System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于列车控制领域,特别涉及一种基于振动定位列车的深度学习方法、系统及设备。
技术介绍
1、列车运行在轨道上,由于车轮踏面和钢轨柜面接触时存在不平顺性,天然的带来不规则的振动,这些振动将通过钢轨传递形成波并且传播到较远的地方。相应的,速度越高,列车多个车轮通过某一个点振动频率也就越高。同时,在速度一定的情况下,列车距离传感器越远能量衰减越大即振幅越小,反之则振幅越大。
2、现有技术中通过简单的振动感知,可以掌握列车在传感器附近,但是无法精准定位列车位置。现有技术中通过多传感器协同方式,由处理主机判断哪个传感器振动能量最大,这种方式实际上类似于计轴传感器或者应答器定位,必须列车经过才能定位,而不能提前定位。
技术实现思路
1、针对上述问题,本专利技术提出一种基于振动定位列车的深度学习方法,所述方法包括:
2、确定振动频率恒定下的振幅与距离、振动频率变化下的振幅与距离、速度与不同振动频率之间的关系;
3、通过不同速度下检测到的振动频率,确定不同振动频率对应的速度映射拟合;通过不同振动频率对应的速度映射拟合校正距离与振幅之间的映射关系;
4、通过不同振动频率对应的速度映射拟合、振幅与速度的对照关系、校正后的距离与振幅之间的映射关系确定距离-频率-振幅的交叉耦合模型;
5、基于距离-频率-振幅交叉耦合模型,根据振幅和频率确定列车距离振动传感装置的距离。
6、进一步的,所述校正距离与振幅之间的映射关系前还包括:<
...【技术保护点】
1.一种基于振动定位列车的深度学习方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于振动定位列车的深度学习方法,其特征在于,所述校正距离与振幅之间的映射关系前还包括:
3.根据权利要求1或2所述的基于振动定位列车的深度学习方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的基于振动定位列车的深度学习方法,其特征在于,确定所述振幅差异包括:根据所述振幅和频率之间的关系,对两个传感器两次振幅检测的变化进行辅助校核。
5.一种基于振动定位列车的深度学习系统,其特征在于,所述系统包括:第一确定单元、拟合单元、映射单元、模型确定单元和距离确定单元,
6.根据权利要求5所述的基于振动定位列车的深度学习系统,其特征在于,所述系统还包括修正单元,用于校正距离与振幅之间的映射关系前,对相同速度下的不同频率,叠加振幅变化建议多参数修正模型。
7.根据权利要求5或6所述的基于振动定位列车的深度学习系统,其特征在于,所述系统还包括方向确定单元,用于通过确定同一时刻两个振动传感器之间的振幅差异,确定列车相对传感器的
8.根据权利要求7所述的基于振动定位列车的深度学习系统,其特征在于,所述方向确定单元用于根据所述振幅和频率之间的关系,对两个传感器两次振幅检测的变化进行辅助校核。
9.一种电子设备,其特征在于,包括存储器与处理器,所述存储器中存储有计算机程序或指令,所述计算机程序或指令被所述处理器执行时,至少用于实现权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序或指令,所述计算机程序或指令被处理器执行时,至少用于实现权利要求1-4任一项所述的方法。
...【技术特征摘要】
1.一种基于振动定位列车的深度学习方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于振动定位列车的深度学习方法,其特征在于,所述校正距离与振幅之间的映射关系前还包括:
3.根据权利要求1或2所述的基于振动定位列车的深度学习方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的基于振动定位列车的深度学习方法,其特征在于,确定所述振幅差异包括:根据所述振幅和频率之间的关系,对两个传感器两次振幅检测的变化进行辅助校核。
5.一种基于振动定位列车的深度学习系统,其特征在于,所述系统包括:第一确定单元、拟合单元、映射单元、模型确定单元和距离确定单元,
6.根据权利要求5所述的基于振动定位列车的深度学习系统,其特征在于,所述系统还包括修正单元,用于校正距离与振幅之间的映射关系前,对相同速度下的不同频...
【专利技术属性】
技术研发人员:张波,王琦,刘岭,刘军,李擎,刘葛辉,张杰,张晚秋,王雨,
申请(专利权)人:北京全路通信信号研究设计院集团有限公司,
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。