【技术实现步骤摘要】
本专利技术涉及铁路工务工程，尤其涉及一种铁路钢轨波磨的识别方法及装置。
技术介绍
1、本部分旨在为本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、铁路钢轨波磨是一种典型的轨道短波病害，当列车行驶过钢轨波磨区段时会产生高频激励，钢轨波磨所导致的高频载荷不但会加剧列车轨道和车辆之间轮轨力，降低列车和轨道零部件使用寿命，严重时还会影响列车运行安全。因此，及时并准确找到铁路的波磨区段并进行打磨是目前最为有效的治理方法。
3、目前，钢轨波磨识别方法主要包括直接测量法和基于车辆动态响应的检测方法。直接测量法中较为经典的是弦测法，但由于钢轨波磨通常波深较短，振幅较小，弦测法受测量精度所限，无法精确地反应钢轨波磨情况；基于车辆动态响应的检测方法最为常见的是基于轴箱加速度的波磨识别，该方法是利用轴箱加速度的功率谱进行图像分析，或者通过时频分析铁路的钢轨波磨情况，利用轴箱加速度的功率谱进行图像分析时受外部环境因素影响较大，容易造成漏判，而时频分析常常由于时频分布的分辨率问题导致结果准确率不高。
4、综上，现有技术对于铁路的钢轨波磨的识别精度较低，无法准确定位波磨区段。
技术实现思路
1、本专利技术实施例提供一种铁路钢轨波磨的识别方法，用以提高铁路钢轨波磨的识别精度，准确定位波磨区段，该方法包括：
2、获取指定铁路的轴箱加速度数据和铁路线路信息；铁路线路信息包括铁路线路类型和钢轨波磨信息；
3、对轴箱加速
4、根据铁路线路信息，确定每一时域数据片段对应的铁路线路类型和每一时域数据片段对应的钢轨波磨信息；
5、利用多个时域数据片段、每一时域数据片段的运行车速数据、每一时域数据片段对应的时频图、每一时域数据片段对应的铁路线路类型和每一时域数据片段对应的钢轨波磨信息，构建样本数据集；
6、利用样本数据集，对预先构建的神经网络模型进行训练，得到钢轨波磨识别模型；
7、利用钢轨波磨识别模型，确定待识别铁路的钢轨波磨信息。
8、本专利技术实施例还提供一种铁路钢轨波磨的识别装置，用以提高铁路钢轨波磨的识别精度，准确定位波磨区段，该装置包括：
9、数据获取模块，用于获取指定铁路的轴箱加速度数据和铁路线路信息；铁路线路信息包括铁路线路类型和钢轨波磨信息；
10、第一数据处理模块，用于对轴箱加速度数据进行预处理，得到多个时域数据片段、每一时域数据片段的运行车速数据和每一时域数据片段对应的时频图；
11、第二数据处理模块，用于根据铁路线路信息，确定每一时域数据片段对应的铁路线路类型和每一时域数据片段对应的钢轨波磨信息；
12、样本构建模块，用于利用多个时域数据片段、每一时域数据片段的运行车速数据、每一时域数据片段对应的时频图、每一时域数据片段对应的铁路线路类型和每一时域数据片段对应的钢轨波磨信息，构建样本数据集；
13、训练模块，用于利用样本数据集，对预先构建的神经网络模型进行训练，得到钢轨波磨识别模型；
14、识别模块，用于利用钢轨波磨识别模型，确定待识别铁路的钢轨波磨信息。
15、本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述铁路钢轨波磨的识别方法。
16、本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述铁路钢轨波磨的识别方法。
