一种基于特征融合的道岔尖轨伤损状态监测方法技术

本发明专利技术公布了一种基于特征融合的道岔尖轨伤损状态监测方法。道岔尖轨安装超声导波监测装置，产生导波沿道岔尖轨传播并接收，进行道岔尖轨在线伤损识别模拟，建立基准库信号；进行特征提取；提取健康特征向量并去量纲化；进行损伤敏感特征选择，利用二元粒子群算法得到最优特征子集，二元粒子群算法处理中计算每次迭代后种群的适应度函数；将最优特征子集SSF

【技术实现步骤摘要】
一种基于特征融合的道岔尖轨伤损状态监测方法
本专利技术涉及了一种轨道监测系统和方法，尤其涉及一种基于特征融合的道岔尖轨伤损状态监测方法及方法。
技术介绍
近些年，一方面随着国民经济的迅猛发展，关乎国民经济命脉的铁路交通得到了前所未有的快速发展；另一方面随着铁路交通的快速发展，其行车密度、运行速度及载重量等都有了大幅提高，作为轨道重要组成部分的钢轨势必会受到的负荷、冲击等也同样增大，不可避免的导致钢轨，特别是道岔尖轨发生损伤的概率提高，对轨道的可靠、安全运行提出了更严格要求。高速铁路系统中有数以万计的道岔，道岔尖轨是高速铁路系统中必不可少的薄弱环节，直接影响到列车的安全稳定运行。与基本轨不同，道岔尖轨只有一部分尖轨由枕木上的扣件固定，其余很大部分能根据列车的运行要求自由移动，随着列车运行速度的提高以及在自然环境中复杂恶劣的工作条件，必要加剧道岔尖轨比普通钢轨承受更多的疲劳载荷，更容易发生灾难性事故，危及人民生命财产安全。为此，迫切需要提出有效、可靠的针对在役道岔尖轨的服役状态的监测技术与方法。针对道岔尖轨的一个较新颖实用的方法是导波技术。本文档来自技高网...

【技术保护点】
1.一种基于特征融合的道岔尖轨伤损状态监测方法，其特征在于：/nS1、道岔尖轨上安装超声导波监测装置，超声导波监测装置产生导波沿道岔尖轨传播并自身接收导波的回波信号，进而进行道岔尖轨在线伤损识别模拟，建立基准库信号：/nS1.0：超声导波监测装置实时采集回波信号x’(n)，回波信号是由沿时间连续采集的多个采样点构成，n表示回波信号中采样点的序数，回波信号分为有道岔尖轨在健康无伤损状态下的健康回波信号x’

【技术特征摘要】
1.一种基于特征融合的道岔尖轨伤损状态监测方法，其特征在于：
S1、道岔尖轨上安装超声导波监测装置，超声导波监测装置产生导波沿道岔尖轨传播并自身接收导波的回波信号，进而进行道岔尖轨在线伤损识别模拟，建立基准库信号：
S1.0：超声导波监测装置实时采集回波信号x’(n)，回波信号是由沿时间连续采集的多个采样点构成，n表示回波信号中采样点的序数，回波信号分为有道岔尖轨在健康无伤损状态下的健康回波信号x’1(n)和模拟伤损状态下的伤损回波信号x’2(n)，伤损回波信号x’2(n)和健康回波信号x’1(n)的信号数量相同；
S1.1：对监测所得的回波信号x’(n)按照下式标准化预处理获得：



其中，M是回波信号x′(n)的长度，即回波信号中的采样点总数；n表示回波信号中的采样点序号；
经过预处理获得了健康基准信号x1(n)和伤损基准信号x2(n)，健康基准信号x1(n)和伤损基准信号x2(n)均为基准信号x(n)，由所有不同基准信号构成基准库信号，基准库信号中的基准信号个数为BN，基准库信号中健康基准信号x1(n)和伤损基准信号x2(n)各占一半；
S2、对上述预处理后的基准信号x(n)进行特征提取；
S3：从一个基准库信号中随机提取一个健康无伤损状态下的健康基准信号，健康基准信号处理获得的特征向量作为健康特征向量Fbaseline：



其中，分别表示健康特征向量Fbaseline的前18个特征参数，和分别表示健康特征向量Fbaseline的最后两个特征参数；
对基准库信号中的每个基准信号x(n)按照以下方式进行去量纲化，去量纲化设置为：



其中，e表示自然对数的底；
去量纲化后获得道岔尖轨导波信号特征向量ssf，表示为：



其中，分别表示道岔尖轨导波信号特征向量ssf的前18个特征参数，和分别表示道岔尖轨导波信号特征向量ssf的最后两个特征参数；
S4：对道岔尖轨导波信号特征向量ssf进行损伤敏感特征选择，利用二元粒子群算法得到最优特征子集，二元粒子群算法处理中计算每次迭代后种群的适应度函数，并更新全局最优解gbest；以最终的全局最优解gbest作为损伤敏感选择的最优特征子集SSFgbest，SSFgbest＝{ssf1，ssf2，...，ssfBN}，其中BN为基准库信号中的基准信号的个数；
S5、得到基于最小二乘向量机的道岔尖轨在线伤损自动识别模拟：
将最优特征子集SSFgbest作为最小二乘向量机LS-SVM的训练集，通过交叉验证方法进行训练，得到道岔尖轨伤损自动识别LS-SVM模型；
S6、应用道岔尖轨伤损自动识别LS-SVM模型进行尖轨伤损监测：
对于道岔尖轨实时监测采集得到的待分析回波信号MS(n)，通过上述步骤S1～S3相同处理得到的待分析监测信号MS(n)的道岔尖轨导波信号特征向量根据步骤S4的特征编号NF对道岔尖轨导波信号特征向量ssfms进行特征选择，从而得到特征选择后的道岔尖轨导波信号特征向量并输入到步骤S5得到的道岔尖轨伤损自动识别LS-SVM模型进行判别，输出当前尖轨的伤损状态，分为健康状态和有伤损状态。


2.根据权利要求1所述的一种基于特征融合的道岔尖轨伤损状态监测方法，其特征在于：所述步骤S2具体为：
S2.1：对预处理后的基准信号x(n)进行时域统计特征和功率谱域统计特征的提取；
提取时域统计特征，包括偏度(SF1)、峰度(SF2)、峰峰值(SF3)、峰度因子(SF4)、均方根(SF5)、标准差(SF6)、峰值因子(SF7)、形状因子(SF8)、脉冲因子(SF9)、最大值(SF15)、方差(SF16)、最小值(SF17)、方根幅值(SF18)和裕度因子(SF10)；
提取功率谱域统计特征，包括功率谱均方根(SF11)、功率谱标准差(SF12)和功率谱中心(SF13)；
S2.2：对预处理后的基准信号x(n)进行时频分析后的特征提取；
对基准信号x(n)进行基于互补集合经验模态分解，得到一组包含从高到低不同频带的本征模函数IMF，IMFs＝{c1(n)，c2(n)，...，cN(n)}，n∈[1，M]，分解...

【专利技术属性】
技术研发人员：柳伟续，唐志峰，赵翔，张鹏飞，吕福在，
申请(专利权)人：杭州浙达精益机电技术股份有限公司，
类型：发明
国别省市：浙江;33