一种基于谱分析的接触网异常状态识别方法技术

本发明专利技术公开了一种基于谱分析的接触网异常状态识别方法，包括以下步骤：S1、将接触网检测中的导高数据进行预处理，筛选出异常突变点，并将异常突变点进行替换，得到预处理后的检测数据；S2、以锚段作为分析切割单元，取出每一锚段的预处理后的检测数据进行时频能量谱计算；S3、设置检测阈值线E0，统计时频能量谱中大于检测阈值线E0的区间，将该区间认定为高风险区域。本发明专利技术采用时频能量谱的分析方法对异常风险位置精准定位。常风险位置精准定位。常风险位置精准定位。

【技术实现步骤摘要】
一种基于谱分析的接触网异常状态识别方法


[0001]本专利技术涉及轨道交通接触网检测
，具体涉及一种基于谱分析的接触网异常状态识别方法。

技术介绍

[0002]随着城市轨道交通的快速发展，接触网检测系统愈发的准确且全面，能够从多个方面全面监控接触网状态。目前对于弓网检测数据的利用主要仅停留在检测数值(导高、拉出值、压力、硬点等)是否超限的判断上，而超限的阈值设定一般较大，未超限的数据很少有人关注。并且对接触网悬挂状态的检测周期较长，通常为季度检或半年检，且零部件结构复杂，种类繁多，逐杆排查很难准确的找出全部的缺陷点，需要借助其他的检测数据找到重点排查区间，提高检出效率,而目前暂无具体方法定位高风险位置。且目前对于接触网的状态评价方法基本上都为针对全线数据进行评价，暂无针对具体位置的状态识别方法。

技术实现思路

[0003]针对现有技术中的上述不足，本专利技术提供的一种基于谱分析的接触网异常状态识别方法解决了接触网异常状态检测无法定位高风险区域、效率不高的问题。
[0004]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于谱分析的接触网异常状态识别方法，包括以下步骤：
[0005]S1、将接触网检测中的导高数据进行预处理，筛选出异常突变点，并将异常突变点进行替换，得到预处理后的检测数据；
[0006]S2、以锚段作为分析切割单元，取出每一锚段的预处理后的检测数据进行时频能量谱计算；
[0007]S3、设置检测阈值线E0，统计时频能量谱中大于检测阈值线E0的区间，将该区间认定为高风险区域。
[0008]进一步地：所述步骤S1中异常突变点的筛选方法包括基于动态变化率的异常突变点筛选和基于局部中位数的异常突变点筛选。
[0009]进一步地：所述基于动态变化率的异常突变点筛选具体为：将导高数据进行求导处理，对导高数据的导数进行筛选，筛选出满足条件的异常突变点，筛选条件为0<x'<50，其中x'为导高数据的导数。
[0010]进一步地：所述基于局部中位数的异常突变点筛选具体为：计算所选区间内各个导高数据与导高数据的局部中位数的差值sub，再求取差值sub的局部中位数m_sub，找到区间内sub大于3倍m_sub对应的导高数据作为异常突变点。
[0011]进一步地：所述步骤S1中采用双线性插值方法将筛选出的异常突变点进行替换。
[0012]进一步地：所述时频能量谱计算具体为：
[0013]S21、利用双线性插值方法将预处理后的检测数据进行超采样处理；
[0014]S22、将检测数据进行经验模态分解，将检测数据分割为多个信号；
[0015]S23、利用皮尔逊相关系数法，计算分割后的每个信号与检测数据的相关性，剔除相关性低于阈值的干扰信号；
[0016]S24、对信号求和重组，使用Hilbert变换将该信号变换为一个时频信号，将各采样点的时频信号幅值平方后得到瞬时能量，并生成瞬时能量谱。
[0017]进一步地：所述检测数据分割为：inf1、inf2、
……
、inf
N
，具体公式为：
[0018][0019]上式中，x为检测数据，i为序号，N为分割信号个数，inf
i
为分割后的信号。
[0020]进一步地：所述超采样处理使得检测数据的采样间距提升到每米10个采样点。
[0021]进一步地：所述步骤S23中阈值的取值为0.9。
[0022]进一步地：所述检测阈值线E0的计算方法为：在导高数据每米变化率低于1
‰
的情况下，按照步骤S1和S2计算出瞬时能量E0，设置检测阈值线为E0。
[0023]本专利技术的有益效果为：
[0024]1、本专利技术采用时频能量谱的分析方法对异常风险位置精准定位：
[0025]利用时频能量谱分析方法，能够得到单一位置的瞬时能量即表征了该位置检测数据的混乱程度，找到风险位置。
[0026]2、本专利技术应用于铁路系统应用的普适性和便捷性：
[0027]利用谱分析的分析方法，从检测数据中识别到风险隐患点，及时反映接触网状态，保障列车运营安全。
附图说明
[0028]图1为本专利技术流程图；
[0029]图2为本专利技术实施例中瞬时能量谱示意图；
[0030]图3为本专利技术实施例中高风险区域示意图；
[0031]图4为本专利技术实施例中接触网零部件缺陷示意图。
具体实施方式
[0032]下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。
[0033]如图1所示，一种基于谱分析的接触网异常状态识别方法，其特征在于，包括以下步骤：
[0034]S1、将接触网检测中的导高数据进行预处理，筛选出异常突变点，并将异常突变点进行替换，得到预处理后的检测数据；
[0035]主要利用接触网检测中的导高数据进行分析。首先需要将导高数据进行预处理，利用检测数据的连续性将数据中的异常突变点筛选出来。具体的方法有：
[0036](1)基于动态变化率的异常突变点筛选具体为：
[0037]接触网动态检测数据是随着检测位置不断变化的，当出现区段的数据未发生改变
或区域数据发生极大的突变时通常是检测传感器异常导致，该类数据对于后续分析造成较大的干扰需要剔除。
[0038]将导高数据进行求导处理，根据接触网的变化规律，在0.25m的采样间距下，相邻两点的变化不会超过50mm，对导高数据的导数进行筛选，筛选出满足条件的异常突变点，筛选条件为0<x'<50，其中x'为导高数据的导数。
[0039](2)基于局部中位数的异常突变点筛选具体为：
[0040]局部中位数能够反映该区间位置范围内的中间状态。计算所选区间内各个导高数据与导高数据的局部中位数的差值sub，再求取差值sub的局部中位数m_sub，找到区间内sub大于3倍m_sub对应的导高数据作为异常突变点。
[0041]利用上述方法将异常点筛选完成后，利用双线性插值方法，将筛选出的异常值替换，使其不影响后续分析。
[0042]S2、以锚段作为分析切割单元，取出每一锚段的预处理后的检测数据进行时频能量谱计算；
[0043]S21、利用双线性插值方法将预处理后的检测数据进行超采样处理，使得检测数据的采样间距提升到每米10个采样点；
[0044]S22、将检测数据进行经验模态分解，将检测数据分割为多个信号inf1、inf2……
inf
i
；
[0045][0046]上式中，x为检测数据，i为序号，N为分割信号个数，inf...

