一种基于循环神经网络的轨底伤损识别方法及系统技术方案

本发明专利技术公开了一种基于循环神经网络的轨底伤损识别方法及系统，包括：获取待测区段的超声波探伤数据，将所述数据转换为具有时序特征的数字序列；将所述数字序列输入到训练好的RNN循环神经网络模型，输出是否具有伤损及伤损的位置信息；对于RNN循环神经网络模型的训练过程包括：构建原始数据集；对原始数据集中的B显数据进行通道预处理；将所述样本集转换为具有时序特征的数字序列，对样本集中的正负样本进行标记；利用标记后的样本集对RNN循环神经网络模型进行训练。本发明专利技术可在现行探伤作业条件下直接检测探伤车数据，不需要其他辅助设备对钢轨进行检测。解决了B显数据中钢轨伤损回波形式多样化、回波信号的确切表达式很难得出等问题。

【技术实现步骤摘要】
一种基于循环神经网络的轨底伤损识别方法及系统
本专利技术涉及铁路系统钢轨无损检测下的超声波探伤
，尤其涉及一种基于循环神经网络的轨底伤损识别方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。钢轨的伤损识别分类技术是我国钢轨探伤系统中的一项关键技术。我国目前常用的钢轨损伤检测系统中，超声波伤损检测是实际应用中的主流方式，绝大多数都是将采集的损伤信息直接在终端显示，通过探伤人员来判断钢轨是否存在缺陷。这种模式决定了在钢轨探伤中，伤轨的检出率与探伤工作人员的专业水平成正相关关系。随着新铁路的不断建设、铁路运量的不断提升以及车辆行驶速度的不断提高，伤轨出现的数量和探伤人员的工作量也将不断的增大，在探伤人员疲劳的情况下，会导致伤轨漏检率的增加。现有技术公开了基于神经网络的钢轨损伤检测方法，但是，该方法采集的数据库中伤损类型混杂，导致最终检测出的结果伤损位置不明确，还需要人工进一步判定；另外，该方法不是对探伤仪数据的直接检测，需要借助一套自制的硬件设备进行波形匹配，而实际探伤工本文档来自技高网...

【技术保护点】
1.一种基于循环神经网络的轨底伤损识别方法，其特征在于，包括：/n获取待测区段的超声波探伤数据，将所述数据转换为具有时序特征的数字序列；将所述数字序列输入到训练好的RNN循环神经网络模型，输出是否具有伤损及伤损的位置信息；/n其中，对于RNN循环神经网络模型的训练过程包括：/n获取设定数量的带有轨底伤损和其他回波样本的B显数据，构建原始数据集；/n对原始数据集中的B显数据进行通道预处理，从预处理后的数据集中分别截取若干正负样本，形成样本集，并划分为训练集和测试集；/n将所述样本集转换为具有时序特征的数字序列，对样本集中的正负样本进行标记；利用标记后的样本集对RNN循环神经网络模型进行训练。/n

【技术特征摘要】
1.一种基于循环神经网络的轨底伤损识别方法，其特征在于，包括：
获取待测区段的超声波探伤数据，将所述数据转换为具有时序特征的数字序列；将所述数字序列输入到训练好的RNN循环神经网络模型，输出是否具有伤损及伤损的位置信息；
其中，对于RNN循环神经网络模型的训练过程包括：
获取设定数量的带有轨底伤损和其他回波样本的B显数据，构建原始数据集；
对原始数据集中的B显数据进行通道预处理，从预处理后的数据集中分别截取若干正负样本，形成样本集，并划分为训练集和测试集；
将所述样本集转换为具有时序特征的数字序列，对样本集中的正负样本进行标记；利用标记后的样本集对RNN循环神经网络模型进行训练。


2.如权利要求1所述的一种基于循环神经网络的轨底伤损识别方法，其特征在于，对原始数据集中的B显数据进行通道预处理，具体过程包括：
在获取超声波探伤车采集的B显数据后，只提取其中探测轨底伤损的通道的B显数据。


3.如权利要求1所述的一种基于循环神经网络的轨底伤损识别方法，其特征在于，从预处理后的数据集中分别截取若干正负样本，形成样本集，具体过程包括：
截取一个完整伤损回波作为一个正样本，截取一个完整的正常回波作为负样本，总计截取设定数量的正负样本，形成样本集。


4.如权利要求3所述的一种基于循环神经网络的轨底伤损识别方法，其特征在于，在截取正负样本过程中，过滤掉数据文件中空白数据片段，并通过人工打乱使得样本分布均匀。


5.如权利要求1所述的一种基于循环神经网络的轨底伤损识别方法，其特征在于，将所述样本集转换为具有时序特征的数字序列，具体过程包括：
对B显数据进行解压、还原和恢复，将B显数据处理成按脉冲时序分布的数字稀疏矩阵，并以16进制的数字序列进行存储。


6.如权利要求1所述的...

【专利技术属性】
技术研发人员：申涛，赵钦君，徐勤华，徐元，王立果，马千福，张万舟，吕关仁，卢海强，李跃远，张保国，
申请(专利权)人：济南大学，中国铁路济南局集团有限公司济南工务段，山东麦港数据系统有限公司，
类型：发明
国别省市：山东;37