基于卷积神经网络的ZPW-2000R轨道电路运行状态智能识别 |
| |
作者姓名: | 陈洪根 李诗宇 邓阳 禹建丽 黄春雷 |
| |
作者单位: | 1. 郑州航空工业管理学院管理工程学院;2. 黑龙江瑞兴科技股份有限公司 |
| |
基金项目: | 国家自然科学基金项目(71871204);;河南省科技攻关项目(212102210338,212102310496);;教育部人文社科项目(20YJCZH235);;河南省高校科技创新团队支持计划资助(21IRTSTHN018); |
| |
摘 要: | 为提高ZPW-2000R轨道电路诊断系统的判定准确性和运行效率,提出了一种基于卷积神经网络的轨道电路运行状态智能识别方法。首先,根据轨道电路监测数据集构建轨道电路运行状态灰度图谱,以精准表达轨道电路的运行状态,并通过图像缩放建立实验样本;其次,构建卷积神经网络模型并对轨道电路运行状态灰度图谱进行特征提取与模式识别。实验结果表明,本文提出的方法对轨道电路运行状态识别的准确率为100%,可有效识别轨道电路正向占用状态、逆向占用状态和空闲状态。
|
关 键 词: | 轨道电路 卷积神经网络 灰度图像 |
|