[发明专利]一种基于振动和声频复合信号的高速铁路钢轨伤损实时检测方法

说明书

技术领域

本发明涉及一种高速铁路钢轨伤损的检测方法，尤其是一种基于振动和声频复合信号的高速铁路钢轨伤损实时检测方法。

背景技术

随着我国铁路运输的大力建设，特别是高速铁路的飞速发展，铁路运输的安全显得越来越重要。由于伤损检测速度的限制，传统的超声伤损探测技术及模式无法满足高速铁路的探伤要求，新型高速铁路探伤技术的研究迫在眉睫。

钢轨在使用的过程中，会发生折断、裂纹及其它伤损形式，即为钢轨伤损。钢轨伤损是断轨的主要原因，是影响行车安全的重要隐患，列车出轨事故主要由钢轨断裂产生。列车在加速和制动过程中以及通过钢轨接缝、弯道和道岔时，长期产生对钢轨的强烈摩擦、挤压、弯曲和冲击，钢轨极易产生疲劳裂纹，裂纹一旦产生就易于快速扩展，从而造成钢轨折断等重大恶性事故。高速列车对钢轨的摩擦、挤压、弯曲和冲击等作用更加突出，使其产生裂纹的概率大大增加，而且从裂纹发展到钢轨断裂的速度更快。为了保证高速铁路的安全运行，必须缩短高速铁路的检测周期。另外高速铁路的行车密度大、车速高，现有的以大型探伤车为主、小型探伤仪为辅的铁路钢轨探伤模式对钢轨进行检测时将占用高铁线路，严重的影响了列车运行的效率。同时，小型钢轨探伤仪也只能进行局部范围内有限的检测。传统的探伤方式很难满足高速铁路的需求，为此必须尽快开发快速、准确、实时的高速铁路探伤技术。

发明内容

本发明的目的在于提供一种基于振动和声频复合信号的高速铁路钢轨伤损实时检测方法，实时、准确的获取钢轨伤损信息。

本发明的目的是通过以下技术方案实现的：

步骤一：在高速铁路轨道钢轨上安装振动传感器和声学传感器，结合无线网络节点处理器相连构成一个高速铁路沿线的分布式无线传感器网络，对钢轨振动信号和声频信号进行实时采集；

步骤二：根据轨道实际结构，采用有限元方法构建轨道振动模型和声学模型，得到典型钢轨伤损的振动和声频信号；

步骤三：利用希尔伯特-黄变换对采集到的信号进行预处理，获得信号的希尔伯特边际谱；

步骤四：融合振动和声学信号建立振动、声频和伤损种类三维张量；

步骤五：利用非负张量分解方法对三维张量进行分解，提取典型钢轨伤损的伤损种类特征系数；

步骤六：使用步骤五提取的伤损特征系数对相关向量机进行训练，建立伤损识别规则并对实时测量到的振动和声频信号进行分类，确定伤损类型。

由于钢轨伤损会带来振动信号和声频信号的变化，这些信号中包含着伤损的信息，本发明通过无线传感器网络实时检测轨道钢轨伤损的振动和声频信号，利用希尔伯特-黄变换(Hi lbert—Huang Transform，HHT)进行信号预处理、非负张量分解(Non—negativeTensor FactoriZation，NTF)进行多维数据的特征提取和相关向量机(Relevance Vector Machine，RVM)对伤损进行识别分类，快速、准确获取钢轨伤损实时信息，从而保障高速铁路的安全运行。本发明与现有技术相比，具有如下优点：

(1)针对目前钢轨的探伤方式多为探伤车和探伤仪，本发明通过建立轨道沿线探伤无线传感器网络，实现对高速铁路钢轨伤损状况的实时监测；

(2)通过建立钢轨有限元模型以获得各种典型伤损情况下的特征信号，用于建立相应的钢轨伤损分类器，为实测信号的伤损分类提供伤损判断准则；

(3)充分发挥HHT分析非线性、非平稳信号的高效性，对信号进行预处理，以减少传输数据量，提高节点工作效率；

(4)结合振动和声频信号构造多维信号张量进行伤损特征系数提取，相对于单一使用一种类型的信号能更有效的提取隐含在数据中具有识别能力的特征，提高识别的准确性。

附图说明

图1为本发明的流程图；

图2为系统结构示意图；

图3为希尔伯特-黄变换(HHT)流程图；

图4为振动和声频信号构建二维信号示意图；

图5为振动信号、声频信号和伤损种类三维张量构建示意图；

图6为非负张量分解流程图；

图7为建立的轨道钢轨有限元模型；

图8为HHT分解后的各阶IMF和残差。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。