[发明专利]铁路货车滚轴承甩油故障检测方法

说明书

铁路货车滚轴承甩油故障检测方法，本发明涉及铁路货车故障检测方法。本发明的目的是为了解决现有铁路货车滚轴承甩油故障检测准确率差，效率低的问题。过程为：一、线阵图像获取；二、粗定位；三、数据集图像预处理；四、故障目标分类：四一：搭建神经网络分类模型；四二：把预处理后的数据集图像归一化作为训练集输入到神经网络分类模型中；四三：神经网络分类模型损失函数是所有三预处理后的数据集图像的交叉熵损失函数的平均值；四四：更新神经网络分类模型的权重参数；四五：获得训练好的神经网络分类模型；五、判断待测铁路货车线阵图像是否为滚动轴承甩油故障图像。本发明用于货车滚轴承甩油故障检测领域。

技术领域

本发明涉及铁路货车故障检测方法。

背景技术

随着中国经济迅速发展，人们对物流的需求也日益增加。其中铁路货车运输在物流发展中起到了至关重要的作用，而铁路货车滚动轴承甩油故障影响了物流运输的安全和速度。滚动轴承甩油时，会导致轴承内部的有效润滑作用降低，使得轴承保持架和滚子之间的摩擦力和冲击力增大，容易导致轴承保持架出现破损，进而影响物流运输安全。长期采用人工重复检查滚动轴承甩油故障图像，存在工作枯燥，容易分神，效率低下的问题，无法保证准确率。

发明内容

本发明的目的是为了解决现有铁路货车滚轴承甩油故障检测准确率差，效率低的问题，而提出铁路货车滚轴承甩油故障检测方法。

铁路货车滚轴承甩油故障检测方法具体过程为：

步骤一、线阵图像获取；

步骤二、粗定位；

步骤三、数据集图像预处理；

步骤四、故障目标分类；具体过程为：

步骤四一：搭建神经网络分类模型，包括特征提取网络、多尺度融合单元、分类层；

步骤四二：把步骤三预处理后的数据集图像归一化到512*512，作为训练集输入到步骤四一搭建好的神经网络分类模型中；

步骤四三：假设某个样本的真实标签为y_t，该样本的y_t＝1的概率为y_p，则该样本的交叉熵损失函数如下式所示：

log(y_t|y_p)＝-(y_t×log(y_p)+(1-y_t)log(1-y_p))

神经网络分类模型损失函数是所有步骤三预处理后的数据集图像的交叉熵损失函数的平均值；

步骤四四：根据交叉熵损失函数进行误差反向传播和梯度下降，并更新神经网络分类模型的权重参数；

步骤四五：重复步骤四三到四四，直至损失函数逐渐收敛并稳定，确定目前神经网络分类模型权重参数为训练好的神经网络的分类模型权重参数，进而获得训练好的深度学习滚动轴承甩油故障神经网络分类模型；

步骤五、判断待测铁路货车线阵图像是否为滚动轴承甩油故障图像。

本发明的有益效果为：

本发明通过对行驶中的货车进行拍摄，获取动车全车图像。结合图像处理、模式识别和深度学习等领域的知识。实现甩油故障自动识别及报警，人工只需对报警结果进行确认，最终实现机检作业代替人检作业，不仅能节约单位的人力成本，还能提高作业质量和作业效率。