来源：期刊VIP网 时间：
作者：杨森;刘金朝;刘钰;杨飞;
单位：中国铁道科学研究院集团有限公司基础设施检测研究所;
摘要：使用传统信号处理方法在轨道几何不平顺异常数据检测中受限于先验定义的异常特征，导致其无法有效捕捉复杂数据中一些微小变化和未知模式，限制其应对多变和复杂情况的能力。提出基于注意力机制Anomaly Transformer的无监督深度神经网络的轨道几何不平顺数据异常检测模型，采用双分支注意力机制同时对先验关联和序列关联进行建模，实现在无需先验信息和专家知识条件下，轨道几何异常检测数据特征的自动识别。研究结果表明：此模型可实现轨道不平顺异常数据中局部毛刺异常、道岔轨距加宽异常、单边轨距波形拉直线异常、检测数据分布异常的精准识别，识别准确率达到95.53%、召回率98.72%、F1分数97.10%;同时验证了在不同速度等级线路、不同检测车的泛化性能，识别准确率不低于90.0%,召回率不低于91%,说明模型具有良好的鲁棒性和泛化性能。
关键词：轨道不平顺;;轨道几何;;异常检测;;Transformer;;无监督学习
基金资助：国家自然科学基金(52402437);; 中国铁道科学研究院集团有限公司科研项目(2023YJ021)
