[发明专利]一种铁路动车裙板格栅变形故障识别方法

说明书

一种铁路动车裙板格栅变形故障识别方法，解决了现有铁路动车裙板格栅变形故障识别方法检测效率低的问题，属于铁路动车故障识别技术领域。本发明包括：构建铁路动车的裙板格栅变形样本集；利用裙板格栅变形样本集对深度学习目标检测网络Faster R‑CNN进行训练，得到Faster R‑CNN检测模型及权重；利用Faster R‑CNN检测模型及权重识别铁路动车待检测的侧部图像，确定侧部图像中的裙板格栅是否出现变形及变形位置。本发明特征提取网络包括：将Resnet‑50网络中Bottleneck块中的3x3的卷积核用一个3x1的卷积核串联一个1x3的卷积核替代，用Swish激活函数替代特征提取网络中的ReLU激活函数。本发明对列车裙板格栅变形故障进行识别检测，有效的避免了人工检测时因为疲劳和个人评判差异造成的识别误差。

技术领域

本发明涉及一种基于改进Faster R-CNN的铁路动车裙板格栅变形故障识别方法，属于铁路动车故障识别技术领域。

背景技术

高速铁路动车组的大部分关键设备吊装在车下，动车组在线路上高速运行时会产生很强的空气压力波，因此石头、冰块或其他物体与车下设备发生高速打击的意外情况时常发生，严重危及铁路动车的运行安全。为减少空气阻力，保护和检修车下设备，确保高速铁路动车组的安全运行，时速200km及以上速度登记的高速铁路动车组的安全运行，安装具有导流、防护、检修功能的全封闭车下设备舱，动车组运行时，设备舱内设备会产生大量的热量。为了将热量散出，保证列车的安全运行，动车组设备舱裙板设有通风口，通风口安装格栅，以便设备产生的热量及时散出。裙板格栅变形故障会影响通风效果，使设备舱内热量堆积，影响设备的正常运行或使设备产生故障，从而引发安全问题，所以需要对裙板格栅变形故障进行检测。

针对铁路动车裙板格栅变形故障识别，现有技术为人工检测，人工检测会出现因疲劳和个人评判差异造成识别误差。人工识别检测，检测效率低，且准确率不稳定。

发明内容

针对现有铁路动车裙板格栅变形故障识别方法检测效率低的问题，本发明提供一种基于改进Faster R-CNN的铁路动车裙板格栅变形故障识别方法。

本发明的一种铁路动车裙板格栅变形故障识别方法，方法包括：

S1、构建铁路动车的裙板格栅变形样本集；

S2、利用裙板格栅变形样本集对深度学习目标检测网络Faster R-CNN进行训练，得到Faster R-CNN检测模型及权重；

S3、利用Faster R-CNN检测模型及权重识别铁路动车待检测的侧部图像，确定侧部图像中的裙板格栅是否出现变形及变形位置。

作为优选，深度学习目标检测网络Faster R-CNN中的特征提取网络包括：将Resnet-50网络中Bottleneck块中的3x3的卷积核用一个3x1的卷积核串联一个1x3的卷积核替代。

作为优选，用Swish激活函数替代特征提取网络中的ReLU激活函数。

作为优选，S1包括：

S11、获取铁路动车的整节侧部图像，对获取的侧部图像进行滤波；

S12、对滤波处理后的图像进行切割，获得带有格栅的裙板子图；

S13、在带有格栅的裙板子图上对裙板格栅变形故障进行模拟；

S14、对子图中裙板格栅变形故障进行标记，完成裙板格栅变形样本集的构建。

作为优选，S11包括，获取不同车型、不同天气状况、不同时间段的铁路动车的整节侧部图像，依次采用滤波器F₁和F₂对获取的侧部图像进行滤波处理，其中：