典型文献
基于残差深度网络的高速列车车轮踏面擦伤智能检测
文献摘要：
车轮踏面擦伤作为高速列车车轮最常出现的故障,严重影响列车运行品质及运行安全.针对传统方法检测精度低且无法实时在线检测问题,提出一种基于多传感器时频图像加权融合的残差深度网络车轮踏面擦伤检测算法.首先建立车辆-轨道垂向耦合模型和车轮擦伤故障模型,求解模型计算列车车轮经过时不同位置钢轨处的振动加速度响应.利用样本熵分析实现对不同位置钢轨振动加速度数据的最优选择,对选出的最优数据进行小波变换获得时频图.通过卷积神经网络对时频图进行特征智能融合,进一步构建残差深度网络提取深层次融合的时频图像特征,实现车轮踏面擦伤深度的识别.结果表明提出的算法在车轮踏面擦伤深度识别上优于单传感器方法和传统的机器学习方法,平均准确度可以达到99.38％.提高车轮踏面擦伤的检测精度并可实现实时车轮踏面擦伤在线检测.
文献关键词：
车轮擦伤检测;图像融合;时频分析;残差网络
中图分类号：
作者姓名：
史红梅;张钪;李建钹
作者机构：
北京交通大学机械与电子控制工程学院 北京 100044
文献出处：
引用格式：
[1]史红梅;张钪;李建钹-.基于残差深度网络的高速列车车轮踏面擦伤智能检测)[J].机械工程学报,2022(16):134-144
A类：
车轮擦伤检测
B类：
深度网络,高速列车,车车,车轮踏面,踏面擦伤,智能检测,列车运行,运行品质,运行安全,检测精度,实时在线检测,检测问题,多传感器,时频图像,加权融合,检测算法,立车,耦合模型,故障模型,解模,不同位置,振动加速度,加速度响应,样本熵,钢轨振动,最优选择,小波变换,智能融合,深层次融合,图像特征,深度识别,单传,机器学习方法,高车,图像融合,时频分析,残差网络
AB值：
0.267763
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
