[发明专利]一种高速动车组头型的辅助设计方法

摘要

本发明涉及一种高速动车组头型的辅助设计方法，其步骤为：S1、建立高速动车组头型图像样本数据集；S2、根据高速动车组头型样本数据集建立用于多分类的训练数据；S3、训练深度卷积神经网络模型；S4、选取高速动车组头型图像样本集的一份样本数据作为测试数据集，将测试数据集中的测试样本输入到训练好的深度卷积神经网络模型中，进行多层的卷积、池化操作；S5、对测试样本进行“打分”，得到测试样本的头型分数，辅助头型设计完成。本发明将有序回归和深度学习方法相结合，充分利用现有成熟车型的数据辅助未来新车型头型的设计选型，能够有效减少头型选型数量，显著提升高速动车组头型选型的效率，降低高速动车组头型设计过程中的耗费时间和成本。

主权项

1.一种高速动车组头型的辅助设计方法，其特征在于，其具体步骤为：S1、建立高速动车组头型图像样本数据集S11、收集高速动车组各种型号的头型图像数据；S12、收集给步骤S11中的头型图像数据做标签的标签数据；S13、对收集到的头型图像数据及标签数据进行噪声滤除，滤除非真实高速动车组车头噪声数据，得到高速动车组头型图像样本数据集；S2、根据高速动车组头型样本数据集建立用于多分类的训练数据S21、将车头设计的合理程度评分为1、2、…、M个等级，1为最差，M为最好，形成M分类器；S22、对收集到的头型图像样本数据集进行“打分”，得到打分数据集，每个样本数据包括输入部分和标注部分；输入部分为某型号高速动车组的头型图像数据，标注部分为该型号高速动车组试验后的实验整体得分；S23、输入头型图像样本数据集和打分数据集，根据头型和打分生成一系列的M分类类标，得到包含头型图像、M分类类标和权重的训练数据集；S3、训练深度卷积神经网络模型随机选取高速动车组头型图像样本集的一份样本数据作为验证数据集，将步骤S2得到的训练数据集和验证数据同时作用于深度卷积神经网络模型，利用训练数据拟合深度卷积神经网络模型，利用验证数据通过图像旋转、图形翻转、随意裁剪防止深度卷积神经网络模型过渡拟合，训练输出深度卷积神经网络模型，使得每一个输出都是M分类器的一个M分类类标；深度卷积神经网络模型经过不断拟合，最终经梯度下降优化算法后达到最优，得到训练好的深度卷积神经网络模型；S4、选取高速动车组头型图像样本集的一份样本数据作为测试数据集，将测试数据集中的测试样本输入到训练好的深度卷积神经网络模型中，进行多层的卷积、池化操作；S5、对测试样本进行“打分”，得到测试样本的头型分数，辅助头型设计完成。