语义数据标注的轻量化轨道扣件故障检测方法
作者:
作者单位:

1.北京建筑大学机电与车辆工程学院 北京,100044;2.北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室 北京,100044;3.东平湖管理局供水局陈垓闸管理所 泰安,271599

作者简介:

姚德臣,男,1984年1月生,博士、教授。主要研究方向为机械设备状态监测与故障诊断、机械寿命预测。曾发表《Remaining useful life prediction of roller bearings based on improved 1D-CNN and simple recurrent unit》(《Measurement》2021,Vol. 175)等论文。 E-mail: yaodechen@bucea.edu.cn

通讯作者:

中图分类号:

U216.3;TH17

基金项目:

国家自然科学基金面上资助项目(51975038,52272385);国家自然科学基金青年科学基金资助项目(52205083);北京市自然科学基金资助项目(L211008,L221027,L211007);北京市自然科学基金青年基金资助项目(3214042);北京建筑大学青年教师科研能力提升计划资助(X21055)


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对常规深度学习网络规模大、对现场设备硬件要求高且人工标注位置数据复杂费时等问题,提出了一种语义数据标注的轻量化轨道扣件故障检测方法。该方法仅对训练数据做语义标注,改进轻量化Transformer模型,嵌入梯度加权类激活映射(gradient-weighted class activation mapping,简称Grad-CAM)模块对模型输出的特征图权重作映射处理,可将模型对轨道扣件检测效果可视化。将获得的激活图进行二值化定位检测目标位置,实验结果表明,在真实铁路环境下,改进的轻量化轨道扣件模型的准确率为94.31%。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2023-06-12
  • 最后修改日期:2023-08-08
  • 录用日期:
  • 在线发布日期: 2024-02-27
  • 出版日期:
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司