一种智能免供电无砟轨道板上拱变形状态监测方法技术

本发明专利技术公开了一种智能免供电无砟轨道板上拱变形状态监测方法，包括：获取第一时刻的轨道板上拱离缝值以及第二时刻的轨道板上拱离缝值；基于轨道板拱起监测数据贝叶斯动态线性模型和第一时刻的轨道板上拱离缝值进行预测，得到第二时刻的轨道板上拱离缝预测值概率分布；根据第二时刻的轨道板上拱离缝预测值概率分布和第二时刻的轨道板上拱离缝值，确定第二时刻对应的贝叶斯因子，从而可以根据第二时刻对应的贝叶斯因子，进行异常值预警。从而实现轨道板的监测，不仅监测简单，且监测数据的准确性更高，因此监测效果更好。因此监测效果更好。因此监测效果更好。

【技术实现步骤摘要】
一种智能免供电无砟轨道板上拱变形状态监测方法


[0001]本专利技术涉及轨道板监测
，尤其涉及的是一种智能免供电无砟轨道板上拱变形状态监测方法。

技术介绍

[0002]随着列车行驶速度的不断提升，覆盖面积的逐步扩大，轨道交通运营安全问题正受到了越来越多的重视。可靠稳定的状态监测技术，可为轨道交通车辆关键部件以及基础设施的安全运行及维护提供有价值的参考，是保障轨道交通安全的有效有段之一。无砟轨道具有高平顺性、高可靠性和少维修性等优点。现有技术中对轨道板拱起变形的监测主要是依靠现场人工检查，靠视觉观察。当轨道板拱起产生离缝时，才能被肉眼识别。受夜间检查环境影响，这种作业费时费力，效果不佳。
[0003]因此，现有技术还有待于改进和发展。

