一种利用声纹AI技术识别轨道车辆轮对缺陷的方法技术

本发明专利技术提供了一种利用声纹AI技术识别轨道车辆轮对缺陷的方法，利用AI技术在大量的故障音频样本中找到共同的声纹特征，使得对一些轮对内部缺陷也十分敏感；采用在线检测的方式，每个车次、每台机车，在正常运行的过程中，都会得到检测；本发明专利技术使得轮对检测频率是人工监测方式的几倍乃至几十倍系统全自动运行，不需要人工干预，大大减少工时，降低检修人员劳动强度；发现故障能够自动记录并报警，通知检修人员及时处理，将事故扼杀在萌芽状态，大大提高车辆运行安全性。解决了现有铁路行业针对轮对缺陷检测方法存在的周期过长，不能满足时刻处于运行状况中的列车检修要求及其容易出现发生漏检的问题。

【技术实现步骤摘要】
一种利用声纹AI技术识别轨道车辆轮对缺陷的方法
本专利技术公开一种利用声纹AI技术识别轨道车辆轮对缺陷的方法，属于轨道车辆安全检测

技术介绍
机车轮对是轨道车辆行走部件中最重要的部件之一，机车全部重量通过轴颈、轮对支撑在钢轨上，轮对滚动使机车前进。轨道车辆运行时，轮对与钢轨的黏着产生牵引力，制动时产生制动力。轮对行经钢轨接头、道岔时，承受来自于钢轨的垂向和侧向冲击力。在上述过程中，都有可能对轮对造成损伤，形成轮对缺陷。常有的损伤表现形式为：轮缘及踏面的磨耗、裂纹，轮缘缺损、踏面擦伤、剥离、缺损、局部深入、踏面外侧碾宽等，这些损伤都可能造成安全事故，直接影响运行安全。当前铁路行业针对轮对缺陷所采取的措施及不足之处：1.在轨道车辆厂修、段修时逐个轮对进行人工探伤和检测。这种方式检修周期过长，不能满足时刻处于运行状况中的列车检修要求。2.对车辆段运营中的轨道车辆，采取日常入库后的静态观察和检测。这种方式需要检修职工在客车每次入库后逐辆逐个轮对进行检测，一方面劳动强度极大，另一方面难以发现轮对隐蔽处的缺陷和轮对内部的缺陷，从而发生漏检。
技术实现思路
本专利技术提供了一种利用声纹AI技术识别轨道车辆轮对缺陷的方法，解决了现有铁路行业针对轮对缺陷检测方法存在的周期过长、不能满足时刻处于运行状况中的列车检修要求、以及容易出现发生漏检的问题。专利技术一种利用声纹AI技术识别轨道车辆轮对缺陷的方法，通过采集运行中轨道列车的声纹特征，同使用AI技术建立的车辆故障声纹模型进行拟合度分析，达到实时、在线、自动化检测并发现轮对缺陷的目的。本专利技术所述的一种利用声纹AI技术识别轨道车辆轮对缺陷的方法，采用以下技术解决方案：1)选择经人工检测已经确定存在轮对缺陷的地铁车辆，作为声纹故障模型的AI训练输入源，在轨道立面位置，安装微型拾音器采集轮对经过时的声纹信息；2)将采集到的声纹进行分帧处理，分帧的目的是将宏观上不平稳的音频信号，转换为微观上平稳的，可以进行数学处理的“声纹帧信号”，具体参数为：每帧10-30ms,帧间隔10ms；3)对取得的声纹帧信号进行加窗操作，其目的在于让每帧信号的振幅在两端渐变到0，以此来提高分辨率；窗函数如下：式中：n为窗函数的长度；w[n]为n阶向量，包含了窗函数的n个系数；N为旁瓣峰值；4)对声纹帧进行预加重处理，其目的在于减少尖锐噪声影响，提升高频部分，预加重公式为：y[n]＝x[n]-α·x[n-1]0.9＜α＜1.0式中：n为处理时刻；y[n]为n时刻经过加重处理的声纹；x[n]为n时刻的声纹采样值；α为预加重系数；5)通过公式计算获取声纹数据的短时能量，其目的在于提取音频数据特征，我们采用对数法来获取短时能量：式中：E为所要求得的声纹短时能量值；i为当前处理的声纹帧；x[i]为i时刻声纹傅里叶变换值；N为总声纹帧数；6)通过公式计算获取声纹数据的过零率，其目的在于提取一帧声纹中，信号波形穿过横轴(零电平)的次数，我们采用对数法来获取声纹过零率：式中：Z为所求的当前声纹帧的过零率；sgn[]为符号函数，即：Sw()为当前处理的声纹帧短时能量；n为参与计算的声纹帧数；N为总声纹帧数；7)给定GMM模型和目标故障训练音频的训练矢量集Xt＝(X1,X2...Xt)；计算第i个高斯分布的相似度：式中：Xt为t时刻声纹所处的状态；i为第i帧声纹特征；j为模型的第j个状态；Pr()为统计序列中的高斯概率分布；Wi，Wj为对应特征下的初始状态概率；Pi，Pj为对应特征下的转移状态概率；8)利用Pr(i)和混合加权值，平均值向量，方差进行从分统计，这些由训练数据产生的新的充分统计量用来更新UBM的第i个混合成员的充分统计量，得到目标车辆故障声纹模型：式中：为所求的声纹模型的3个充分统计向量：权重、均值、方差；{αiw,αim,αiv}…………为自适应系数，用来控制新的和老的估计量之间的平衡，分别控制权重、均值、方差；其定义为：ρ∈{w，m，v}；j为模型的第j个状态；Ei()为声纹帧短时能量值；9)运用以上算法编制成轮对声纹故障检测程序，将训练好的声纹故障模型生成为数据库，储存于计算机中作为识别轮对缺陷的“标样”；10)进行运行中的车辆轮对缺陷检测时，在轨道立面位置安装微型拾音器采集轮对经过时的声纹信息，并通过数-模采集转换模块将其转换成数字信号输入计算机，把经过轮对声纹故障检测程序处理后的权重，均值，方差向量，与标样进行比对；11)测量值和标样的三个向量值拟合度均超过90％时，即可判定被测轮对发生了车辆故障声纹模型所示的相应轮对缺陷。本专利技术通过列车在线音频声纹自动分析技术，实现了每车次在线检测轮对缺陷，不停车、不占用工时、不使用耗材，可以第一时间发现轮对缺陷，并通过报警系统及时反馈给管理者，可以大大降低检修费用、提高列车保全率、排除事故隐患。本专利技术的积极效果在于：采用在线检测的方式，每个车次、每台机车，在正常运行的过程中，都会得到检测；本专利技术的应用，可以使轮对检测频率提高到人工检测方式的几倍乃至几十倍；本专利技术利用AI技术，在大量的故障音频样本中，找到共同的声纹特征，该技术对一些轮对内部缺陷也十分敏感，而人工检测方法只有在缺陷特别严重时才可能发现；系统全自动运行，不需要人工干预，大大减少工时，降低检修人员劳动强度；发现故障能够自动记录并报警，通知检修人员及时处理，将事故扼杀在萌芽状态，大大提高车辆运行安全性。附图说明图1为本专利技术实施例1的声纹分帧处理图；图2为本专利技术实施例1的加窗处理后声纹特征归一化图谱；图3为本专利技术实施例1的预加重后声纹图谱；图4为本专利技术实施例1的短时能量图谱；图5为本专利技术实施例1的获得短时过零率图谱；图6为本专利技术实施例1的目标车辆故障声纹频谱图。具体实施方式通过以下实施例进一步举例描述本专利技术，并不以任何方式限制本专利技术，在不背离本专利技术的技术解决方案的前提下，对本专利技术所作的本领域普通技术人员容易实现的任何改动或改变都将落入本专利技术的权利要求范围之内。实施例11、以北京地铁13号线所用12列A型轨道车辆为研究对象，采集了轮缘及踏面的磨耗、裂纹，轮缘缺损、踏面擦伤、剥离、缺损、局部深入、踏面外侧碾宽等轮对缺陷故障的声纹信息，并应用计算机程序按上述算法进行处理，得到13205个已生成MFCC特征向量的声纹文件；2.将采集到的声纹，如图1所示，按每帧30ms,帧间隔10ms参数进行分帧处理；3.运用窗函数对取得的声纹帧信号进行加窗操作，式中：n为窗函数的长度；w[n]为n阶向量，包含了窗函数的n个系数；N为旁瓣峰值；加窗处理后声纹帧图像如图2所示；4.对声纹帧进行预加重处理y[n]＝x[n]-α本文档来自技高网...

