[发明专利]一种基于深度学习的轨道-车体振动状态预测方法有效
申请号: | 201810637027.X | 申请日: | 2018-06-20 |
公开(公告)号: | CN109034192B | 公开(公告)日: | 2022-03-08 |
发明(设计)人: | 滕飞;李勇;李天瑞 | 申请(专利权)人: | 西南交通大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 成都点睛专利代理事务所(普通合伙) 51232 | 代理人: | 孙一峰 |
地址: | 610031 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: | 本发明属于铁路安全运行控制技术领域,具体的说是涉及一种基于深度学习的轨道‑车体振动状态预测方法。本发明的主要步骤为:将二维的轨道不平顺数据转化成RGB图像数据以构建训练集;构建CNN网络结构;将训练集输入CNN网络,对CNN网络进行训练;将待识别的轨道不平顺数据转化成轨道不平顺图像样本,输入到训练好的CNN模型进行车体振动状态预测。本发明的有益效果是:区别于传统的基于机器学习方法的轨道‑车体振动状态预测方法,本发明有效降低了建模的复杂度;本发明方法只需提供原始轨道不平顺数据用于对CNN网络的训练,能够自动提取到有利于轨道‑车体振动状态分类任务的特征,避免了复杂的特征提取、选择过程。 | ||
搜索关键词: | 一种 基于 深度 学习 轨道 车体 振动 状态 预测 方法 | ||
【主权项】:
1.一种基于深度学习的轨道‑车体振动状态预测方法,其特征在于,包括如下步骤:S1、将二维的轨道不平顺数据转化成RGB图像数据以构建训练集;S2、构建CNN网络结构;S3、将训练集输入CNN网络,对CNN网络进行训练;S4、将待识别的轨道不平顺数据转化成轨道不平顺图像样本,输入到训练好的CNN模型进行车体振动状态预测。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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西南交通大学,未经西南交通大学许可,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/patent/201810637027.X/,转载请声明来源钻瓜专利网。