[发明专利]一种列车闸片厚度检测方法及其系统在审
申请号: | 202011566655.7 | 申请日: | 2020-12-25 |
公开(公告)号: | CN112750103A | 公开(公告)日: | 2021-05-04 |
发明(设计)人: | 张渝;彭建平;赵波;黄炜;王小伟;章祥;马莉;胡继东;何蕾 | 申请(专利权)人: | 成都主导科技有限责任公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/60;G01B21/08;G07C5/08;G07C5/00;G06Q10/04;G06Q10/00;G06Q50/30 |
代理公司: | 成都市集智汇华知识产权代理事务所(普通合伙) 51237 | 代理人: | 罗艳 |
地址: | 610000 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 车闸 厚度 检测 方法 及其 系统 | ||
1.一种列车闸片厚度检测方法,其特征在于,包括:
S1:采集列车闸片图像数据及列车的行驶里程数据;
S2:提取所述列车闸片图像数据中包含的第一闸片下端厚度数据和第二闸片下端厚度数据;
S3:基于所述第一闸片下端厚度数据、所述第二闸片下端厚度数据和所述行驶里程数据生成第一闸片下端磨耗率数据和第二闸片下端磨耗率数据;
S4:构建由多组人工标注的第一闸片上端厚度数据和第二闸片上端厚度数据,以及所述第一闸片下端厚度数据和所述第二闸片下端厚度数据组成的训练样本集;
S5:基于所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据构建闸片最小厚度预测模型;
S6:基于所述训练样本集训练所述闸片最小厚度预测模型,生成用于预测闸片最小厚度值的最优厚度预测模型。
2.根据权利要求1所述的列车闸片厚度检测方法,其特征在于,所述S3包括:
调用初始闸片厚度数据、历史闸片下端厚度数据及其对应的历史行驶里程数据;
基于所述初始闸片厚度数据、所述历史闸片下端厚度数据及其对应的所述历史行驶里程数、所述闸片下端厚度数据和所述行驶里程数据生成以行驶里程数为自变量的所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据。
3.根据权利要求2所述的列车闸片厚度检测方法,其特征在于,所述S5包括:
基于所述第一闸片下端磨耗率数据和所述第二闸片下端磨耗率数据,计算闸片厚度参数、厚度偏差参数、厚度连续性偏差参数、磨耗率参数、磨耗率偏差参数和磨耗率连续偏差参数,构建所述闸片最小厚度预测模型PVup=CVdown±P(a1,a2,a3,a4,a5,a6),其中,PVup为闸片最小厚度预测数据,CVdown为所述第一闸片下端厚度数据,P(a1,a2,a3,a4,a5,a6)中,a1为所述闸片厚度参数、a2为所述厚度偏差参数、a3为所述厚度连续性偏差参数、a4为所述磨耗率参数、a5为所述磨耗率偏差参数、a6为所述磨耗率连续偏差参数。
4.根据权利要求3所述的列车闸片厚度检测方法,其特征在于,所述S6包括:
S61:利用公式Err=PVup-RVup计算所述闸片最小厚度预测模型的预测误差,其中,Err为预测误差,PVup为闸片最小厚度预测数据,RVup为该组训练样本的闸片最小厚度值;
S62:基于所述预测误差,更新所述闸片厚度参数、所述厚度偏差参数、所述厚度连续性偏差参数、所述磨耗率参数、所述磨耗率偏差参数、所述磨耗率连续偏差参数,并计算所述闸片最小厚度预测模型的预测误差;
S63:重复步骤S61-S62直至所述闸片最小厚度预测模型的预测误差收敛于最小值,生成所述最优厚度预测模型。
5.根据权利要求4所述的列车闸片厚度检测方法,其特征在于,所述S2包括:
提取所述列车闸片图像数据中包含的所述第一闸片下端厚度数据和所述第二闸片下端厚度数据后,对所述第一闸片下端厚度数据和所述第二闸片下端厚度数据进行数据清洗,其中,
所述数据清洗方法包括完整性判断、数据类型判断、异常数据判断及补值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都主导科技有限责任公司,未经成都主导科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011566655.7/1.html,转载请声明来源钻瓜专利网。