原文传递
基于结构光轨形检测的道岔在线识别方法研究
| 论文题名： | 基于结构光轨形检测的道岔在线识别方法研究 |
| 关键词： | 铁路轨道;道岔识别;轨形检测;决策树;卷积神经网络;曲线描述 |
| 摘要： | 道岔是铁路轨道的重要组成部分，也是轮轨磨耗和冲击较严重的部分，因此需要定期地对道岔的轨道状态进行检测和评估。道岔的道岔评估标准是不同于普通钢轨的状态评估标准的。然而轨检车在检测轨道参数时，并不能区分所检测的轨道是普通的轨道还是道岔。因此，在利用轨检数据对轨道状态进行评估时，需要区分所评估的对象是道岔还是普通的轨道。另一方面，依靠应答器的列车定位方法存在着资金和安装密度方面的矛盾，没有充分利用轨道自身的特点。而道岔作为铁路轨道的一部分，可以用来辅助列车定位，从而减少对应答器的依赖。另外，如果要计算道岔的磨耗，首先必须要能够将道岔与普通钢轨区分开来。以上三点归纳出一个问题:如何将道岔从众多的轨形数据中识别出来。 目前关于道岔轨形的识别问题的研究还很少，本文对道岔的自动识别问题进行了探索式研究。 通过对道岔轨形的特点进行分析，制定了三种解决方案:方案一提取曲线的特征向量，并计算向量之间的欧几里得距离，然后综合判断是否为道岔。方案二采用基于统计的模式识别方法中的决策树模型，方案三采用卷积神经网络。在实现方案二时，采用一种基于曲线相对高度的曲线描述方法来对轨形进行编码，然后将特征向量输入到CART算法构建的决策树中。在实现方案三时，构建了一个浅层的卷积神经网络，直接输入轨形数据进行训练。计算结果表明，将基于相对高度的曲线描述算法与CART算法结合起来，能够起到较好的分类效果，道岔识别的正确率在87％左右;在道岔轨形数量较少的情况下，采用简单的卷积神经网络无法起到分类效果，原因是数据集不平衡。 |
| 作者： | 郑力元 |
| 专业： | 精密仪器与机械 |
| 导师： | 陈建政 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
