基于雷达信号时频特征分析的铁轨异常扣件检测方法技术

本发明专利技术提供了一种基于雷达信号时频特征分析的铁轨异常扣件检测方法，用于铁轨检修。本方法通过搭载有24GHz连续波雷达的无人机采集数据，无人机沿铁轨巡检，当到达铁轨扣件的上空位置时发射24GHz连续波信号，采集在火车经过前、经过中和经过后的回波数据。本方法首先对正常扣件进行雷达监测，将回波信号进行短时傅里叶变换，获得的时频谱图分类存入数据库，然后将待检测扣件的时频谱图与数据库中相应类别时频谱图一一比对，通过时频谱图的差异性判断铁轨扣件是否异常。本发明专利技术操作简单，检测效率和准确率高，能够高效准确判断铁轨扣件是否出现异常。

Detection Method of Rail Abnormal Fasteners Based on Time-Frequency Characteristic Analysis of Radar Signal

The invention provides a method for detecting abnormal rail fasteners based on time-frequency characteristic analysis of radar signals, which is used for rail maintenance. This method collects data by UAV equipped with 24GHz continuous wave radar. UAV patrols along the rail. When it reaches the position above the rail fastener, it transmits 24GHz continuous wave signal and collects the echo data before, after and after the train passes by. Firstly, the normal fasteners are monitored by radar, and the echo signals are transformed by short-time Fourier transform. The time-frequency spectra of the fasteners to be detected are classified and stored in the database. Then, the time-frequency spectra of the fasteners to be detected are compared with those of the corresponding categories in the database one by one, and the abnormality of the rail fasteners is judged by the difference of the time-frequency spectra. The invention has the advantages of simple operation, high detection efficiency and accuracy, and can efficiently and accurately judge whether abnormal rail fasteners occur.

