[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。
