机车噪声智能监测系统技术方案

本发明专利技术提出了一种机车噪声智能监测系统，包括：数据采集模块，用于根据机车轨道位置设置声音传感器进行噪声信号采集，形成噪声差值向量数据集，形成非线性模型；数据分析模块，用于根据轨道噪声特征进行噪声样本确认操作，经过确认之后进行噪声样本数据标记；噪声监测模块，用于将噪声样本数据代入非线性模型中，通过贝叶斯判断轨道噪声的数据分布进行异常噪声识别，发现轨道和车辆的异常接触状态。发现轨道和车辆的异常接触状态。发现轨道和车辆的异常接触状态。

【技术实现步骤摘要】
机车噪声智能监测系统


[0001]本专利技术涉及噪声分析领域，尤其涉及一种机车噪声智能监测系统。

技术介绍

[0002]高铁系统以及轨道交通作为居民出行必不可少的选择，其乘坐的安全性和舒适性成为首要关心的问题，列车机车在高速行驶过程中，由于机械设备的运动和碰撞以及气流的叠加和冲压，会发出大量的噪声，而且这些噪声也会是潜在的安全风险，对于轮毂振动噪声，需要进行整体振动噪声分析和监测操作，这就亟需本领域技术人员解决相应的技术问题。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种机车噪声智能监测系统。
[0004]为了实现本专利技术的上述目的，本专利技术提供了一种机车噪声智能监测系统，包括：
[0005]数据采集模块，用于根据机车轨道位置设置声音传感器进行噪声信号采集，形成噪声差值向量数据集，形成非线性模型；
[0006]数据分析模块，用于根据轨道噪声特征进行噪声样本确认操作，经过确认之后进行噪声样本数据标记；
[0007]噪声监测模块，用于将噪声样本数据代入非线性模型中，通过贝叶斯判断轨道噪声的数据分布进行异常噪声识别，发现轨道和车辆的异常接触状态。
[0008]上述技术方案优选的，所述数据采集模块包括：
[0009]在n个车轮噪声采集数据中，通过在轨道上设置的m个声音传感器收集噪声数据，并根据一定时间t的周期间隔，得到噪声差值向量数据集ΔN；
[0010]ΔN＝(ΔN
11
,...,ΔN
n1
,ΔN
1m
,...,ΔN
nm
)
T
；
[0011]其中，下标n和m都为正整数，ΔN
nm
为第n个车轮噪声数据在第m个声音传感器获取的噪声差，为第n个车轮噪声数据在第m个声音传感器噪声标准值，N
nm
为第n个车轮噪声数据在第m个声音传感器实际噪声值。
[0012]上述技术方案优选的，所述数据采集模块包括：
[0013]确定不同的轨道和车轮接触点对应的机车
‑
轨道高频振动非线性模型U，是对每个对应的噪声数据标记经过加权计算的噪声样本数据；
[0014]U＝ΔN
·
u
nm
·
β；
[0015]其中，u
nm
为第n个车轮噪声数据在第m个声音传感器的噪声样本数据，β为噪声样本调节参数。
[0016]上述技术方案优选的，所述数据分析模块包括：
[0017]该样本数据u
nm
需要计算位置参数和异常噪声位置判断模型的积，
[0018]u
nm
＝(L(s)
‑
V(n,m))
·
S；
[0019]其中，L(s)为异常噪声s位置判断函数，V(n,m)为噪声数据的增益系数，S为位置判断参数；
[0020][0021]其中，当判断函数第一个公式限制条件为n＞s，W
s
为异常噪声位置s的噪声数据实际速度，v
s
为异常噪声位置s的预测速度，a为机车加速度，R为风阻，E为机车运行平均速度，w
s
为异常噪声的定位位置，ω为机车振动频率，p为机车运行功率，当判断函数为1时，n≤s。
[0022]上述技术方案优选的，所述噪声数据的增益系数为：
[0023]其中，Q
nm
为第n个车轮噪声数据在第m个声音传感器预设噪声值，N
nm
为第n个车轮噪声数据在第m个声音传感器实际噪声值。
[0024]上述技术方案优选的，所述噪声监测模块包括：
[0025]通过对非线性模型计算后，形成非线性异常噪声位置模型向量(U1,U2,...,U
k
)，k为正整数，当实际噪声数据集N
nm
和非线性模型集合Uk
[0026][0027]其中，Θ为异常噪声预设参数，P(N
nm
|Θ,U
k
)为异常噪声预设参数Θ的似然函数，P(Θ|U
k
