В Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» разработали алгоритм для автоматического распознавания и классификации типов неровностей на железнодорожных рельсах. Об этом сообщили в пресс-службе вуза.
В ходе исследований активно использовались методы, которые помогают анализировать сигналы во временной и частотной областях, включая Фурье-анализ и вейвлет-преобразование. Одним из значимых итогов проекта стал новый алгоритм классификации неровностей рельсового пути, позволяющий повысить достоверность выявления дефектов на поверхностях катания рельсов.
Специалисты изучили систему коротких и импульсных неровностей для выявления дефектов поверхности рельсов и измерения их параметров. Разработанный классификатор протестировали на выборке из 150 сигналов. Результаты показали 85% точность в определении типа стыка и 15% неровностей, требующих дополнительного исследования.
Алгоритм основывается на анализе вибрационных сигналов, который позволяет различать болтовые и сварные стыки. Исследования показали, что сварной стык характеризуется низкочастотными колебаниями (140-200 Гц), тогда как болтовой — высокочастотными (1400-2400 Гц).
Новая система не только осуществляет измерения, но и классифицирует неровности.
Важно отметить, что неверных определений дефектов не было. Таким образом, алгоритм может быть использован в других системах вагонов-дефектоскопов и при установке системы измерения коротких и импульсных неровностей на регулярно курсирующие поезда.
Ранее www1.ru сообщал, что Сколтех и МФТИ разработали алгоритм для быстрого поиска высокоэффективных сплавов с помощью ИИ.
Читать материалы по теме:
Систему машинного обучения применили для изучения свойства металлического водорода в МФТИ
В Казани научились плавить метал при помощи звуковых волн
В Москве адаптировали нейросети для прогнозирования дефектов в стали для АЭС
