[发明专利]车轮失圆状态智能识别AI模型训练使用方法、设备及介质

说明书

本申请提供了车轮失圆状态智能识别AI模型的训练方法、使用方法、计算机设备以及计算机可读存储介质，有助于提高AI模型针对振动响应进行预测的准确率。训练方法包括：获得被测车轮运行过程中的振动检测数据；从所述振动检测数据中提取数据而获取样本，样本以被测车轮运行于一个设定长度L的位移为单位并包含该单位对应的振动强度特征向量和被测车轮失圆状态标签，设定长度L≥被测车轮的周长，所述振动强度特征向量被要求具有设定维数N且当该振动强度特征向量中能够从所述振动检测数据中提取的振动强度特征值的数量少于该设定维数N时通过数值插值来弥补；使用所述样本对预设神经网络进行迭代训练，直至所述预设神经网络的训练达到设定阈值。

技术领域

本申请涉及人工智能技术领域，尤其涉及车轮失圆状态智能识别AI模型的训练方法、使用方法、AI模型的输入样本的获取方法、计算机设备以及计算机可读存储介质。

背景技术

轨道车辆(地铁、高铁等列车)车轮失圆缺陷是车辆安全、平稳运行的重要影响因素。目前常见的车轮失圆状态可以分为多边形车轮、随机非圆化车轮、擦伤车轮、局部缺陷车轮、偏心车轮等，不同的车轮失圆状态对列车安全运行有着不同的影响。例如，擦伤车轮导致的冲击振动容易引起轴承故障，多边形车轮会激起轮轨系统的强烈振动从而降低车辆和轨道部件的使用寿命。因此，只有及时对车轮失圆状态进行检测，才能及时发现问题车轮并对其进行镟修。

目前，对车轮失圆状态进行检测的方法中，振动检测法是一种可行性较强的方法。现有的振动检测法是通过采集轨道车辆运行过程中被测车轮对应轴箱、构架等部件的振动响应来对被测车轮进行分析。随着人工智能技术的发展，训练以轨道车辆运行过程中被测车轮的振动响应为输入、被测车轮失圆状态预测结果为输出的AI模型，就可以快速有效且大规模的为轨道车辆运营提供车轮状态监测，从而大大提升轨道车辆运营整体安全性和服务舒适性。

但目前能够用于检测轨道车辆车轮失圆状态的AI模型还不够成熟，这主要体现在：用于训练AI模型的监督学习样本质量不高，影响了AI模型的识别精度。具体而言，振动检测法所采集的被测车轮的振动响应实际上属于振动强度随时间而变化的时域信号，由于轨道车辆运行过程中速度往往是变化的，这种情况下，如果将该时域信号按照单位时间长度进行分段并以分段后的每段数据来制作样本，就会出现不同样本之间车轮位移或车轮转动周数不一致，从而导致AI模型并不能准确预测被测车轮失圆状态。

发明内容

本申请实施例提供了一种车轮失圆状态智能识别AI模型的训练方法、使用方法、AI模型的输入样本的获取方法、计算机设备以及计算机可读存储介质，有助于提高AI模型针对振动响应进行预测的准确率。

根据本申请的第一个方面，提供了一种车轮失圆状态智能识别AI模型的训练方法，所述AI模型用于检测轨道车辆车轮失圆状态，该方法包括：获得被测车轮运行过程中的振动检测数据；从所述振动检测数据中提取数据而获取样本，所述样本以被测车轮运行于一个设定长度L的位移为单位并包含该单位对应的振动强度特征向量和被测车轮失圆状态标签，所述设定长度L≥被测车轮的周长，所述振动强度特征向量被要求具有设定维数N且当该振动强度特征向量中能够从所述振动检测数据中提取的振动强度特征值的数量少于该设定维数N时通过数值插值来弥补；使用所述样本对预设神经网络进行迭代训练，直至所述预设神经网络的训练达到设定阈值，得到所述AI模型。