申请/专利权人:西南交通大学
申请日:2024-01-31
公开(公告)日:2024-05-14
公开(公告)号:CN118035886A
主分类号:G06F18/2431
分类号:G06F18/2431;G06F18/214;G06F18/15;G06F18/25;G06N3/0464;G06N3/048;G06N3/08;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.31#实质审查的生效;2024.05.14#公开
摘要:本发明公开了一种基于格拉姆角场与深度学习的地铁塞拉门故障检测方法,包括以下步骤:对地铁塞拉门驱动电机电流信号进行预处理;对预处理后的电流信号进行数据压缩,得到压缩后的电流信号;对压缩后的电流信号进行归一化、坐标转换和格拉姆矩阵计算,并将计算得到的二维矩阵生成二维图像;通过深度学习残差网络对二维图像进行故障分类识别。本方法通过对原始电流数据进行数据压缩处理后将其转换为二维图像,利用深度学习网络实现对地铁车门系统中下档销位移、压轮过压、V型倒置故障以及V型尺寸正向超标故障的实时检测,不需要人工提取特征,避免了传统机器学习算法中人工提取特征困难的问题,可实现故障自动实时检测,确保行车安全。
主权项:1.一种基于格拉姆角场与深度学习的地铁塞拉门故障检测方法,其特征在于,包括以下步骤:S1、获取地铁塞拉门驱动电机电流信号并进行预处理,得到预处理后的电流信号;S2、对预处理后的电流信号进行数据压缩,得到压缩后的电流信号;S3、对压缩后的电流信号进行归一化、坐标转换和格拉姆矩阵计算,并将计算得到的二维矩阵生成二维图像;S4、通过深度学习残差网络对二维图像进行故障分类识别,完成地铁塞拉门故障检测。
全文数据:
权利要求:
百度查询: 西南交通大学 基于格拉姆角场与深度学习的地铁塞拉门故障检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。