首页|基于金字塔拆分注意力的列车轮对踏面损伤诊断

基于金字塔拆分注意力的列车轮对踏面损伤诊断

扫码查看
原文链接
  • 万方数据
  • 维普
为解决列车轮对踏面损伤诊断准确率低、速度慢和损伤样本少的问题,提出一种基于金字塔拆分注意力网络(EPSA-ResNet)的车轮对踏面损伤诊断模型.首先,采用迁移学习方法预训练ImageNet数据集,得到模型参数,然后将其迁移到轮对踏面损伤特征数据中,并进行微调,从而获得共享模型结构和参数;其次将ResNet-50残差块中的3×3卷积替换为一种金字塔拆分注意力(PSA)模块,得到新的EPSA-ResNet,融合空间和通道注意力多级别特征,自适应地进行特征重标定;最后通过Softmax分类器得到轮对踏面损伤情况的诊断结果.结果表明:该方法能够有效识别列车轮对踏面损伤状态以及周围环境间存在的局部细微差异,诊断精度可达99.79％,优于其他深度神经网络模型.
Diagnosis of train wheelset tread damage based on EPSA-ResNet

何静、侯娜、张昌凡、胡新亮、刘建华

展开 >

湖南工业大学电气与信息工程学院,湖南株洲412007

湖南工业大学轨道交通学院,湖南株洲412007

金字塔拆分注意力网络(EPSA-ResNet) 轮对踏面 损伤诊断 迁移学习 残差网络

国家自然科学基金国家自然科学基金湖南省自然科学基金湖南省教育厅资助项目

52172403621731372021JJ3021719A137

2022

10.16265/j.cnki.issn1003-3033.2022.05.2166

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2022.32(5)
  • 5
  • 2