紧固度神经网络回归

拟合偏差0.22 mm

该方法通过中心线投影距离特征与神经网络回归，实现了对铁路扣件紧固度从全松到全紧状态的高精度稳定检测，克服了人工巡检和传统检测方式精度低、易干扰的局限。

Yuanhang, Wang · Liu D. · Sheng, Guo · 吴亦凡 · Jing, Liu · Wei, Li · Hongjie, Wang

Chinese Journal of Mechanical Engineering (English Edition) 2024

参数信息

紧固度回归均方根误差

0.2196 mm

技术优势

检测精度高

通过中心线投影距离特征，能够捕捉弹性杆从全松到全紧的微小形变，回归值与实测值的均方根误差仅为0.2196 mm。

抗干扰能力强

基于三维点云和高精度面结构光技术，减少了环境光和表面状态对检测的影响，相比声波和图像方法更稳定。

可实现自动化

算法处理流程包括点云获取、分割、特征提取和回归，可集成到自动巡检系统中，减少人工干预。

应用场景

• 铁路扣件智能检测：替代人工巡检和传统声波/图像检测，自动量化扣件松紧程度，提高检测效率和准确性。
• 轨道结构健康监测：提供扣件形变的精确测量数据，用于评估轨道结构状态并预测维护需求。
• 自动化轨道维护机器人：作为视觉感知模块，使机器人能够实时判断扣件紧固度并自主执行紧固操作。
• 铁路物联网状态感知：与物联网系统结合，实现沿线扣件状态的远程监测和预警。