-
公开(公告)号：CN111461288B
公开(公告)日：2023-10-31
申请号：CN202010134045.3
申请日：2020-03-02
申请人： 暨南大学
IPC分类号： G01C21/16 , G01B11/24 , G06N3/043 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种轨道几何参数全速段检测方法及系统，该方法的步骤包括：基于搭建的标准轨道，运行搭载四点弦测法与惯性基准法的轨道检测车，对轨道几何参数进行检测，建立轨道几何参数数据库；对检测数据进行异常值的识别与修正，采用区间归一化法对检测数据进行归一化处理，完成检测数据的预处理；搭建模糊神经网络并进行网络训练；检查神经网络，对网络节点参数进行深度调整；封装网络模型。本发明将深度学习技术与现代轨道几何参数检测研究有机结合，具有较高的检测精度和鲁棒性，同时将检测区段进行进一步的扩展，使其适用于列车运行的全速段，实现高低轨向的高精度检测。
-
公开(公告)号：CN111444658B
公开(公告)日：2023-05-05
申请号：CN202010207194.8
申请日：2020-03-23
申请人： 暨南大学
IPC分类号： G06F30/27 , G06F18/23213 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种槽型轨几何参数趋势预测方法及系统，该方法包括下述步骤：将检测的槽型轨几何参数值进行数据存储及批量处理；进行数据预处理识别并修正异常值；构建并训练径向基神经网络，选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据，将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练；选取槽型轨设定检测区段的磨耗数据的最大值输入径向基神经网络进行训练；迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值；输入检测数据预测得到槽型轨不平顺和磨耗值预测数据。本发明将大数据、神经网络与轨道几何参数预测相结合，提高了神经网络的泛化能力和收敛速度。
-
公开(公告)号：CN111461288A
公开(公告)日：2020-07-28
申请号：CN202010134045.3
申请日：2020-03-02
申请人： 暨南大学
摘要： 本发明公开了一种轨道几何参数全速段检测方法及系统，该方法的步骤包括：基于搭建的标准轨道，运行搭载四点弦测法与惯性基准法的轨道检测车，对轨道几何参数进行检测，建立轨道几何参数数据库；对检测数据进行异常值的识别与修正，采用区间归一化法对检测数据进行归一化处理，完成检测数据的预处理；搭建模糊神经网络并进行网络训练；检查神经网络，对网络节点参数进行深度调整；封装网络模型。本发明将深度学习技术与现代轨道几何参数检测研究有机结合，具有较高的检测精度和鲁棒性，同时将检测区段进行进一步的扩展，使其适用于列车运行的全速段，实现高低轨向的高精度检测。
-
公开(公告)号：CN111307078A
公开(公告)日：2020-06-19
申请号：CN202010106317.9
申请日：2020-02-21
申请人： 暨南大学
IPC分类号： G01B11/30
摘要： 本发明公开了一种基于四点弦测法的轨道不平顺检测方法及系统，该方法的步骤包括：二维激光传感器对槽型轨进行扫描成像，采用综合滤波方法进行数据处理，提取槽型轨轨面特征点；微控制器控制二维激光传感器与编码轮同步触发，将编码轮采集到的里程与上位机中计算得到的轨距点坐标进行实时存储；采用四点弦测法检测轨道的高低不平顺和轨向不平顺。本发明将激光三角法与四点弦测法结合，解决了小车在检测过程中因蛇形运动、振动造成检测误差的问题，实现了非接触式实时动态精准测量槽型轨几何参数，提高了采集数据的准确度和检测精度。
-
公开(公告)号：CN109649433B
公开(公告)日：2020-07-07
申请号：CN201910090027.7
申请日：2019-01-30
申请人： 暨南大学
IPC分类号： B61K9/08
摘要： 本发明提供一种槽型轨不平顺检测方法、计算机装置和计算机可读存储介质，槽型轨不平顺检测方法包括第一步骤，获取来自陀螺仪的姿态角检测数据和来自加速度计的加速度检测数据、根据姿态角检测数据和加速度检测数据生成的误差数据、根据误差数据和姿态角检测数据生成的姿态角校正数据以及来自传感器组的实际检测数据，根据实际检测数据和姿态角校正数据生成槽型轨不平顺数据。计算机装置具有处理器，处理器执行程序时可以实现上述的槽型轨不平顺检测方法。计算机可读存储介质存储有计算机程序，用以实现上述的槽型轨不平顺检测方法。利用校正后生成的姿态角校正数据来计算轨道的不平顺数据具有更高的准确度。
-
公开(公告)号：CN111444658A
公开(公告)日：2020-07-24
申请号：CN202010207194.8
申请日：2020-03-23
申请人： 暨南大学
摘要： 本发明公开了一种槽型轨几何参数趋势预测方法及系统，该方法包括下述步骤：将检测的槽型轨几何参数值进行数据存储及批量处理；进行数据预处理识别并修正异常值；构建并训练径向基神经网络，选取槽型轨设定检测区段的左右高低、左右轨向、轨距和超高数据，将处于同一检测时段的各项参数平均值输入所述径向基神经网络进行训练；选取槽型轨设定检测区段的磨耗数据的最大值输入径向基神经网络进行训练；迭代更新径向基神经网络基函数的中心、方差、隐含层与输出层之间的权值；输入检测数据预测得到槽型轨不平顺和磨耗值预测数据。本发明将大数据、神经网络与轨道几何参数预测相结合，提高了神经网络的泛化能力和收敛速度。
-
公开(公告)号：CN109649433A
公开(公告)日：2019-04-19
申请号：CN201910090027.7
申请日：2019-01-30
申请人： 暨南大学
IPC分类号： B61K9/08
摘要： 本发明提供一种槽型轨不平顺检测方法、计算机装置和计算机可读存储介质，槽型轨不平顺检测方法包括第一步骤，获取来自陀螺仪的姿态角检测数据和来自加速度计的加速度检测数据、根据姿态角检测数据和加速度检测数据生成的误差数据、根据误差数据和姿态角检测数据生成的姿态角校正数据以及来自传感器组的实际检测数据，根据实际检测数据和姿态角校正数据生成槽型轨不平顺数据。计算机装置具有处理器，处理器执行程序时可以实现上述的槽型轨不平顺检测方法。计算机可读存储介质存储有计算机程序，用以实现上述的槽型轨不平顺检测方法。利用校正后生成的姿态角校正数据来计算轨道的不平顺数据具有更高的准确度。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.867 秒)