列车空气制动机测试类型自动辨识方法研究

列车空气制动机测试系统工作时记录大量的测试数据,测试数据的自动分析可提高试验系统测试效率,拓展测试模式。针对列车制动机测试数据的特点,提出了基于格拉姆角场(GAF)图像编码与卷积神经网络(CNN)相结合的列车制动测试类型辨识方法。可对制动测试采集的时序气压数据编码重构,扩展为二维网格图像数据,由CNN主干网络实现图像特征信息的自动提取,进而设计分类器进行列车制动测试类型辨识分类。基于现场数据的分析结果表明,所提出的GAF-CNN模型对制动机测试类型识别的辨识率可达到98%以上,可应用于现场测试系统。另外,测试表明使用求和(Summation)计算的GASF比差分(Difference)计算的格拉姆角差域(GADF)辨识率更高。