【技术实现步骤摘要】
基于雷达信号时频特征分析的铁轨异常扣件检测方法
本专利技术涉及铁路检修以及雷达信号处理
，尤其涉及一种基于雷达信号时频特征分析的异常扣件检测方法。
技术介绍
近年来，铁路快速发展，高速列车给人们出行带来更多的方便，提高了人民的出行效率。铁路建设更是在我国经济建设中起着非凡的作用，它拉近了城市与城市之间的距离，解决了运输能力不足的问题，是推动经济持续快速发展的重要动力，因此铁路的发展对国家具有十分重要的战略地位。我们在享受铁路带来的好处的同时，更应该关注铁路运行安全问题。除了列车本身，铁路线路的安全问题也不容忽视。在线路的巡检过程中，铁轨是否完好，线路上是否有异物等都是必要检测项目。其中，扣件是联结铁轨与轨枕的中间零件，作为固定铁轨的关键部件，保证其处于正常状态，在保证线路安全中具有至关重要的意义。目前，我国主要采用的是人工巡检的方式，通过肉眼进行检测，费时费力，漏检率较高。对于异常扣件的自动检测技术有光学图像处理技术，这种技术虽然能够较高效率的进行检测，但是容易受到分辨率、光线和环境因素的影响，因而具有一定的局限性。如何对异常扣件进行高效检测是一个亟待解决的问题。
技术实现思路
针对现有技术中存在的问题，本专利技术提供一种基于雷达信号时频特征分析的铁轨异常扣件检测方法，以解决铁轨异常扣件自动检测问题。本专利技术提供的基于雷达信号时频特征分析的铁轨异常扣件检测方法，实现的硬件包括无人机和远程计算机；所述的无人机上搭载有24GHz连续波雷达和数据采集模块；所述的无人机沿铁轨巡检，当到达铁轨扣件的上空位置时发射24GHz连续波信号，所述的数据采集模块采集雷达回波数据；所述是计算机上设置有数据库和数据处理模块。本专利技术的检测方法实现步骤包括如下步骤1～步骤3。步骤1，建立正常扣件数据库，包括：雷达对准正常扣件发射24GHz连续波信号，采集在火车经过前、经过时以及经过后三种情况下的正常扣件的回波信号。将采集到的正常扣件的回波信号进行短时傅里叶变换，获得信号的二维时频谱图，并将时频谱图存入数据库；数据库按照火车经过前、经过时和经过后三种情况将时频谱图分为三类存储，在每类下还根据信号的频率范围设置子类别，每个子类别代表一个频率范围；本步骤将时频谱图存入对应情况类别下对应频率范围的子类别中。步骤2，开启检测模式，雷达对扣件发射24GHz连续波信号，将采集的回波信号进行短时傅里叶变换，获得信号的二维时频谱图X，将时频谱图X和对应的采集情况传入数据处理模块；采集情况是指是在火车经过前、经过时还是经过后采集的。步骤3，异常扣件检测。数据处理模块将传入的时频谱图X与数据库中相应情况类别下的对应频率范围的子类别中的时频谱图逐一进行比较，计算X与相应子类别下的时频谱图的差异系数；当差异系数大于预设阈值时，判定为异常扣件，否则，判定为正常扣件，并将扣件的时频谱图存入数据库的相应类别中。所述的差异系数定义为：相对于现有技术，本专利技术的优点和积极效果在于：(1)本专利技术根据火车经过前、中和后三种情况，来对正常扣件进行雷达检测，获取对应的时频谱图，三种情况的数据采集使得对扣件的检测更加准确、全面；(2)由于火车的速度不同，回波信号的频率也将不同，因此本专利技术方法根据弱信号的频率范围来划分子类别，这样建立的数据库，数据获得方式简单，正常数据的获取也比较容易；并且检测的时候，只需要根据待测扣件的弱信号的频率范围，与数据库中相应子类别中的子类别进行比较，使得检测更加迅速、数据计算量少；(3)本专利技术方法的操作简单，具有全天候、检测效率和准确率高等优点，能够高效准确判断铁轨扣件是否出现异常，比如松动等问题。附图说明图1是铁轨正常扣件示意图；图2是铁轨异常扣件示意图；图3是本专利技术提供的铁轨异常扣件检测方法的流程示意图；图4是火车经过前正常扣件信号时频谱图；图5是火车经过时正常扣件信号时频谱图；图6是火车经过后正常扣件信号时频谱图；图7是人拉动异常扣件时信号时频谱图；图8是火车经过时异常扣件信号时频谱图。具体实施方式为了使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图和实施例对本专利技术作进一步的详细说明。铁轨扣件是轨道上用以联结铁轨和轨枕的重要零件，又称中间联结零件。其作用是长期有效地保证铁轨与轨枕之间的可靠连接，阻止铁轨与轨枕之间的纵向移动，确保轨距正常，并在火车的动力作用下充分发挥缓冲减震性能，减缓线路残余变形的积累。铁轨正常扣件如图1所示，铁轨正常扣件在火车经过时会随着铁轨的振动发生微小振动。当铁轨扣件处于异常状态时，比如扣件松动时，如图2所示，在火车经过过程中，除了跟随铁轨发生振动，自身会产生更大幅度的振动，振动会引起相对雷达的径向速度，这就是本专利技术基于雷达信号检测异常扣件的基础。本专利技术实现的硬件包括无人机和远程计算机。在无人机搭载有24GHz连续波雷达和数据采集模块。在远程计算机上搭建数据库和数据处理模块。本专利技术提供的铁轨异常扣件检测方法的流程，如图3所示，整体工作模式分为训练模式和检测模式。根据不同的工作模式，将回波信号的二维时频谱图传入不同的模块。当处于训练模式时，二维时频谱图被传入数据库，数据库中只存储正常扣件的时频谱图；当处于检测模式时，将采集到的扣件的时频谱图传入数据处理模块。在训练模式下建立正常扣件数据库，在检测模式下对扣件进行实时检测。首先，说明本专利技术的数据采集的实现。无人机跟随火车沿铁轨巡检，当无人机到达铁轨扣件的上空位置时雷达向下方的扣件发射24GHz连续波信号，采集回波信号数据。无人机的位置在扣件的斜上方，在三种情况下采集数据：火车经过前、火车经过时和火车经过后。无人机一般在扣件斜上空停留1～15秒的时间。其次，本专利技术雷达检测振动目标的基础是多普勒效应。基于多普勒效应，当物体相对雷达具有径向速度时，反射信号会产生多普勒频移，且频移与速度具有如下关系：其中，λ是雷达的波长，v是目标的径向速度，f是目标产生的多普勒频移。异常扣件在振动时会产生相对雷达的径向速度，因而通过测量回波信号的多普勒频移，即可实现异常扣件的检测。由于异常扣件会发生无规则振动，因而相对雷达的径向速度是时变的，多普勒频移也是时变的。为了展示异常扣件的振动状态，本专利技术对扣件回波信号进行时频分析。常用的时频分析方法包括短时傅里叶变换、Wigner-Ville分布和小波变换等。短时傅里叶变换具有计算简单，不存在交叉项等优点，因此本专利技术采用短时傅里叶变换显示雷达回波信号的时频谱特性。短时傅里叶变换的公式可以表示为如下：其中，s(τ)表示雷达回波信号，w(τ-t)表示窗函数，上标*表示共轭，t表示时间，f表示回波信号的频率，τ表示时间延迟，j为虚数单位。短时傅里叶变换的分辨力完全取决于窗函数的时窗半径Δt和频窗半径Δw。但是，窗函数的时窗半径和频窗半径的取值不是相互独立的，根据测不准原理，有以下关系：可以看出，对于短时傅里叶变换，其时间分辨力和频率分辨力总是相互矛盾的。在信号的时频谱中，不能同时获得高的时间分辨力和频率分辨力，其中一个变窄，另一个就必定变宽。这就意味着只能牺牲时间分辨力以换取更高的频率分辨力，或者反过来用频率分辨力的降低来换取时间分辨力的提高。当窗函数为高斯函数时，等号成立，时间和频率分辨力折中。因此，本专利技术的窗函数采用高斯窗函数。下面说明本发本文档来自技高网...

