-
题名面向调线调坡的点云大数据分析及深度模型研究
被引量：7
- 1
-
-
作者
胡雷
邱运军
王熙照
张志轶
-
机构
深圳大学计算机与软件学院
中建南方投资有限公司
中建轨道电气化工程有限公司
-
出处
《智能系统学报》
CSCD
北大核心
2020年第4期795-803,共9页
-
基金
国家自然科学基金项目(61976141,61732011)。
-
文摘
已建成的隧道与原始的设计隧道之间的偏差信息对于地铁线路的安全调整非常重要。然而,目前还没有明确的数学公式能够准确地描述和度量这个偏差。目前主流的做法是通过人工测量具有相同间隔的截面的侵限值,并对这些侵限值进行累加求和,最终得到该偏差,这种方式存在误差大、耗时、成本高等缺点。为了解决这些问题,提出了一种新的基于深度神经网络的偏差表示方法,其能够基于点云大数据学习到设计线路的参数与侵限值之间的内在联系,进而预测出能够使得侵限值的和最小的参数,这些参数可以被用来辅助地铁线路的安全调整。在一个采集于实际地铁工程中的数据集上的实验结果表明,该方法能快速地计算出合适的调线调坡方案,并且只需要很少的计算机内存资源。
-
关键词
实际隧道
理论隧道
偏差
点云大数据
侵限值
设计线路
深度学习
梯度下降
极值
-
Keywords
actual tunnel
theoretical tunnel
deviation
point cloud big data
invasion limit value
design line
deep learning
gradient descent
extreme value
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
