基于深度学习的动车组制动装置异物检测算法研究

动车组作为高速铁路的重要组成部分,其制动装置的正常运行对保障列车安全和乘客出行具有重要意义。然而,长时间运行和外界环境等因素可能导致制动装置的异物产生,给列车运行带来潜在风险。本文建立了一个基于归一化流的双向映射异常检测网络,并将其用作概率分布估计器,通过学习正常样本的概率分布,将输入的图像特征转化为可处理的分布,并在推理阶段获得异常识别的似然分数。为验证本文所提出方法的性能,我们收集了3个场景的动车组制动装置数据集,实验表明,本文所提出的方法的检出效果较高,推理效率更高。