【技术保护点】
1.一种基于雷达信号时频特征分析的铁轨异常扣件检测方法，其特征在于，实现的硬件包括无人机和远程计算机；所述的无人机上搭载有24GHz连续波雷达和数据采集模块；所述的无人机沿铁轨巡检，当到达铁轨扣件的上空位置时向扣件发射24GHz连续波信号，所述的数据采集模块采集回波数据；所述的计算机上设置有数据库和数据处理模块；所述的检测方法通过测量回波信号的多普勒频移，对异常扣件进行检测，包括如下步骤：步骤1，建立正常扣件数据库，包括：雷达对正常铁轨扣件发射24GHz连续波信号，采集在火车经过前、经过时以及经过后三种情况下的正常扣件的回波信号；将采集的雷达回波信号进行短时傅里叶变换，获得信号的二维时频谱图，将时频谱图存入数据库；数据库按照火车经过前、经过时和经过后三种情况将时频谱图分为三类存储，在每类下还根据信号的频率范围设置子类别，每个子类别代表一个频率范围；本步骤将时频谱图存入对应情况类别下对应频率范围的子类别中；步骤2，开启检测模式，雷达对扣件发射24GHz连续波信号，将采集的回波信号进行短时傅里叶变换，获得信号的二维时频谱图X，将时频谱图X和对应的采集情况传入数据处理模块；采集情况是指是在火车经过前、经过时还是经过后采集的；步骤3，数据处理模块将传入的时频谱图X与数据库中相应情况类别下的对应频率范围的子类别中的时频谱图逐一进行比较，计算X与相应子类别下的时频谱图的差异系数；当差异系数大于预设阈值时，判定为异常扣件，否则，判定为正常扣件，并将扣件的时频谱图存入数据库的相应类别中；所述的差异系数定义为：...

【技术特征摘要】
1.一种基于雷达信号时频特征分析的铁轨异常扣件检测方法，其特征在于，实现的硬件包括无人机和远程计算机；所述的无人机上搭载有24GHz连续波雷达和数据采集模块；所述的无人机沿铁轨巡检，当到达铁轨扣件的上空位置时向扣件发射24GHz连续波信号，所述的数据采集模块采集回波数据；所述的计算机上设置有数据库和数据处理模块；所述的检测方法通过测量回波信号的多普勒频移，对异常扣件进行检测，包括如下步骤：步骤1，建立正常扣件数据库，包括：雷达对正常铁轨扣件发射24GHz连续波信号，采集在火车经过前、经过时以及经过后三种情况下的正常扣件的回波信号；将采集的雷达回波信号进行短时傅里叶变换，获得信号的二维时频谱图，将时频谱图存入数据库；数据库按照火车经过前、经过时和经过后三种情况将时频谱图分为三类存储，在每类下还根据信号的频率范围设置子类别，每个子类别代表一个频率范围；本步骤将时频谱图存入对应情况类别下对应频率范围的子类别中；步骤2，开启检测模式，雷达对扣件发射24GHz连续波信号，将采集的回波信号进行短时傅里叶变换，获得信号的二维时频谱图X，将时频谱图X和对应的采集情况传入数据处理模块；采集情况是指...

【专利技术属性】
技术研发人员：曹先彬，王向荣，王鹏程，谢晋东，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11