【技术保护点】
1.一种利用声纹AI技术识别轨道车辆轮对缺陷的方法，其特征在于包括以下步骤：/n1)选择经人工检测已经确定存在轮对缺陷的地铁车辆，作为声纹故障模型的AI训练输入源，在轨道立面位置，安装微型拾音器采集轮对经过时的声纹信息；/n2)将采集到的声纹进行分帧处理，分帧的目的是将宏观上不平稳的音频信号，转换为微观上平稳的，可以进行数学处理的“声纹帧信号”，具体参数为：每帧10-30ms,帧间隔10ms；/n3)对取得的声纹帧信号进行加窗操作，其目的在于让每帧信号的振幅在两端渐变到0，以此来提高分辨率；窗函数如下：/n

【技术特征摘要】
1.一种利用声纹AI技术识别轨道车辆轮对缺陷的方法，其特征在于包括以下步骤：
1)选择经人工检测已经确定存在轮对缺陷的地铁车辆，作为声纹故障模型的AI训练输入源，在轨道立面位置，安装微型拾音器采集轮对经过时的声纹信息；
2)将采集到的声纹进行分帧处理，分帧的目的是将宏观上不平稳的音频信号，转换为微观上平稳的，可以进行数学处理的“声纹帧信号”，具体参数为：每帧10-30ms,帧间隔10ms；
3)对取得的声纹帧信号进行加窗操作，其目的在于让每帧信号的振幅在两端渐变到0，以此来提高分辨率；窗函数如下：



式中：n为窗函数的长度；w[n]为n阶向量，包含了窗函数的n个系数；N为旁瓣峰值；
4)对声纹帧进行预加重处理，其目的在于减少尖锐噪声影响，提升高频部分，预加重公式为：
y[n]＝x[n]-α·x[n-1]0.9＜α＜1.0
式中：n为处理时刻；y[n]为n时刻经过加重处理的声纹；x[n]为n时刻的声纹采样值；α为预加重系数；
5)通过公式计算获取声纹数据的短时能量，其目的在于提取音频数据特征，我们采用对数法来获取短时能量：



式中：E为所要求得的声纹短时能量值；i为当前处理的声纹帧；x[i]为i时刻声纹帧傅里叶变换值；N为总声纹帧数；
6)通过公式计算获取声纹数据的过零率，其目的在于提取一帧声纹中，信号波形穿过横轴(零电平)的次数，我们采用对数法来获取声纹过零率：



式中：Z为所求的当前声纹帧的过零率；sgn[]为符号函...

【专利技术属性】
技术研发人员：周昕，张贺，
申请(专利权)人：吉林省运捷轨道科技开发有限公司，
类型：发明
国别省市：吉林;22