn)行一個(gè)比較好的補(bǔ)充。數(shù)據(jù)的有效性是進(jìn)行軌道狀態(tài)評(píng)判的前提條件，利用高速攝像機(jī)獲取到的圖像信息進(jìn)行特征提取可以進(jìn)一步的驗(yàn)證軌道病害。基于上述利用圖像信息、噪聲值和加速度值三種檢測(cè)方法的特點(diǎn)，運(yùn)用機(jī)器學(xué)習(xí)原理進(jìn)行多源數(shù)據(jù)融合得到了利用多種數(shù)據(jù)聯(lián)合評(píng)判軌道狀態(tài)檢測(cè)方法。這種方法從多個(gè)角度全面描述軌道狀態(tài)，可以獲得真實(shí)準(zhǔn)確的數(shù)據(jù)，但其存在的問(wèn)題是，數(shù)據(jù)量大，種類多，計(jì)算復(fù)雜。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于深度學(xué)習(xí)的多源數(shù)據(jù)融合的軌道狀態(tài)檢測(cè)方法及裝置，可以融合多種類型狀態(tài)檢測(cè)參考數(shù)據(jù)，基于深度學(xué)習(xí)，實(shí)時(shí)、準(zhǔn)確的獲取軌道病害信息。

第一方面，本發(fā)明實(shí)施例提供了一種基于深度學(xué)習(xí)的多源數(shù)據(jù)融合的軌道狀態(tài)檢測(cè)方法，該方法包括：

獲取目標(biāo)軌道線路的數(shù)據(jù)集信息；所述數(shù)據(jù)集信息包括所述目標(biāo)軌道線路的多種類型狀態(tài)檢測(cè)參考數(shù)據(jù)以及所述多種類型狀態(tài)檢測(cè)參考數(shù)據(jù)對(duì)應(yīng)的軌道線路狀態(tài)數(shù)據(jù)；

利用特征提取模型對(duì)所述數(shù)據(jù)集信息進(jìn)行特征提取，得到特征信息；

根據(jù)所述特征信息和機(jī)器分類器計(jì)算軌道狀態(tài)參數(shù)，并根據(jù)所述軌道狀態(tài)參數(shù)確定軌道狀態(tài)檢測(cè)模型；

利用所述數(shù)據(jù)集信息訓(xùn)練所述軌道狀態(tài)檢測(cè)模型；

根據(jù)訓(xùn)練完成后的軌道狀態(tài)檢測(cè)模型生成軌道狀態(tài)檢測(cè)結(jié)果。

第二方面，本發(fā)明實(shí)施例還提供一種基于深度學(xué)習(xí)的多源數(shù)據(jù)融合的軌道狀態(tài)檢測(cè)裝置，該裝置包括：

獲取模塊，用于獲取目標(biāo)軌道線路的數(shù)據(jù)集信息；所述數(shù)據(jù)集信息包括所述目標(biāo)軌道線路的多種類型狀態(tài)檢測(cè)參考數(shù)據(jù)以及所述多種類型狀態(tài)檢測(cè)參考數(shù)據(jù)對(duì)應(yīng)的軌道線路狀態(tài)數(shù)據(jù)；

特征模塊，用于利用特征提取模型對(duì)所述數(shù)據(jù)集信息進(jìn)行特征提取，得到特征信息；

參數(shù)模塊，用于根據(jù)所述特征信息和機(jī)器分類器計(jì)算軌道狀態(tài)參數(shù)，并根據(jù)所述軌道狀態(tài)參數(shù)確定軌道狀態(tài)檢測(cè)模型；

訓(xùn)練模塊，用于利用所述數(shù)據(jù)集信息訓(xùn)練所述軌道狀態(tài)檢測(cè)模型；

預(yù)測(cè)模塊，用于根據(jù)訓(xùn)練完成后的軌道狀態(tài)檢測(cè)模型生成軌道狀態(tài)檢測(cè)結(jié)果。

第三方面，本發(fā)明實(shí)施例還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述基于深度學(xué)習(xí)的多源數(shù)據(jù)融合的軌道狀態(tài)檢測(cè)方法。