基于并行图卷积网络的无砟轨道监测测点异常识别

作     者：孙立 郏凯亮 林超 黄永 李惠 SUN Li;JIA Kailiang;LIN Chao;HUANG Yong;LI Hui

作者机构：中铁第四勘察设计院集团有限公司线站处湖北武汉430063 哈尔滨工业大学土木工程智能防灾减灾工信部重点实验室黑龙江哈尔滨150006 

基　　金：中国铁建股份有限公司科技重大专项(2021-A03) 第七届中国科协(铁路)青年人才托举工程(2021QNRC001) 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2024年第46卷第3期

页      码：78-86页

摘      要：针对在服役过程中高速铁路无砟轨道结构健康监测可能出现由结构局部损伤或者传感器故障导致的测点异常问题,建立一种并行图卷积神经网络模型,来识别高速铁路无砟轨道监测测点的异常。采用结构早期初始状态的监测数据训练并行图卷积神经网络,获得结构初始状态下的测点数据之间的空间关联性;利用并行图卷积神经网络预测服役状态无砟轨道测点监测数据,实现轨道监测测点异常的识别;此外,对明显漂移的数据可基于有向图分析修正预测结果。将该方法应用于某高速铁路无砟轨道结构长期监测数据并识别了异常测点。

主 题 词：图卷积神经网络 无砟轨道 结构健康监测 异常识别 状态评估 

学科分类：08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.3969/j.issn.1001-8360.2024.03.009

馆 藏 号：203127254...