【技术实现步骤摘要】
【国外来华专利技术】使用机器学习检查轨道的系统和方法
本文公开的主题涉及一种用于检查轨道的系统和方法，具体地，涉及一种用于使用机器学习检查轨道的系统和方法。
技术介绍
铁路检查通常涉及超声扫描仪、感应传感器、涡流传感器、相机传感器或其组合的使用。铁路检查用于检测轨道中可指示轨道缺陷的特征。超声技术通常使用超声传感器，该超声传感器安装在骑在轨道上表面上的轨道车辆的柔性轮中。车轮中充满耦合液，因此安装在内部的传感器可以将超声波信号发送到轨道中。返回信号经过处理后用于绘制轨道中的缺陷位置。记录检测数据后，将对其进行分析以识别信号中与轨道缺陷相对应的模式。这些模式被标记以区别于轨道缺陷(例如，螺栓孔、轨道端部、焊接点和信号中的噪声)不相关信号。当前的标记过程的一个问题是它是高度劳动密集型的，并且需要许多小时的人工分析来识别与轨道缺陷相对应的模式。人工分析的成本很高，如果分析人员疲劳或缺乏有关缺陷类型变化的经验而遗漏了缺陷，则可能会导致错误。为了解决这些问题，人工评估通常与基于规则的识别器软件结合使用，该软件旨在突出显示可能指示轨道缺陷的传感器模...
【技术保护点】
1.一种用于检查轨道的车辆，所述车辆包括：/n轨道检查传感器，其被配置为捕获描述所述轨道的传感器数据；/n处理器，其被配置为：/n接收所述传感器数据；以及/n近实时地处理所捕获的传感器数据以确定所捕获的传感器数据是否识别出可疑轨道缺陷，所述处理包括：/n将所捕获的传感器数据输入机器学习系统，所述机器学习系统已经过训练，以识别传感器数据中指示轨道缺陷的模式；以及/n接收来自所述机器学习系统的输出，所述输出指示所捕获的传感器数据是否识别出可疑轨道缺陷；以及/n至少部分地基于所述输出指示所捕获的传感器数据识别出可疑轨道缺陷，向所述车辆的操作员发送警报，所述警报包括所述可疑轨道缺陷...
【技术特征摘要】
【国外来华专利技术】20171130 US 15/826,7801.一种用于检查轨道的车辆，所述车辆包括：
轨道检查传感器，其被配置为捕获描述所述轨道的传感器数据；
处理器，其被配置为：
接收所述传感器数据；以及
近实时地处理所捕获的传感器数据以确定所捕获的传感器数据是否识别出可疑轨道缺陷，所述处理包括：
将所捕获的传感器数据输入机器学习系统，所述机器学习系统已经过训练，以识别传感器数据中指示轨道缺陷的模式；以及
接收来自所述机器学习系统的输出，所述输出指示所捕获的传感器数据是否识别出可疑轨道缺陷；以及
至少部分地基于所述输出指示所捕获的传感器数据识别出可疑轨道缺陷，向所述车辆的操作员发送警报，所述警报包括所述可疑轨道缺陷的位置并指示所述操作员停止所述车辆和执行维修动作。
2.根据权利要求1所述的车辆，还包括用于捕获所述位置的相机图像的相机，其中所述警报包括所述相机图像。
3.根据权利要求1所述的车辆，其中所述输出经由网络被传输到远程存储设备或远程处理器。
4.根据权利要求1所述的车辆，其中所述机器学习系统包括深度学习卷积神经网络和/或递归神经网络。
5.根据权利要求1所述的车辆，其中所述传感器包括超声传感器、感应传感器和涡流传感器中的一个或多个。
6.一种用于检查轨道的方法，所述方法包括：
从安装在位于所述轨道上的车辆上的轨道检查传感器接收传感器数据；
处理所述传感器数据以识别所述轨道中的可疑轨道缺陷的位置，所述处理包括：
输入采取适合于机器学习系统的形式的所述传感器数据，所述机器学习系统已经过训练，以识别所述传感器数据中指示轨道缺陷的模式；以及
接收来自所述机器学习系统的输出，所述输出包括可疑轨道缺陷的列表及其在所述轨道上的相应位置；以及
基于所述可疑轨道缺陷的列表启动维修动作。
7.根据权利要求6所述的方法，其中所述传感器数据包括图像。
8.根据权利要求7所述的方法，其中输入所述传感器数据包括流传输重叠图像。
9.根据权利要求6所述的方法，其中所述机器学习系统包括深度学习卷积神经网络。
10.根据权利要求6所述的方法，其中所述机器学习系统包括递归神经网络。
11.根据权利要求6所述的方法，其中所述机器学习系...
【专利技术属性】
技术研发人员：大卫·亨利·吉尔伯特，
申请(专利权)人：斯佩里铁路控股有限公司，
类型：发明
国别省市：美国;US
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。