[发明专利]一种基于时间切片的探伤车里程AI计算方法及系统

说明书

本发明提供一种基于时间切片的探伤车里程AI计算方法及系统，实现步骤是：S1在探伤车上安装光电速度编码器；S2选择激光、电容和北斗三种中的某一种，作为数据源头；S3对自动化采集的速度进行切片作为标准训练集；S4,S5选择训练的数据模型；S6：选择损失函数；S7通过BP神经网络算法对大数据集合进行对训练；S8生成标准的速度误差数据，生成标准结果集；通过S9智能计算中心到速度误差表中找到对应的(V₁,V₂,T₁,T₂W,B)数据，并按照S＝(V₂‑V₁)/2*(T₂‑T₁)*W+B公式计算实际里程,提高了里程数据的精度。

技术领域

本发明是一种基于时间切片的探伤车里程AI计算方法及系统，包括探伤车里程数据的采集、AI 训练与实时计算的方法及系统，具体涉及到里程数据采集、速度时间切片自动化划分、里程理想值计算、建立标定线标准数据训练集、AI训练器、速度差值表、智能实时里程计算中心和里程数据展示功能。

背景技术

随着科学技术的发展，铁路探伤领域涌现出了越来越多的新技术，但是探伤车在行驶过程中的里程定位问题始终困扰着探伤领域。为了解决探伤采集的里程数据是精确的要求，我们对探伤车上采集的轨道数据进行了研究，发现影响探伤车里程计算的主要因素为探伤车的车轮在钢轨上行走时滚动摩擦力不同，导致速度不同时出现的频率不同的。考虑到钢轨的特殊性，假设滚动摩擦力和探伤车的重力是固定不变的，在固定的速度下探伤车检测里程的误差基本一致，不存在较大的波动，此时检测里程数据呈现线性规律的变化。因此设想通过在大数据标本下经过AI训练和学习，能否找到有规律的偏差值，使里程检测更精确。

目前，探伤车上的里程仅仅通过速度传感器进行采集和计算，在探伤车通过信号机时由人工进行校正，重新设置速度传感器的初始值。此外没有做任何的二次优化，由于人与人之间的反应能力、动作协调能力和判断能力以及视角差别很大，导致输入的校正数据出现不稳定和不一致性。

因此有必要推出一种基于时间切片的探伤车里程AI计算方法及系统，来解决这些问题。

发明内容

本发明要解决的技术问题是解决人工校对数据的不一致性、不准确的问题。提供一种在标准线路上建立训练数据集和数据训练模型，通过AI智能训练后，得到标准的里程误差表。在实际检测的过程中将采集的里程数据按照固定时间片进行切分，将时间片数据输入大数据训练结果集得到偏离值和权重，再通过数学模型：

S＝(V₂-V₁)*(T₂-T₁)*w+b(其中b为Bias偏离值，w为权重)

计算得到实际里程S，从而实现探伤车里程实时和精确计算功能。

本发明提供一种基于时间切片的探伤车里程AI计算方法及系统，由速度编码器模块、速度时间切片模块、里程计算器模块、标定线标准数据训练集模块、AI训练器模块、速度差值表模块、智能实时里程计算中心和里程数据展示模块组成；其中AI训练器包括数学模型、损失函数、BP神经网络计算模块。

所述速度编码器模块是指通过在探伤车车轮上安装速度编码器来采集车轮的速度，速度编码器是一种通过光电转换将输出轴上的机械几何位移量转换成脉冲或数字量的传感器通过采集车轮转过的圈数、探伤车轮轨的半径，将这些数据发送到速度时间切片模块，进行切片的划分。