[发明专利]一种基于深度学习的铁路货车轴承甩油故障检测方法

权利要求书

1.一种基于深度学习的铁路货车轴承甩油故障检测方法，其特征在于，所述检测方法包括以下步骤：

S1：获取轴承区域图像，利用所述图像构建训练集；

S2：搭建轴承甩油故障检测网络；

S3：对所述训练集进行预处理，分批送入所述故障检测网络进行训练，通过调整参数得到最终的故障检测模型；

S4：获取待检测图像，处理后输入所述故障检测模型，计算异常分数，得到轴承甩油故障检测结果。

2.如权利要求1所述的一种基于深度学习的铁路货车轴承甩油故障检测方法，其特征在于，步骤S1中首先通过高速摄像机获取铁路货车运行时的整车图像，包括侧架、中间部、车钩钩缓部位，从中选取包含轴承的侧架部位的图像，对获取的所述侧架部位的图像使用霍夫圆变换进行圆检测，通过设置不同的半径阈值过滤干扰的圆形，定位到所述侧架部位的轴承区域，对所述轴承区域进行裁剪，剪裁后的多个轴承区域组成故障检测网络的训练集。

3.如权利要求2所述的一种基于深度学习的铁路货车轴承甩油故障检测方法，其特征在于，步骤S2首先基于深度异常检测算法搭建轴承甩油图像故障检测网络，所述故障检测网络由编码器Encoder1、解码器Decoder、编码器Encoder2与判别器Discriminator组成；

其中所述编码器Encoder1由4个卷积层与1个全连接层组成，输入图像通过所述编码器Encoder1编码为隐空间向量z₁；

所述解码器Decoder由1个全连接层与4个反卷积层组成，将所述隐空间向量z₁输入解码器，解码成为重建图像；

所述编码器Encoder2由4个卷积层与1个全连接层组成，所述重建图像输入编码器Encoder2中，编码为隐空间向量z₂；

所述判别器Discriminator由4个卷积层与1个全连接层组成，所述判别器Discriminator接收来自训练集的图像，输出其真实性得分，该得分代表了该输入图像的真实概率；

通过所述编码器Encoder1、解码器Decoder、编码器Encoder2与判别器Discriminator的输出计算重建损失l_r、编码损失l_e、对抗损失l_d。

4.如权利要求3所述的一种基于深度学习的铁路货车轴承甩油故障检测方法，其特征在于，

所述重建损失l_r的获取，其中x是真实图像，是重建图像：

重建损失是由真实图像与重建图像的差距构成，其中真实图像为输入的图像，重建图像为所述解码器Decoder的输出图像；

所述编码损失l_e的获取：

l_e＝||z₁-z₂||₂

其中z₁是编码器Encoder1的输出，z₂是编码器Encoder2的输出；

所述对抗损失l_d的获取，其中D(x)为输入图像经过判别器的输出特征，为重建图像经过判别器的输出特征：

对抗损失是常规的生成对抗网络中判别器的损失，由输入图像和重建图像经过判别器Discriminator的特征输出差异构成，两者的差异通过二分类的交叉熵代价函数衡量；

故障检测网络整体损失函数：

l_total＝l_r+l_e+l_d。