高精度的RailFusion-DAS用于使用现有通信纤维检测铁路轨道缺陷

科学领域:

• 工程 工程师 工程师 工程师
• 材料科学 材料科学 材料科学
• 信号处理 信号处理

背景情况:

• 铁路轨道缺陷带来了重大的安全风险和维护挑战.
• 现有的监测方法往往是昂贵的,范围有限.
• 分布式声学传感 (DAS) 提供了大规模基础设施监控的潜力.

研究的目的:

• 引入RailFusion-DAS,这是一种使用现有通信纤维检测铁路轨道缺陷的新方法.
• 为了应对空气合DAS系统中弱信号检测的挑战.
• 为了提高铁路轨道缺陷识别的准确性和成本效益.

主要方法:

• 使用现有的通信纤维在充满空气的沟DAS.
• 从原始DAS数据中推导出多动态表示 (位移,速度,加速度).
• 使用CNN-LSTM网络和变化模式分解 (VMD) 的双域处理.
• 实施注意力特征融合机制,以整合互补的表示.

主要成果:

• 在分类四种典型的铁路轨道缺陷方面,RailFusion-DAS实现了97.11%的平均准确性.
• 该方法在重型铁路上的随机测试中表现一致.
• 成功识别了包括波纹,不支持的卧板和滚动接触疲劳在内的缺陷.

结论:

• 铁路融合-DAS有效地将通信基础设施转化为敏感的铁路监控网络.
• 拟议的方法可实现经济高效的长途铁路维护.
• 这种方法显著改善了铁路轨道缺陷的检测,提高了安全性和运营效率.