[发明专利]基于卷积神经网络的接触线抬升量测量方法及系统

权利要求书

1.一种基于卷积神经网络的接触线抬升量测量方法，其特征在于，包含以下步骤：

步骤1、来车检测

根据接收到的磁钢输出数据，对火车进行判向判量与计轴测速，当火车驶来时触发图像采集装置开启，当火车驶离时触发图像采集装置停止；

步骤2、图像序列采集

图像采集装置的高速线阵相机以1000FPS的帧率间隔采集1920*32大小的灰度图像，得到待测量图像序列；

步骤3、接触线抬升量测量

利用预训练的卷积神经网络模型逐个检出每幅图像的抬升量，形成抬升量数值序列；

利用预训练的卷积神经网络模型对每幅图像的抬升量进行预测，逐个检出每幅图像的抬升量后，对抬升量进行回归分析获得抬升量数值序列；

所述卷积神经网络模型包含1个数据输入层、2个卷积计算层、2个最大池化层、2个全连接层和1个输出层；

输入层为1920*32大小的灰度图像；

输入层后为两个卷积计算层，卷积核大小分别为11*11、5*5，参数分别为[1,32]、[32,64]，每个卷积层后紧跟一个1*4大小的最大池化层；

全连接层参数分别为3840和1920；

输出层经过自定义激励函数激励，得到测量值；

对卷积计算层和全连接层采用Relu函数激励，公式为；输出层采用自定义激励函数激励，公式为

训练过程中采用最小二乘损失函数，公式为：

；

所述卷积神经网络模型进行训练时，先对训练数据进行归一化处理，将像素值映射到0~1之间，并随机增加噪声和模糊处理；

步骤4、接触线振动参数提取

对抬升量序列进行时域和频域分析，获取特征参数；

所述特征参数包括时域的最大抬升量和最小抬升量，频域的主振动频率和高频振动频率；

所述频域分析包括：采用现代谱估计方法，利用Burg算法先估计反射系数Km，再利用Levinson关系式求得AR模型参数，然后根据,求得随机信号的功率谱密度，进而获得主振动频率和高频振动频率。

2.一种基于卷积神经网络的接触线抬升量测量系统，其特征在于：包括来车检测装置、图像采集装置、接触线抬升量测量装置和接触线振动参数提取装置；进行接触线抬升量检测时，执行权利要求1所述的基于卷积神经网络的接触线抬升量测量方法。