首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于功率流的地铁轨道异常检测方法、系统、设备及介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:成都纺织高等专科学校

摘要:本发明公开了基于功率流的地铁轨道异常检测方法、系统、设备及介质,涉及地铁轨道异常检测技术领域,该方法包括:利用第一时序信号和第二时序信号,以及第三时序信号和第四时序信号对预置初始模型进行训练,得到训练完成的检测模型;获取预置时间段内道床板加速度在不同方向上的第一实测信号并得到钢轨加速度的检测时序信号;根据检测时序信号,计算得到钢轨在预置时间段内各个方向的时序速度数据;利用各个方向的时序速度数据,计算得到预置时间段内钢轨在每个方向的振动功率流,并根据每个方向的振动功率流分析得到预置时间段内的钢轨异常数据;工作人员可以进行有目的振动控制与参数把控,对噪声问题与行车安全问题能够得到有效的解决。

主权项:1.基于功率流的地铁轨道异常检测方法,其特征在于,包括以下具体步骤:获取道床板在不同方向上加速度的第一时序信号,以及通过实测得到并与所述第一时序信号对应的钢轨各个方向上加速度的第二时序信号;对各个方向上的所述第一时序信号和所述第二时序信号分别进行矢量计算,分别得到道床板加速度的第三时序信号和钢轨加速度的第四时序信号;利用各个方向上的所述第一时序信号和所述第二时序信号,以及所述第三时序信号和所述第四时序信号对预置初始模型进行训练,得到训练完成并与预置初始模型对应的检测模型;所述检测模型是通过以下方式得到的:将各个方向上的所述第一时序信号输入所述预置初始模型,得到所述第一时序信号中每个数据对应的预置初始模型的第一损失函数值,若多个所述第一损失函数值满足预设的训练结束条件,将满足所述训练结束条件的所述预置初始模型确定为检测模型,若多个所述第一损失函数值不满足所述训练结束条件,调整所述预置初始模型的模型参数,并基于调整后的模型参数继续训练所述预置初始模型,直到多个所述第一损失函数值满足所述训练结束条件;获取预置时间段内道床板加速度在不同方向上的第一实测信号,并将所述第一实测信号输入至检测模型中进行处理,得到钢轨加速度在各个方向上的检测时序信号;根据所述检测时序信号,计算得到钢轨在预置时间段内各个方向的时序速度数据;利用各个方向的时序速度数据,计算得到预置时间段内钢轨在每个方向的振动功率流,并根据每个方向的振动功率流分析得到预置时间段内的钢轨异常数据;所述方法还包括:将所述第三时序信号输入所述检测模型中进行处理,计算得到所述第三时序信号中每个数据对应的检测模型的第二损失函数值,若多个所述第二损失函数值满足预设的验证合格条件,将满足所述验证合格条件的所述检测模型确定为最终模型,并通过所述最终模型处理所述第一实测信号;若多个所述第二损失函数值不满足所述验证合格条件,调整所述检测模型的模型参数,并基于调整后的模型参数继续训练检测模型,直到多个所述第二损失函数值满足所述验证合格条件;所述第一损失函数值或所述第二损失函数值具体为: 式中,当δ表示第一损失函数值时,μ表示第二时序信号中的实际值,μp为预置初始模型输出的预测值,N表示第一时序信号中的数据总数,a表示第一时序信号中数据的序号,μa表示第二时序信号中第a个预测数据的实际值,表示第一时序信号中第a个数据的预测值;当δ表示第二损失函数值时,μ表示第四时序信号中的实际值;μp为检测模型输出的预测值;N表示第三时序信号中的数据总数,a表示第三时序信号中数据的序号,μa表示第四时序信号中第a个预测数据的实际值,表示第三时序信号中第a个数据的预测值。

全文数据:

权利要求:

百度查询: 成都纺织高等专科学校 基于功率流的地铁轨道异常检测方法、系统、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术