【技术保护点】

【技术特征摘要】
1.一种基于谱分析的接触网异常状态识别方法，其特征在于，包括以下步骤：S1、将接触网检测中的导高数据进行预处理，筛选出异常突变点，并将异常突变点进行替换，得到预处理后的检测数据；S2、以锚段作为分析切割单元，取出每一锚段的预处理后的检测数据进行时频能量谱计算；S3、设置检测阈值线E0，统计时频能量谱中大于检测阈值线E0的区间，将该区间认定为高风险区域。2.根据权利要求1所述的基于谱分析的接触网异常状态识别方法，其特征在于，所述步骤S1中异常突变点的筛选方法包括基于动态变化率的异常突变点筛选和基于局部中位数的异常突变点筛选。3.根据权利要求2所述的基于谱分析的接触网异常状态识别方法，其特征在于，所述基于动态变化率的异常突变点筛选具体为：将导高数据进行求导处理，对导高数据的导数进行筛选，筛选出满足条件的异常突变点，筛选条件为0<x'<50，其中x'为导高数据的导数。4.根据权利要求2所述的基于谱分析的接触网异常状态识别方法，其特征在于，所述基于局部中位数的异常突变点筛选具体为：计算所选区间内各个导高数据与导高数据的局部中位数的差值sub，再求取差值sub的局部中位数m_sub，找到区间内sub大于3倍m_sub对应的导高数据作为异常突变点。5.根据权利要求1所述的基于谱分析的接触网异常状态识别方法，其特征在于，所述步骤S1中采用双线性插值方法将筛选出的异常突变点进行替换。6.根据权利要...

【专利技术属性】
技术研发人员：熊昊睿，李俊兵，罗旺春，杨环，何秀亮，姚刚，鲜永昌，涂安洪，
申请(专利权)人：成都智谷耘行信息技术有限公司，
类型：发明
国别省市：