科研之友
微信
新浪微博
Facebook
分享链接
摘要
车轮踏面擦伤作为高速列车车轮最常出现的故障，严重影响列车运行品质及运行安全。针对传统方法检测精度低且无法实时在线检测问题，提出一种基于多传感器时频图像加权融合的残差深度网络车轮踏面擦伤检测算法。首先建立车辆-轨道垂向耦合模型和车轮擦伤故障模型，求解模型计算列车车轮经过时不同位置钢轨处的振动加速度响应。利用样本熵分析实现对不同位置钢轨振动加速度数据的最优选择，对选出的最优数据进行小波变换获得时频图。通过卷积神经网络对时频图进行特征智能融合，进一步构建残差深度网络提取深层次融合的时频图像特征，实现车轮踏面擦伤深度的识别。结果表明提出的算法在车轮踏面擦伤深度识别上优于单传感器方法和传统的机器学习方法，平均准确度可以达到99.38%。提高车轮踏面擦伤的检测精度并可实现实时车轮踏面擦伤在线检测。
- 单位
