[发明专利]一种基于深度学习技术的轨道板上拱状态检测方法

说明书

本发明属于轨道板上拱检测技术领域，具体涉及一种基于深度学习技术的轨道板上拱状态检测方法。本发明所述方法将分类问题转化为时间序列分类问题，即输入为一系列轨道板位移数据信号片段，输出为轨道板对应的状态分类；针对轨道板上拱状态识别任务的特点，将识别过程分为两个阶段：特征提取阶段和分类阶段；考虑到原始信号的噪声较多,特别是包含轨道板不平顺的信号贯穿始终，使用多种类型的特征来表示脑电信号分成两个阶段来简化分类过程的计算量，提高计算速度。

技术领域

本发明属于轨道板上拱检测技术领域，具体涉及一种基于深度学习技术的轨道板上拱状态检测方法。

背景技术

我国通过引进德国博格板式无砟轨道后进行学习创新发展起来了新型高速轨道结构CRTS II型板式无砟轨道。京津高速铁路是我国第一条时速300～350km/h的高速铁路，高速线路全长1318km，是新中国成立以来一次建设里程最长、投资最大、标准最高的高速铁路，全线铺设无砟轨道，采用了CRTS II型板式无砟轨道技术。目前CRTS II型板式无砟轨道已经在京津、京沪、沪杭等多条客运专线上使用。路基上CRTS II型板式无砟轨道主要由钢轨、扣件系统、轨道板、水泥沥青砂浆(Cement Asphalt Mortar，简称CA砂浆)层和混凝土支承层等部件组成。由于CRTS II型板式无砟轨道受列车冲击和环境温度等因素影响，无砟轨道轨下结构不可避免地会出现各种病害，其中板式无砟轨道出现离缝进而导致轨道板上拱是是一种典型病害。

目前板式无砟轨道离缝上拱的现场检测维修主要采用目测、钢尺插入量测、现场揭板和轨检车的方法。目测及钢尺插入量测法缺点在于无法检测中间局部离缝及离缝的准确分布情况；揭板法缺点在于仅适用于在建铁路，且费用高昂，效率低下；轨检车缺点在于造价昂贵，且只能在列车运营空窗期进行检测，不能进行实时状态监测。

专利CN201910620162.8公开了一种轨道板上拱分布式监控系统及监控方法，实时检测轨道板上拱角度，并通过对上拱角度进行数据处理，将火车经过时检测的角度值滤除，从而保留轨道板静态时测量的角度值；该轨道板上拱分布式监控系统及监控方法存在如下缺陷：

1)由于现有算法只能实现道板静态时测量的角度值测量，应用场景单一；

2)当火车经过时现有算法会直接滤除此时数据，采集的原始数据缺失，不利于后期数据分析；

3)轨道板上拱分布式监控方法及系统采用节点出进行数据处理，存在电路功率大，耗电快，节点使用寿命降低。

发明内容

针对上述技术问题，本发明提供一种基于深度学习技术的轨道板上拱状态检测方法。将分类问题转化为时间序列分类问题，即输入为一系列轨道板位移数据信号片段，输出为轨道板对应的状态分类。

本发明是通过以下技术方案实现的：

一种基于深度学习技术的轨道板上拱状态检测方法，包括以下步骤：

(1)将车辆-板式轨道动力学传统模型改进为考虑CA砂浆脱空作用下的车辆-板式轨道动力学模型；

(2)构造分类神经网络深度学习的数据库：利用步骤(1)得到的考虑CA砂浆脱空作用下的车辆-板式轨道动力学模型，通过设置不同参数输出不同脱空程度下轨道板位移模拟数据，进行多次训练得到足够的模拟数据后，将模拟数据根据病害种类进行添加标签构成数据库，所述数据库包括用于输入分类神经网络的训练集以及用于输入分类神经网络的测试集；

(3)利用步骤(2)构造的数据库训练分类网络：分类网络结构包括四层网络，第一层网络为输入层，第二层网络为BiLSTM，第三层网络为全连接层，第四层网络为softmax层；