【技术实现步骤摘要】
一种地铁轨道几何病害识别方法及系统
[0001]本专利技术涉及地铁轨道病害识别领域，特别是涉及一种地铁轨道几何病害识别方法及系统。
技术介绍
[0002]地铁在现代大型城市交通中占有重要地位。轨道是地铁基础设施的重要组成部分，其良好的质量状态是列车安全运行、旅客舒适乘坐的保证。轨道几何状态是应用最广泛的用于表示轨道质量状态的指标和编制轨道维修计划的依据。轨道几何状态主要由以下轨道几何参数表示：高低(Longitudinal level，LL)、轨向(Alignment，AL)、水平(Cross
‑
level，CL)、轨距(Gauge，GA)、三角坑(Twist，TW)等。世界各国都规定轨道几何参数的偏差的管理值，并根据管理需求对偏差程度进行分级。超过这些管理值的状态就是轨道几何病害。
[0003]当轨道上存在轨道几何病害时，将会降低旅客乘坐的舒适性，严重时会影响列车运行的安全性，甚至导致列车脱轨。地铁运营公司会根据实际的管理需求，对不同等级的病害采取不同的应对措施。随着乘客对地铁运行服务质量需求的提...
【技术保护点】
【技术特征摘要】
1.一种地铁轨道几何病害识别方法，其特征在于，包括：获取目标地铁轨道的车体振动数据和车体信息；所述车体信息，包括：车体运行速度和车况信息；对所述目标地铁轨道的车体振动数据进行分段，并基于均方根值的方法对各段数据进行转换，得到所述目标地铁轨道的多段等距离间隔数据；根据所述目标地铁轨道的多段等距离间隔数据和所述目标地铁轨道的车体信息，得到所述目标地铁轨道的检测数据；将所述目标地铁轨道的检测数据输入轨道几何病害识别模型中，确定所述目标地铁轨道是否存在轨道几何病害以及存在时的病害等级；其中，所述轨道几何病害识别模型是采用训练数据，基于可微结构搜索的方法对二维卷积神经网络进行训练得到的；所述训练数据，包括：地铁轨道样本的检测数据和对应的标签数据；所述标签数据，包括：所述地铁轨道样本是否存在轨道几何病害以及存在时的病害等级。2.根据权利要求1所述的一种地铁轨道几何病害识别方法，其特征在于，所述轨道几何病害识别模型的确定方法为：获取训练数据；构建二维卷积神经网络；所述二维卷积神经网络，包括：第一卷积层、第二卷积层和堆叠结构；所述第一卷积层和所述第二卷积层并联；所述堆叠结构，包括：n个单元，其中，n个单元中的第个单元和第个单元为缩减单元，剩余单元为普通单元；n个单元中每个单元均与前两个单元相连；所述第一卷积层和所述第二卷积层的输出均与所述堆叠结构的第一个单元的输入相连；所述第一卷积层和所述第二卷积层用于输入所述训练数据；所述普通单元输入的特征图的尺寸和输出的特征图的尺寸相同，所述普通单元输入的通道数和输出的通道数相同；所述缩减单元输出的特征图的尺寸为输出的特征图的尺寸的一半，所述缩减单元输出的通道数为输出的通道数的一半；所述堆叠结构中的每个单元均为一个有向无环图；所述特征图作为所述有向无环图中的节点；所述有向无环图中的边用于实现二维运算操作；将所述训练数据输入所述二维卷积神经网络中，采用可微结构搜索的方法进行空间搜索，确定所述二维卷积神经网络中的结构参数值；将确定结构参数值后的二维卷积神经网络确定为轨道几何病害识别模型。3.根据权利要求2所述的一种地铁轨道几何病害识别方法，其特征在于，所述将所述训练数据输入所述二维卷积神经网络中，采用可微结构搜索的方法进行空间搜索，确定所述二维卷积神经网络中的结构参数值，具体包括：根据所述二维卷积神经网络中的结构参数构建双层优化模型；所述双层优化模型包括内层优化模型和外层优化模型；将所述训练数据划分为训练集和验证集；将所述训练集和所述验证集分别输入所述二维卷积神经网络中，采用可微结构搜索的方法对所述内层优化模型进行一代训练，采用可微结构搜索的方法将所述外层优化模型的搜索空间由离散转为连续，同时基于一代训练得到的最优权重，采用梯度下降法对所述外
层优化模型进行求解，得到述二维卷积神经网络中的结构参数值。4.根据权利要求2所述的一种地铁轨道几何病害识别方法，其特征在于，所述有向无环图中的边，包括：依次...
【专利技术属性】
技术研发人员：唐源洁，王志鹏，王福田，刘仍奎，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
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。