摘要
本发明涉及轨道结构健康监测技术领域,尤其涉及一种基于深度学习和有限元的轨道裂纹识别及疲劳寿命预测方法及系统,方法包括:采集轨道表面裂纹图像并进行预处理,获得裂纹图像数据;训练深度神经网络模型,并确定对应的基于深度学习的轨道裂纹识别算法;识别并提取裂纹的位置和几何尺寸;基于轨道的几何特征和材料属性,建立对应的轨道有限元模型,并将裂纹的位置和几何尺寸输入至轨道有限元模型中,生成获得包含裂纹损伤的轨道模型;基于轮轨滚动接触疲劳有限元仿真,模拟轨道结构的力学响应,并结合轨道的应力应变分布确定轨道的疲劳寿命,预测裂纹在不同运行工况下的发展趋势;实现轨道裂纹的自动化、高效化识别,提高疲劳寿命评估的准确性。
技术关键词
疲劳寿命预测方法
裂纹识别
训练深度神经网络
三维有限元模型
图像
轨道结构
尺寸
疲劳寿命预测系统
语义分割神经网络
训练神经网络模型
疲劳寿命评估
应力
轮轨
像素点
健康监测技术
系统为您推荐了相关专利信息
激光雷达传感器
地图
硬件设备
系统自检
静态障碍物
智能合约代码
双通道智能
缺陷检测方法
视觉
语义特征
智能回收箱
中央处理器
图像处理芯片
电子支付模块
粉碎装置
缺陷分类方法
多模型
干扰特征
深度学习模型
条纹