小样本下基于局部推断约束网络的列车轮对踏面损伤识别方法

作     者：刘建华 蒋仕怡 王忠美 

作者机构：湖南工业大学轨道交通学院 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2024年

核心收录：

学科分类：082304[工学-载运工具运用工程] 08[工学] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(52272347) 湖南省自然科学基金(2024JJ7132) 湖南省教育厅科学研究项目(22A0391)项目资助 

主　　题：轮对踏面损伤 局部推断约束网络 小样本学习 对抗生成网络 注意力机制 

摘      要：针对列车轮对踏面损伤数据量少引起的损伤特征空间缺失等问题，提出小样本下基于局部推断约束网络的轮对踏面损伤识别方法。该法首先利用对抗生成网络拟合真实样本空间，在保证数据集语义一致的前提下生成具有多样性和准确性的损伤样本，并通过在生成网络中添加自适应实例归一化（adaptive instance normalization，AdaIN）机制，提升损伤样本特征细微变化的捕获能力；其次通过在损伤特征提取网络中嵌入通道注意力机制和空间注意力机制，分别用于压缩特征空间维度和提供特征空间位置信息，实现对特征向量赋予不同权重的同时，提升特征空间利用率，增加损伤信息特征的重要度；然后构造用于局部输入决策的残差脊柱网络，并通过改进网络激活函数，使网络以较少的参数量获得较高的学习速度和精度。最后利用实验数据进行验证和分析，结果表明所提方法在踏面损伤类型识别的精确率、准确率、召回率等方面，性能均优于Resnet-50等目前较为流行的深度学习网络。