.png){kind=icon}
返回
Monitoring track irregularities using multi-source on-board measurement data
.png){kind=icon}
OA
AI
DOI：10.1007/s40534-024-00374-0.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
轨道不平顺的精确监测对于提升车辆运行质量以及制定合理的轨道维护策略非常有帮助。现有方法存在依赖复杂信号处理算法且缺乏多源数据分析的问题。受包括轴箱、构架和车体加速度在内的多源测量数据驱动，本文提出了一种基于深度学习方法的轨道不平顺监测网络（TIMNet）。TIMNet利用卷积神经网络的特征提取能力和长短时记忆模型（LSTM）的序列映射能力，探索车辆加速度与轨道不平顺之间的映射关系。采用粒子群优化算法（PSO）优化网络参数，从而在时间和空间域内准确识别垂直和横向轨道不平顺。通过车辆动力学模型在不同仿真条件下分析了所提TIMNet的有效性和优越性。进行了现场试验以证明所提TIMNet在定量监测垂直和横向轨道不平顺方面的可用性。此外，对比试验表明，与其它经典回归方法相比，TIMNet在监测轨道不平顺（垂直R²为0.91，横向R²为0.84，耗时10 ms）方面具有更好的拟合度和实时性。试验还证明，TIMNet比其他回归模型具有更强的抗干扰能力。
Keyword:
Track irregularities
Vehicle accelerations
On-board monitoring
Multi-source data
Deep learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
R
IF:
5.4
论文数:
157
被引数:
709
机构
引用论文
分享收藏分享收藏High-speed railway wheel polygon detection framework using improved frequency domain integration基于改进频域积分的高速铁路车轮多边形检测框架
PREAI
分享收藏Development and Operation of Track Condition Monitoring System Using In-Service Train利用在役列车开发与运营轨道状态监测系统
OAAI
OAAI分享收藏Track irregularities estimation based on the vibration of car-body基于车体振动的轨道不平顺估计.png)
2017 IEEE 2nd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC)
2017 IEEE 2nd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC)IF0
PREAI
分享收藏The influence of track irregularities on the running behavior of high-speed trainsProceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit
Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid TransitIF0
PREAI
分享收藏
查看更多内容