[发明专利]一种基于深度卷积神经网络的列车轮对踏面损伤故障诊断方法在审
| 申请号： | 201910178267.2 | 申请日： | 2019-03-08 |
| 公开（公告）号： | CN110223266A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 何静;余昊宇;张昌凡;刘建华;毛颂安;龙永红;张瀛 | 申请（专利权）人： | 湖南工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T5/00;G06T5/30;G06T7/13;G06T7/136;G06T7/62;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 杨千寻;冯振宁 |
| 地址： | 412007 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于深度卷积神经网络的列车轮对踏面损伤故障诊断方法，首先将列车实时采集的踏面轮对踏面图片进行图像预处理，利用基于Tensorflow平台下的InceptionV3算法对已经预处理的数据进行特征提取，然后将提取的特征输入softmax分类器进行踏面损伤程度分类，为后续列车的分级控制提供依据。本发明设计的方法有效的降低了列车在运行时因踏面损伤而造成的不良后果，所采用的深度卷积神经网络算法极大地节约了参数，加速了运算量，并减轻了过拟合的情况，缩短了故障识别时间，且图像识别效果更为精准。 | ||
| 搜索关键词： | 踏面损伤 卷积神经网络 故障诊断 踏面 算法 车轮 预处理 图像预处理 不良后果 分级控制 故障识别 后续列车 实时采集 特征输入 特征提取 图像识别 列车 分类器 运算量 运行时 拟合 分类 节约 图片 | ||
【主权项】：
1.一种基于深度卷积神经网络的列车轮对踏面损伤故障诊断方法，其特征在于，包括以下步骤：S1、采集当前列车轮对踏面图像；S2、将图像先转化为灰度图，再进行去噪、边缘检测、轮廓提取等一系列预处理过程；S3、选取Inception V3作为特征提取网络，提取步骤S2中采集到的轮对踏面损伤图像特征；S4、基于softmax分类器识别轮对踏面图像获取细分类结果，所述分为四种损伤级别：正常阶段、征兆阶段、一般损伤阶段、严重损伤阶段。
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湖南工业大学，未经湖南工业大学许可，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/201910178267.2/，转载请声明来源钻瓜专利网。