技术实现思路

[0004]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种智能免供电无砟轨道板上拱变形状态监测方法，旨在解决现有技术中轨道板拱起变形的监测效果较差的问题。
[0005]本专利技术解决技术问题所采用的技术方案如下：一种智能免供电无砟轨道板上拱变形状态监测方法，其中，所述监测方法包括：获取第一时刻的轨道板上拱离缝值以及第二时刻的轨道板上拱离缝值；其中，所述第二时刻为所述第一时刻的下一时刻；基于轨道板拱起监测数据贝叶斯动态线性模型和所述第一时刻的轨道板上拱离缝值进行预测，得到第二时刻的轨道板上拱离缝预测值概率分布；根据所述第二时刻的轨道板上拱离缝预测值概率分布和所述第二时刻的轨道板上拱离缝值，确定第二时刻对应的贝叶斯因子；根据所述第二时刻对应的贝叶斯因子，进行异常值预警。
[0006]所述的智能免供电无砟轨道板上拱变形状态监测方法，其中，所述第二时刻对应的贝叶斯因子为：其中，表示第二时刻对应的贝叶斯因子，表示第二时刻的轨道板上拱离缝值，表示第一时刻的信息状态，表示第二时刻的轨道板上拱离缝预测值概率分布，表示第二时刻的轨道板上拱离缝预测值概率分布平移得到的异常分布，表示概率，表示第二时刻；
所述根据所述第二时刻对应的贝叶斯因子，进行异常值预警，包括：当所述第二时刻对应的贝叶斯因子大于异常值阈值时，发出异常值预警。
[0007]所述的智能免供电无砟轨道板上拱变形状态监测方法，其中，所述监测方法还包括：根据第二时刻之前历次时刻对应的贝叶斯因子，确定第二时刻下最大累积贝叶斯因子以及所述最大累积贝叶斯因子对应的最佳累积步长；根据所述最大累积贝叶斯因子以及所述最佳累积步长，进行异常状态预警。
[0008]所述的智能免供电无砟轨道板上拱变形状态监测方法，其中，所述最大累积贝叶斯因子为：其中，表示最大累积贝叶斯因子，表示最佳累积步长，表示累积步长对应的累积贝叶斯因子，表示历次时刻对应的贝叶斯因子，表示连乘符号，表示最大步长，表示第二时刻；所述根据所述最大累积贝叶斯因子以及所述最佳累积步长，进行异常状态预警，包括：当所述最大累积贝叶斯因子大于累积贝叶斯因子阈值，且所述最佳累积步长大于累积步长阈值时，发出异常状态预警。
[0009]所述的智能免供电无砟轨道板上拱变形状态监测方法，其中，所述监测方法还包括：将发出异常状态预警的时刻作为异常时刻，根据所述异常时刻的轨道板上拱离缝值以及所述异常时刻上一时刻的轨道板上拱离缝值，确定损伤的概率。
[0010]所述的智能免供电无砟轨道板上拱变形状态监测方法，其中，所述损伤的概率为：其中，表示损伤的概率，表示代替假设的信任度，假设表示轨道板是健康的，代替假设表示轨道板是损坏的，表示异常时刻的信息状态，表示概率分布。
[0011]所述的智能免供电无砟轨道板上拱变形状态监测方法，其中，所述轨道板拱起监测数据贝叶斯动态线性模型包括测量方程和状态方程；所述基于轨道板拱起监测数据贝叶斯动态线性模型和所述第一时刻的轨道板上
拱离缝值进行预测，得到第二时刻的轨道板上拱离缝预测值概率分布，包括：根据所述第一时刻的轨道板上拱离缝值，确定第一时刻的状态参数的后验分布；根据所述状态方程和所述第一时刻的状态参数的后验分布，确定第二时刻的状态参数的先验分布；根据所述测量方程和所述第二时刻的状态参数的先验分布，确定第二时刻的轨道板上拱离缝预测值概率分布。
[0012]所述的智能免供电无砟轨道板上拱变形状态监测方法，其中，所述第一时刻的状态参数的后验分布采用如下步骤得到：将正态分布作为上一时刻的状态参数的后验分布；根据所述上一时刻的状态参数的后验分布和状态方程，得到下一时刻的状态参数先验分布；根据所述下一时刻的状态参数先验分布和下一时刻的轨道板上拱离缝值，得到下一时刻的状态参数的后验分布；将所述下一时刻的状态参数的后验分布作为上一时刻的状态参数的后验分布，并继续执行根据所述上一时刻的状态参数的后验分布和状态方程，得到下一时刻的状态参数先验分布的步骤，直至达到第一时刻时，得到第一时刻的状态参数的后验分布。
[0013]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述处理器执行所述计算机程序时实现上述中任一项所述方法的步骤。
[0014]一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述中任一项所述的方法的步骤。
[0015]有益效果：通过轨道板拱起监测数据贝叶斯动态线性模型以及第一时刻轨道板上拱离缝值预测，得到第二时刻的轨道板上拱离缝预测值概率分布，然后根据第二时刻的轨道板上拱离缝预测值概率分布和第二时刻的轨道板上拱离缝值，确定第二时刻对应的贝叶斯因子，从而可以根据第二时刻对应的贝叶斯因子，进行异常值预警。从而实现轨道板的监测，确保监测效果较佳。
附图说明
[0016]图1是本专利技术中信号调制器的电路图。
[0017]图2是本专利技术中微控制器的电路图。
[0018]图3是本专利技术中射频天线模块的电路图。
[0019]图4是本专利技术中智能免供电无砟轨道板上拱变形状态监测系统与百分尺的测试数据对比图。
[0020]图5是本专利技术中不同条件下智能免供电无砟轨道板上拱变形状态监测系统与百分尺的测试数据对比图。
[0021]图6是本专利技术中智能免供电无砟轨道板上拱变形状态监方法的流程图。
具体实施方式
[0022]为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用
于限定本专利技术。
[0023]请同时参阅图1
‑
图5，本专利技术提供了一种智能免供电无砟轨道板上拱变形状态监测系统的一些实施例。
[0024]无砟轨道具有高平顺性、可靠和少维修等优点，但由于其纵向连续的结构特点，极端高温条件作用下部分区段会出现轨道板上拱离缝、宽接缝破损等病害。
[0025]如图1
‑
图3所示，本专利技术的智能免供电无砟轨道板上拱变形状态监测系统，包括：射频识别读取器；至少两个传感器组件，用于安装在轨道板上；所述免电源传感器组件包括：传感元件，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能免供电无砟轨道板上拱变形状态监测方法，其特征在于，所述监测方法包括：获取第一时刻的轨道板上拱离缝值以及第二时刻的轨道板上拱离缝值；其中，所述第二时刻为所述第一时刻的下一时刻；基于轨道板拱起监测数据贝叶斯动态线性模型和所述第一时刻的轨道板上拱离缝值进行预测，得到第二时刻的轨道板上拱离缝预测值概率分布；根据所述第二时刻的轨道板上拱离缝预测值概率分布和所述第二时刻的轨道板上拱离缝值，确定第二时刻对应的贝叶斯因子；根据所述第二时刻对应的贝叶斯因子，进行异常值预警。2.根据权利要求1所述的智能免供电无砟轨道板上拱变形状态监测方法，其特征在于，所述第二时刻对应的贝叶斯因子为：其中，表示第二时刻对应的贝叶斯因子，表示第二时刻的轨道板上拱离缝值，表示第一时刻的信息状态，表示第二时刻的轨道板上拱离缝预测值概率分布，表示第二时刻的轨道板上拱离缝预测值概率分布平移得到的异常分布，表示概率，表示第二时刻；所述根据所述第二时刻对应的贝叶斯因子，进行异常值预警，包括：当所述第二时刻对应的贝叶斯因子大于异常值阈值时，发出异常值预警。3.根据权利要求1
‑
2任意一项所述的智能免供电无砟轨道板上拱变形状态监测方法，其特征在于，所述监测方法还包括：根据第二时刻之前历次时刻对应的贝叶斯因子，确定第二时刻下最大累积贝叶斯因子以及所述最大累积贝叶斯因子对应的最佳累积步长；根据所述最大累积贝叶斯因子以及所述最佳累积步长，进行异常状态预警。4.根据权利要求3所述的智能免供电无砟轨道板上拱变形状态监测方法，其特征在于，所述最大累积贝叶斯因子为：其中，表示最大累积贝叶斯因子，表示最佳累积步长，表示累积步长对应的累积贝叶斯因子，表示历次时刻对应的贝叶斯因子，表示连乘符号，表示最大步长，表示第二时刻；所述根据所述最大累积贝叶斯因子以及所述最佳累积步长，进行异常状态预警，包括：
当所述最大累积贝叶斯因子大于累积贝叶斯因子阈值，且所述最佳累积步长大于累积步长阈值时，发出异常状态预警。5.根据权利要求3所述的智能免供电无砟轨道板上拱变形状态监测方法，其特征在于，所述监...

【专利技术属性】
技术研发人员：王友武，倪一清，何家驹，梁有东，徐嘉，
申请(专利权)人：香港理工大学深圳研究院，
类型：发明
国别省市：