[发明专利]基于深度学习的高铁接触网支持装置紧固件故障诊断方法

权利要求书

1.一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，包括以下步骤：

步骤1：获取高铁接触网紧固件图像；

步骤2：对步骤1获取的图像进行分类，形成紧固件的样本库；

步骤3：搭建基于的AlexNet的卷积神经网络结构，用步骤2中的样本库训练形成紧固件模型；

步骤4：将需测试的图片输入步骤3中的紧固件模型，根据输出结果判断工作状态，完成故障诊断。

2.根据权利要求1所述的一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，所述步骤3中基于AlexNet的卷积神经网络结构包括五个可共享的卷积层和两个全连接层。

3.根据权利要求1所述的一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，所述步骤3样本库训练过程如下：

S1：将训练样本缩放后输入卷积神经网络；

S2：卷积神经网络输出的是输入图片的每个类别标签的置信度，选取最大置信度的标签作为该输入图片的预测结果。

4.根据权利要求1所述的一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，所述步骤3样本库训练过程中计算目标类别的概率并采用交叉熵函数计算目标分类的损失值，采用梯度下降的方法，更新权值至收敛。

5.根据权利要求1所述的一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，所述步骤3样本库训练过程中学习率为0.001。

6.根据权利要求1所述的一种基于深度学习的高铁接触网支持装置紧固件故障诊断方法，其特征在于，所述步骤3样本库训练过程中动量为0.1，采用50％的概率在神经网络训练中丢弃神经网络单元，防止过拟合。