版权说明 操作指南
首页 > 成果 > 详情

基于卷积神经网络的钢轨测量廓形畸变动态识别

认领
导出
下载 Link by 中国知网学术期刊 Link by 维普学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
曾玖贞;王超;王彦;邓贤君
作者机构:
南华大学 电气工程学院,湖南 衡阳,421001
南华大学 电气工程学院,湖南 衡阳 421001
湖南大学 电气与信息工程学院,湖南 长沙 410082
[邓贤君; 王彦; 王超; 曾玖贞] 南华大学
语种:
中文
关键词:
畸变;钢轨;动态识别;卷积神经网络
关键词(英文):
deformation;rail;dynamic recognition;convolutional neural network
期刊:
南华大学学报(自然科学版)
ISSN:
1673-0062
年:
2017
卷:
31
期:
1
页码:
47-53
基金类别:
2015KG48:衡阳市科技计划 16A181:湖南省教育厅重点项目 2014WK3001:湖南省科技计划
机构署名:
本校为第一机构
院系归属:
电气工程学院
摘要:
针对车体多自由度振动对基于激光图像技术的钢轨廓形动态测量所造成的影响,提出一种新颖的钢轨测量廓形畸变识别方法.首先根据钢轨廓形特征和畸变前后的几何差异,设计了一种三通道且参数独立的卷积神经网络结构用于畸变识别,其输入分别为原始廓形图像的降采样、轨鄂点周边裁剪图像和轨底点周边裁剪图像.为了有效训练该网络,通过采集大量正常廓形图像和畸变廓形图像来构建带标签训练样本库.利用训练后的卷积神经网络,在室内钢轨廓形动态测量平台上进行大量的测量廓形畸变识别实验.实验结果表明本文识别方法的精度和查全率均能达到92%以上,验证了该方法的有效性和可靠性.
摘要(英文):
This paper presents a novel method of recognizing deformation on the measured rail profile based on laser image system, which is caused by multiple degrees of freedom vibration on the vehicle.According to the characteristic and distinction of the normal profile and distorted one, a convolutional neural network with triple channels, whose parameters are independent, is designed to recognizing deformation. The down samples of original profile image, cropped images around the rail jaw and rail foot are taken as input for each channel, respectively. To train the network effectively, a dataset cons...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com