)为异常噪声预设参数Θ的先验概率，P(Θ|N
nm
,U
k
)为异常噪声预设参数Θ的后验概率，P(N
nm
|U
k
)为非线性模型Uk的边缘似然值。
[0028]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0029]通过数据采集模块获取噪声向量，并通过数据分析模块进行异常噪声的筛选分析，通过贝叶斯验证该异常噪声的分布情况，在一定时间t的周期间隔中对异常噪声分布特性和频率变化特性的规律进行实时记录，从而对机车的整体性能进行评估。
[0030]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0031]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0032]图1是本专利技术总体示意图；
[0033]图2是本专利技术工作流程图。
具体实施方式
[0034]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0035]如图1和2所示，本专利技术公开一种机车噪声智能监测系统，包括：
[0036]数据采集模块，用于根据机车轨道位置设置声音传感器进行噪声信号采集，形成噪声差值向量数据集，形成非线性模型；
[0037]数据分析模块，用于根据轨道噪声特征进行噪声样本确认操作，经过确认之后进行噪声样本数据标记；
[0038]噪声监测模块，用于将噪声样本数据代入非线性模型中，通过贝叶斯判断轨道噪声的数据分布进行异常噪声识别，发现轨道和车辆的异常接触状态。
[0039]所述声音传感器设置于机车轨道的侧边缘获取瞬时噪声数据，将获取的数据进行向量分析，对异常接触的机车车轮与轨道进行数据识别和判断，从而防止机车发生脱轨损坏风险，造成车辆运输过程中的安全隐患。
[0040]由于轨道高频振动环境，在固定长度的车轮和轨道的碰撞响应时，发生速度关系的变化，叠加在噪声采集数据中，根据数据收集机理通过非线性信号偏移模型进行数据处理操作。
[0041]上述技术方案优选的，所述数据采集模块包括：
[0042]在n个车轮噪声采集数据中，通过在轨道上设置的m个声音传感器收集噪声数据，并根据一定时间t的周期间隔，得到噪声差值向量数据集ΔN；
[0043]ΔN＝(ΔN
11
,...,ΔN
n1
,ΔN
1m
,...,ΔN
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机车噪声智能监测系统，其特征在于，包括：数据采集模块，用于根据机车轨道位置设置声音传感器进行噪声信号采集，形成噪声差值向量数据集，形成非线性模型；数据分析模块，用于根据轨道噪声特征进行噪声样本确认操作，经过确认之后进行噪声样本数据标记；噪声监测模块，用于将噪声样本数据代入非线性模型中，通过贝叶斯判断轨道噪声的数据分布进行异常噪声识别，发现轨道和车辆的异常接触状态。2.根据权利要求1所述的机车噪声智能监测系统，其特征在于，所述数据采集模块包括：在n个车轮噪声采集数据中，通过在轨道上设置的m个声音传感器收集噪声数据，并根据一定时间t的周期间隔，得到噪声差值向量数据集ΔN；ΔN＝(ΔN
11
,...,ΔN
n1
,ΔN
1m
,...,ΔN
nm
)
T
；其中，下标n和m都为正整数，ΔN
nm
为第n个车轮噪声数据在第m个声音传感器获取的噪声差，为第n个车轮噪声数据在第m个声音传感器噪声标准值，N
nm
为第n个车轮噪声数据在第m个声音传感器实际噪声值。3.根据权利要求2所述的机车噪声智能监测系统，其特征在于，所述数据采集模块包括：确定不同的轨道和车轮接触点对应的机车
‑
轨道高频振动非线性模型U，是对每个对应的噪声数据标记经过加权计算的噪声样本数据；U＝ΔN
·
u
nm
·
β；其中，u
nm
为第n个车轮噪声数据在第m个声音传感器的噪声样本数据，β为噪声样本调节参数。4.根据权利要求1所述的机车噪声智能监测系统，其特征在于，所述数据分析模块包括：该样本数据u
nm

【专利技术属性】
技术研发人员：李奇，
申请(专利权)人：懿朵信息科技上海有限公司，
类型：发明
国别省市：