一种用于轨道交通的构件尺寸检测设备及其检测方法技术

本申请公开一种用于轨道交通的构件尺寸检测设备及其检测方法，包括：采集多源传感器数据,所述多源传感器数据包括激光测距数据流、图像数据流和超声波数据流;基于所述标准化的多源传感器数据,通过多级脉冲神经形态网络进行分割计算,得到所述轨道交通构件的分割结果,其中所述分割结果包括轮廓特征和区域特征;基于所述分割结果,采用梯度下降优化器进行多目标优化,得到优化后的尺寸参数集合,其中所述多目标优化包括测量精度最大化、计算时间最小化和资源消耗最小化;基于所述优化后的尺寸参数集合,通过分布式误差计算单元进行时间差分学习,得到所述轨道交通构件的最终尺寸测量结果。

【技术实现步骤摘要】

本专利技术属于轨道交通检测领域，特别涉及用于轨道交通的构件尺寸检测设备及其检测方法。

技术介绍

1、在轨道交通领域，构件尺寸检测是保证产品质量和运行安全的重要环节。目前，轨道交通构件的尺寸检测主要存在以下技术方案：

2、一种方案是基于人工测量的传统方法，通过使用卡尺、量尺等工具进行测量，这种方法效率低下且容易出现人为误差。

3、另一种方案是基于单一传感器的自动化测量系统，虽然提高了效率，但难以应对复杂环境下的多维度测量需求。

4、还有一种方案使用简单的机器视觉系统，由于缺乏智能算法的支持，难以保证复杂环境下的测量精度。

技术实现思路

1、针对上述问题，本专利技术提供一种轨道交通构件尺寸检测装置及其检测方法。采用多级脉冲神经形态计算技术对多源传感器数据进行处理，通过梯度下降优化器实现多目标优化，并引入分布式误差计算单元进行时间差分学习，从而提高检测的精度和效率。

2、为解决上述技术问题，本专利技术采用如下技术方案：

3、一种轨道交通构件尺寸检测方法，包本文档来自技高网...

【技术保护点】

1.一种用于轨道交通的构件尺寸检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述通过多级脉冲神经形态网络进行分割计算的步骤包括:

3.根据权利要求2所述的方法,其特征在于,所述多级脉冲神经形态网络包括:

4.根据权利要求2所述的方法,其特征在于,所述利用所述时域脉冲序列通过所述多级脉冲神经形态网络进行特征提取,包括:

5.根据权利要求1所述的方法,其特征在于,所述采用梯度下降优化器进行多目标优化的步骤包括:

6.根据权利要求5所述的方法,其特征在于,所述通过迭代更新所述梯度下降优化器的参数实现多...

【技术特征摘要】

1.一种用于轨道交通的构件尺寸检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述通过多级脉冲神经形态网络进行分割计算的步骤包括:

3.根据权利要求2所述的方法,其特征在于,所述多级脉冲神经形态网络包括:

4.根据权利要求2所述的方法,其特征在于,所述利用所述时域脉冲序列通过所述多级脉冲神经形态网络进行特征提取,包括:

5.根据权利要求1所述的方法,其特征在于,所述采用梯度下降优化器进行多目标优化的步骤...

【专利技术属性】
技术研发人员：张智鹰，陈勇彬，谭晓晶，陈建，
申请(专利权)人：太科技术有限公司，
类型：发明
国别省市：