DNN在分布式光纤铁路轨道病害检测系统中的应用

作者：刘康; 董武; 谢浪; 刘旭; 贺天才; 赵讯

来源：传感器世界, 2023, 29(11): 21-27.

DOI：10.16204/j.sw.issn.1006-883X.2023.11.005

• 深度学习
• 分布式光纤传感
• 特征提取
• 轨道病害检测

针对现有轨道病害识别方法精度较低的问题，提出了一种基于深度学习的轨道病害识别方法。在基于CNN模型结构的VGG和ResNet两种深度学习模型中构建环境，并针对模型优化方法及硬件平台，分别构建1D-CNN、1D-VGG和1D-ResNet模型。对比研究3种模型的识别效果与模型性能，并构建铁路轨道病害信号的频谱数据集用作模型的训练测试。实验结果表明，1D-CNN3、1D-VGG16＿bn和1D-ResNet34分别为对应种类模型的最优模型，召回率分别为93.0%、96.1%和96.3%，识别速度为1.20 ms、4.45 ms和8.62 ms，最后综合对比模型的识别性能指标与识别速度，结果表明，1D-VGG16＿bn模型具有更快的识别速度，可以更好地应用于基于DAS系统的铁路轨道病害实时在线检测。

• 单位
  电子科技大学