17、本专利技术实施例中，获取指定铁路的轴箱加速度数据和铁路线路信息；铁路线路信息包括铁路线路类型和钢轨波磨信息；对轴箱加速度数据进行预处理，得到多个时域数据片段、每一时域数据片段的运行车速数据和每一时域数据片段对应的时频图；根据铁路线路信息，确定每一时域数据片段对应的铁路线路类型和每一时域数据片段对应的钢轨波磨信息；利用多个时域数据片段、每一时域数据片段的运行车速数据、每一时域数据片段对应的时频图、每一时域数据片段对应的铁路线路类型和每一时域数据片段对应的钢轨波磨信息，构建样本数据集；利用样本数据集，对预先构建的神经网络模型进行训练，得到钢轨波磨识别模型；利用钢轨波磨识别模型，确定待识别铁路的钢轨波磨信息。与现有的钢轨波磨识别方法相比，利用多个时域数据片段、每一时域数据片段的运行车速数据、每一时域数据片段对应的时频图、每一时域数据片段对应的铁路线路类型和每一时域数据片段对应的钢轨波磨信息来训练神经网络模型，进而基于训练得到的钢轨波磨识别模型进行铁路钢轨波磨的识别，充分利用了多源数据，并结合神经网络模型实现铁路的钢轨波磨识别，提高了铁路钢轨波磨的识别精度，实现了准确定位波磨区段。
本文档来自技高网...【技术保护点】
1.一种铁路钢轨波磨的识别方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，对轴箱加速度数据进行预处理，得到多个时域数据片段、每一时域数据片段的运行车速数据和每一时域数据片段对应的时频图，包括：
3.如权利要求1所述的方法，其特征在于，每一时域数据片段对应的钢轨波磨信息包括：每一时域数据片段对应的铁路是否存在钢轨波磨、和在存在钢轨波磨时波磨区段的位置信息。
4.如权利要求3所述的方法，其特征在于，利用样本数据集，对预先构建的神经网络模型进行训练，得到钢轨波磨识别模型之前，还包括：
5.如权利要求4所述的方法，其特征在于，构建多目标输出网络，包括：
6.如权利要求5所述的方法，其特征在于，所述多目标输出网络的损失函数通过如下公式表示：
7.一种铁路钢轨波磨的识别装置，其特征在于，包括：
8.如权利要求7所述的装置，其特征在于，第一数据处理模块，具体用于：
9.如权利要求7所述的装置，其特征在于，每一时域数据片段对应的钢轨波磨信息包括：每一时域数据片段对应的铁路是否存在钢轨
10.如权利要求9所述的装置，其特征在于，还包括模型构建模块，用于在训练模块利用样本数据集，对预先构建的神经网络模型进行训练，得到钢轨波磨识别模型之前：
11.如权利要求10所述的装置，其特征在于，模型构建模块，还用于：
12.如权利要求10所述的装置，其特征在于，所述多目标输出网络的损失函数通过如下公式表示：
13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
15.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
...【技术特征摘要】
1.一种铁路钢轨波磨的识别方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，对轴箱加速度数据进行预处理，得到多个时域数据片段、每一时域数据片段的运行车速数据和每一时域数据片段对应的时频图，包括：
3.如权利要求1所述的方法，其特征在于，每一时域数据片段对应的钢轨波磨信息包括：每一时域数据片段对应的铁路是否存在钢轨波磨、和在存在钢轨波磨时波磨区段的位置信息。
4.如权利要求3所述的方法，其特征在于，利用样本数据集，对预先构建的神经网络模型进行训练，得到钢轨波磨识别模型之前，还包括：
5.如权利要求4所述的方法，其特征在于，构建多目标输出网络，包括：
6.如权利要求5所述的方法，其特征在于，所述多目标输出网络的损失函数通过如下公式表示：
7.一种铁路钢轨波磨的识别装置，其特征在于，包括：
8.如权利要求7所述的装置，其特征在于，第一数据处理模块，具体用于：
9.如权利要求7所述的装置，其特征在于，每一时域数据片段对...
【专利技术属性】
技术研发人员：杨劲松，刘金朝，郭剑峰，陶凯，王卫东，杨延峰，黄哲昊，秦航远，毛学耕，
申请(专利权)人：中国铁道科学研究院集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。