[发明专利]一种基于深度学习的列车动态称重系统及称重方法

权利要求书

1.一种基于深度学习的列车动态称重方法，该方法利用基于深度学习的列车动态称重系统，所述称重系统包括布置在桥梁特征点上的明显标志、安装在桥梁两侧固定位置的图像采集仪、安装在主桥和引桥交界处的触发式传感器、安装在桥梁各类构件阴面和阳面的温度传感器、以及控制系统；

所述图像采集仪用于采集桥梁图像，并将实测桥梁图像发送给控制系统；所述桥梁特征点上的明显标志用于目标追踪；其特征在于，该方法包括如下步骤：

第一步：传感器布置，触发式传感器采集桥梁结构响应，当列车经过桥梁时，触发图像采集仪采集桥梁结构响应，包括桥梁位移响应和应变响应；温度传感器测试各类构件的温度分布；

第二步：建立桥梁有限元模型，依据铁路桥梁设计信息，建立铁路桥梁精细化有限元模型，并进行参数敏感性分析，分析桥梁模态参数的主要影响因素，然后，基于实测铁路桥梁模态参数，修正桥梁有限元模型；

第三步：计算复杂荷载作用下桥梁结构响应，随机生成列车荷载参数，包括车速、车重、轴重、轴距，同时随机生成桥梁温度场数据；然后考虑车-轨-桥耦合作用及桥梁温度场的影响，计算各组列车荷载和桥梁温度场作用下的桥梁结构响应；

第四步：训练神经网络模型，以第三步中随机生成的列车车速和桥梁温度场数据、计算得到的桥梁结构响应作为输入数据，列车车重、轴重、轴距作为输出数据，训练一个五层的神经网络模型；

第五步：验证神经网络模型，采用荷载参数已知的列车驶过铁路桥梁，基于图像采集仪记录的桥梁结构响应数据和时变列车车速数据，验证第四步中训练完成神经网络模型的有效性，若识别误差不满足要求，则返回第二步，修正结构有限元模型和车-轨-桥耦合作用计算算法；若识别误差满足要求，则将该神经网络模型应用于后续的列车荷载参数识别；

第六步：数据采集，触发式传感器测试到列车激励下的桥梁响应，响应超过阈值时，向控制系统发送信号，控制系统触发图像采集仪和神经网络预测阶段，依据桥梁两端的图像采集仪记录的图像，采用多目标追踪算法，实时识别列车行驶速度，并识别桥梁结构响应，同时，温度传感器采集桥梁温度场数据；

第七步：识别列车荷载参数，以第六步中识别得到的铁路桥梁结构响应、列车时变速度和桥梁温度场作为输入，基于第四步中训练完成的神经网络模型，识别列车车重、轴重、轴距。

2.根据权利要求1所述的基于深度学习的列车动态称重方法，其特征在于：第一步中所述温度传感器测试各类构件温度分布，依据桥梁构件信息，包括桥梁构件的截面尺寸、材料特性、安装角度，对桥梁构件进行聚类分析，选取各类构件中的代表性构件，在构件的阴面和阳面安装温度传感器。

3.根据权利要求1所述的基于深度学习的列车动态称重方法，其特征在于：第一步中所述图像采集仪采集桥梁结构响应，基于多目标追踪算法，识别铁路桥梁结构响应，采用结构模态参数动态追踪算法，实时追踪铁路桥梁模态参数。

4.根据权利要求1所述的基于深度学习的列车动态称重方法，其特征在于：第二步的具体方法是，依据桥梁设计参数，在有限元软件中建立桥梁有限元模型，计算桥梁模态参数，并逐一改变桥梁设计参数，建立各设计参数与桥梁模态参数之间的变化关系模型；然后，根据实测桥梁位移响应，采用随机子空间方法绘制模态参数稳定图，基于聚类分析方法识别稳定图中的结构模态参数，进而，依据识别得到的桥梁模态参数，修正有限元中的各设计参数，使有限元计算得到的模态参数与实测模态参数相吻合，完成有限元模型修正。

5.根据权利要求1所述的基于深度学习的列车动态称重方法，其特征在于：第三步的具体方法是，依据现有的列车荷载参数统计模型，随机生成100组列车荷载参数，同时，随机生成100组桥梁各构件的温度分布数据，在第二步修正后的桥梁有限元模型上设置温度场参数，同时考虑车-轨-桥耦合作用，计算不同列车荷载和不同温度场作用下的铁路桥梁结构响应。