面向铁路安全的基于动态机器学习算法的车轮导面磨损在板载测量系统

铁路和车轮相互作用的功能对于铁路系统的安全至关重要，要求准确的测量系统以实现最佳的安全监控操作。本文引入一种创新的在板测量系统，用于监控车轮导面磨损深度，利用位移和温度传感器。开展实验以模拟车轮导面磨损深度以及不同时间段周围温度波动。利用收集的数据，对基于回归模型的机器学习算法进行动态训练。进一步的实验结果使用标准程序验证了该系统的有效性。为提高准确度，设计了一个无限脉冲响应滤波器（IIR），以减轻车辆动力学和传感器噪声。滤波器参数基于Fast Fourier Transform分析的 locomotive 模拟和仿真实验数据推算得出。结果表明，动态机器学习算法有效抵消传感器对温度效应的非线性响应，实现96.5%的准确度，运行时间最小。通过IIR滤波器实现的实时噪声消除将准确度提高到98.2%。该高级监控系统集成了铁路通信嵌入式系统，如物联网设备，为铁路系统运行提供了对车轮导面磨损及其引起的轨道不规则条件的无与伦比的实时洞察，确保了铁路系统运营的安全性和效率。