文档名：基于1DCNN的无砟轨道CA砂浆脱空识别
摘要：为解决水泥乳化沥青砂浆(CA砂浆)脱空位置识别的难题,提出考虑CA砂浆脱空的无砟轨道模型建模与计算方案.首先,基于CRTSI型板式无砟轨道"梁-板-板"建模理论,使用非线性弹簧模拟CA砂浆脱空病害,输入扣件支点反力作为模型的激励,得到监测点位的垂向加速度数据集.其次,通过对数据集缩放、添加噪声的方式进行数据增强,增强数据集的差异,以增强识别模型的泛化性,获得更加准确的识别结果.最后,建立脱空病害的识别方法,搭建一维卷积神经网络(1D-CNN)进行CA砂浆的脱空位置识别,构建准确率、查准率和查全率等评价指标评估识别结果,使用t-SNE降维算法对结果进行可视化.对比其他3种神经网络的表现,探讨1D-CNN应用于CA砂浆脱空位置识别的优势.研究结果表明:"梁-板-板"模型反映了无砟轨道的力学本征,用于CA砂浆脱空问题的仿真模拟是可行的;通过对数据集信号缩放、添加噪声的方式进行数据增强可提高深度学习模型的性能;从深度学习的角度来看,CA砂浆脱空发生在板中造成的危害较小,应重点关注板端CA砂浆脱空的养护与维修问题;1D-CNN相比其他3种模型运算时间短,在CA砂浆脱空位置识别数据集上优势更大,识别准确率可达95%以上.研究结果为进一步提高无砟轨道结构监测的自动化和智能化水平提供参考.
Abstract：InordertosolvethechallengeofidentifyingthelocationofvoidinCement-emulsifiedAsphaltmortar(CAmortar),amodelingandcalculationschemewasproposedforballastlesstracksconsideringtheCAmortarvoid.BasedontheCRTSIslabballastlesstrackbeam-shellmodelingtheory,anon-linearspringwasusedtosimulateCAmortarvoiddamage,andthefastenerforceswereinputastheexcitationofthemodeltoobtaintheverticalaccelerationdatasetatthemonitoringpoints.Second,dataaugmentationwasperformedbyscalingthesequencesandaddingnoisetoenhancethedifferencesinthedataset.Theseapproachesaimedtoimprovetherecognitionmodeltoobtainmoreaccuraterecognitionresults.Finally,amethodfortheidentificationofvoidswasestablished.Aone-dimensionalConvolutionalNeuralNetwork(1D-CNN)wasbuilttoidentifythelocationofCAmortarvoids.Evaluationmetricssuchasaccuracy,recall,andprecisionwereconstructedtoassesstheidentificationresultsandvisualizetheresultsusingthet-SNEdimensionalityreductionalgorithm.Theadvantagesof1D-CNNappliedtoCAmortarvoidrecognitionwerediscussedbycomparingtheperformanceoftheother3neuralnetworks.Theresultsshowthatthebeam-shellmodelreflectsthemechanicalintricaciesoftheballastlesstrackandisfeasibleforthesimulationoftheCAmortarvoidproblem.Dataaugmentationbyscalingthedatasetsignalandaddingnoisecanimprovetheperformanceofthedeeplearningmodel.Fromadeeplearningperspective,theCAmortarvoidinthemiddleoftheslabislessdamagingandshouldfocusonmaintainingtheCAmortarvoidattheslabend.1D-CNNhasashorterrunningtimecomparedwiththeother3modelsandhasagreateradvantageintheCAmortarvoidlocationidentificationdataset,withanidentificationaccuracyofmorethan95%.Theresultsofthestudyprovideareferenceforfurtherimprovingtheautomationandintelligenceofballastlesstrackstructuremonitoring.
作者：陈宪麦 李鑫海 徐磊 邓燚 黄厚龙 邓云强Author：CHENXianmai LIXinhai XULei DENGYi HUANGHoulong DENGYunqiang
作者单位：中南大学土木工程学院,湖南长沙410075
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2024, 21(4)
分类号：U213.2
关键词：无砟轨道 有限元模型 CA砂浆 深度学习 脱空识别
Keywords：ballastlesstrack finiteelementmodel CAmortar deeplearning voididentification
机标分类号：U418.6U25TP391.41
在线出版日期：2024年5月17日
基金项目：中国铁道科学研究院集团有限公司科技研究开发计划基于1D-CNN的无砟轨道CA砂浆脱空识别[
期刊论文] 铁道科学与工程学报--2024, 21(4)陈宪麦 李鑫海 徐磊 邓燚 黄厚龙 邓云强为解决水泥乳化沥青砂浆(CA砂浆)脱空位置识别的难题,提出考虑CA砂浆脱空的无砟轨道模型建模与计算方案.首先,基于CRTSI型板式无砟轨道"梁-板-板"建模理论,使用非线性弹簧模拟CA砂浆脱空病害,输入扣件支点反力作为模型...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于1D-CNN的无砟轨道CA砂浆脱空识别 CA mortar void identification for ballastless track using 1D-CNN
基于1D-CNN的无砟轨道CA砂浆脱空识别.pdf
- 文件大小:
- 4.23 MB
- 下载次数:
- 60
-
高速下载
|
