一种针对轨道车辆车轮多边形磨耗的识别检测方法技术

本发明专利技术公开了一种针对轨道车辆车轮多边形磨耗的识别检测方法，所述识别检测方法包括如下步骤：S1、构建多边形磨耗分类数据集；S2、1DCNN

【技术实现步骤摘要】
一种针对轨道车辆车轮多边形磨耗的识别检测方法


[0001]本专利技术涉及车轮磨耗识别检测
，具体涉及一种针对轨道车辆车轮多边形磨耗的识别检测方法。

技术介绍

[0002]车轮多边形表现为相邻波峰的间距大致相等，车轮圆周的磨损呈现明显的波浪状。车轮多边形会使得轮轨动态相互作用更加剧烈，轮对、轴箱、钢轨等车辆轨道部件的振动加剧，长期的周期性轮轨振动将会使车辆轨道部件产生疲劳失效(如：螺栓松动、轴承损坏、钢轨扣件断裂等)和导致较大的噪声，威胁列车的安全运行，影响乘客乘坐舒适性。因此，地铁运营公司通常使用车轮镟修来减缓和消除多边形磨耗以降低其带来的不利影响。但由于缺乏高效的车轮多边形检测手段，无法及时、准确、定量地检测车轮状态，车轮维护存在一定的困难，车轮维护成本较高。
[0003]目前，车轮多边形磨耗的检测方法主要分为静态检测与动态检测，静态检测是在车辆未运营时对车轮进行测量，检测结果准确但耗时多，且检测精度也受到操作人员的影响；动态检测法是利用运行车辆产生的振动加速度、位移、轮轨相互作用力等信息来进行车轮不圆顺的检测。该方法可实现车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对轨道车辆车轮多边形磨耗的识别检测方法，其特征在于，所述识别检测方法包括如下步骤：S1、构建多边形磨耗分类数据集；S2、1DCNN
‑
SVM模型的构建与训练；S3、多边形磨耗分类识别；S4、建立多边形磨耗波深识别样本集；S5、构建KSM
‑
PSO模型与多边形磨耗波深识别。2.根据权利要求1所述的针对轨道车辆车轮多边形磨耗的识别检测方法，其特征在于：所述步骤S1中的构建多边形磨耗分类数据集具体是：采用车载轴箱加速度传感器获得轴箱垂向振动加速度信号，将同一车速下的轴箱垂向加速度按数据长度划分为M*N的数据集矩阵，作为多边形磨耗分类数据集，并将其划分为训练集和测试集。3.根据权利要求1所述的针对轨道车辆车轮多边形磨耗的识别检测方法，其特征在于：所述步骤S2的1DCNN
‑
SVM模型采用一维卷积神经网络1DCNN来提取输入样本的特征，采用支持向量机SVM来作为分类器；所述一维卷积神经网络1DCNN包括输入层、3个卷积层、3个池化层和全连接层；所述三个卷积层的卷积核数量分别为16、8、4，卷积核大小均为1
×
3，遍历步长也均为1
×
2；三个池化层的卷积核数量分别为16、8、4，卷积核大小均为1
×
2，步长也均为1
×
2。4.根据权利要求1所述的针对轨道车辆车轮多边形磨耗的识别检测方法，其特征在于：所述的1DCNN
‑
SVM模型训练具体是：将训练集数据输入到1DCNN中开始训练，在全连接层引入Dropout层，并设置Dropout＝0.5，优化器选取Adam优化器，学习率为0.001，损失函数为交叉熵函数，批处理样本大小为128，模型训练好后，提取第一层全连接层的输出特征作为SVM的输入特征向量，最后得出分类结果。5.根据权利要求3或4所述的针对轨道车...

【专利技术属性】
技术研发人员：温泽峰，刘奇锋，梁红琴，陶功权，谢清林，龙辉，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：