基于深度学习的高铁接触网支持装置紧固件故障诊断方法制造方法及图纸
Fault diagnosis method for fastener of high speed rail contact network support device based on deep learning
The invention discloses a high-speed railway catenary deep learning support device fault diagnosis method based on fasteners, comprises the following steps: Step 1: get the high-speed railway catenary fastener image; step 2: to classify the image acquisition step 1, sample formed fasteners; step 3: build a convolutional neural network structure AlexNet based on the formation of fastener model with step 2 sample training; step 4: the picture input step will need to test the 3 fastening parts in the model, according to the judgment of the working state of the output results, complete multi state fault diagnosis of the invention can detect a variety of fasteners, has a good effect for the classification of different complex environment under the background of.
【技术实现步骤摘要】
基于深度学习的高铁接触网支持装置紧固件故障诊断方法
本专利技术涉及高铁接触网支持装置零部件检测领域，尤其涉及一种基于卷积神经网络的高铁接触网支撑装置紧固件故障诊断等领域。
技术介绍
弓网系统是电气化铁路系统中关键的组成部分，承担将牵引网中的电能输送给电力机车的重要工作；由于受电弓与接触网装置之间存在复杂的力学、电气交互影响，在电气化铁道的各种设备故障中，接触网故障所占比例大，严重影响电气化铁路的安全工作；同时接触网故障分布范围广，检测难度大；传统的接触网支撑悬挂装置检测依靠人工检测，这些方式虽然能保证一定准确性，但效率低、工作量大且易受检修人员的主观影响；随着高速铁路的快速发展和运营质量的逐渐提升，接触网系统必须满足动车组“高速度、高密度、高可靠性”的运行要求；先进的检测技术能提高牵引供电系统维修质量和效率，是实现电气化铁路状态检测和状态维修的重要手段，因此有必要研究自动检测方法；为确保高速铁路动车组运营秩序，提高其供电安全性、可靠性，满足高速铁路快速发展和运营品质的需求，原铁道部发布了自2012年实施《高速铁路供电安全检测监测系统(6C系统)总体技术规范》的通知...
【技术保护点】
一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，包括以下步骤：步骤1：获取高铁接触网紧固件图像；步骤2：对步骤1获取的图像进行分类，形成紧固件的样本库；步骤3：搭建基于的AlexNet的卷积神经网络结构，用步骤2中的样本库训练形成紧固件模型；步骤4：将需测试的图片输入步骤3中的紧固件模型，根据输出结果判断工作状态，完成故障诊断。
【技术特征摘要】
1.一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，包括以下步骤：步骤1：获取高铁接触网紧固件图像；步骤2：对步骤1获取的图像进行分类，形成紧固件的样本库；步骤3：搭建基于的AlexNet的卷积神经网络结构，用步骤2中的样本库训练形成紧固件模型；步骤4：将需测试的图片输入步骤3中的紧固件模型，根据输出结果判断工作状态，完成故障诊断。2.根据权利要求1所述的一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，所述步骤3中基于AlexNet的卷积神经网络结构包括五个可共享的卷积层和两个全连接层。3.根据权利要求1所述的一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，所述步骤3样本库训练过程如下：S1：将训练样本...
【专利技术属性】
技术研发人员：刘志刚，陈隽文，刘凯，韩志伟，高仕斌，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。