基于NARX神经网络的轮重减载率预测方法

介绍了一种基于神经网络的轮重减载率预测方法。以左轨轨向不平顺、右轨轨向不平顺、左轨高低不平顺、右轨高低不平顺为输入,以轮重减载率为输出,采用贝叶斯正则化算法构建了NARX(外部输入非线性自回归神经网络)。仿真试验结果及与BP神经网络的比较表明,采用NARX实现轮重减载率预测是可行而有效的。NARX比BP神经网络更适用于减载率预测。     

基于深度学习的地铁列车走行部关键部件温度检测系统

地铁列车走行部的良好运行状态是列车安全运行的保障。针对其关键部件发热故障的检测问题，研发了基于深度学习的地铁列车走行部关键部件温度检测系统。该系统采用红外热像仪获取走行部热成像图，引入注意力机制模块和CIoU损失函数，改进YOLOv5目标检测模型，识别、定位出关键部件；对关键部件图像进行灰度化处理和自适应阈值分割等操作，提取温度。基于实验室的Pytorch深度学习平台，在南京地铁运营公司马群车辆段对所研发的系统进行实验。实验结果表明，该系统可以获取走行部热成像图，准确定位关键部件并提取其温度信息。