CN107521511B - 一种车轮脱轨报警的方法及系统 - Google Patents

Abstract

本申请公开了一种车轮脱轨报警的方法，所述方法包括：当获取振动信号后，对所述振动信号进行处理得到待分析样本；对所述待分析样本进行时域识别，得到时域脱轨识别结果；对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果；根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作；该方法能够准确的进行脱轨报警，而且整个脱轨报警过程稳定可靠，大大降低了误报的机率；本申请还公开了一种车轮脱轨报警的系统，具有以上有益效果。

Description

一种车轮脱轨报警的方法及系统

技术领域

本发明涉及轨道交通领域，特别涉及一种车轮脱轨报警的方法及系统。

背景技术

随着科技的迅猛发展，轨道交通技术如同雨后春笋一样快速成长，因此对铁路交通安全的需要和要求也越来越高，特别在车轮脱轨方面，选择一个合适的报警标准变得越来越重要。

在现有技术中，国内外评判脱轨风险的基本方法是利用轮轨横向力Q与垂向力P之比，即脱轨系数来评判设计及运行过程中的脱轨风险，规定脱轨系数小于1.2为安全。但列车在实际的运行过程中受轨道不平顺、曲线超高、车速、负载等许多外部条件的影响，难以用单一的理论公式来描述，因此，就出现了美国在机车试验中发现脱轨系数等于2时仍未脱轨，我国铁道科技研究院在货车脱轨试验中甚至发现了脱轨系数高达4.98时，列车仍安全无恙的例子，所以说利用脱轨系数难以完全有效地评价脱轨风险及预防脱轨事故。当然，在现有技术中还可存在以下方法：直接检测车轮与轨道的接触状态或各节车厢的连接状态是否正常，但是上述方法也存在脱轨误报的问题。

因此，如何准确地对车轮脱轨进行报警，是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种车轮脱轨报警的方法及系统，能够准确地对车轮脱轨进行报警。

为解决上述技术问题，本申请提供一种车轮脱轨报警的方法及系统，该方法包括：

当获取振动信号后，对所述振动信号进行处理得到待分析样本；

对所述待分析样本进行时域识别，得到时域脱轨识别结果；

对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果；

根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作。

可选的，当获取振动信号后，对所述振动信号进行处理得到待分析样本包括：

当获得所述振动信号后，对所述振动信号进行共振解调得到共振解调信号；

以获取所述共振解调信号的时刻为起点向前截取预设数量个轨枕周期时间长度的所述共振解调信号，得到所述待分析样本；其中，所述轨枕周期由测量参数计算得到。

可选的，对所述待分析样本进行时域识别，得到时域脱轨识别结果包括：

根据转速信号获得枕距标尺信号，并根据所述枕距标尺信号对所述待分析样本进行滑动相对积运算，得到运算结果；

判断所述运算结果中大于预设限制值的所述运算结果的数量是否大于2；

若大于2，则得到内部脱轨报警的所述时域脱轨识别结果。

可选的，所述根据转速信号获得枕距标尺信号包括：

将所述转速信号处理为车轮转速频率整数倍的转速跟踪采样控制信号；

对所述转速跟踪采样控制信号按照每经过轨枕间隔所对应的点保留该点而其余点赋零的方法形成实时的所述枕距标尺信号；其中，所述轨枕间隔由测量计算得到。

可选的，对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果包括：

对所述待分析样本进行快速傅里叶变换得到对应的所述频谱；

判断所述频谱中是否存在所述轨枕间隔对应的特征谱线；

若存在所述特征谱线，则得到所述内部脱轨报警的频域脱轨识别结果。

可选的，根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作包括：

根据所述时域脱轨识别结果和/或所述频域脱轨识别结果，对所述内部脱轨报警进行概率统计，得到概率统计结果；

判断所述概率统计结果是否大于预设值；

若大于所述预设值，则执行所述报警操作。

本申请还提供了一种车轮脱轨报警的系统，该系统包括：

信号获取模块，用于当获取振动信号后，对所述振动信号进行处理得到待分析样本；

时域识别模块，用于对所述待分析样本进行时域识别，得到时域脱轨识别结果；

频域识别模块，用于对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果；

报警模块，用于根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作。

可选的，所述信号获取模块包括：

共振解调信号获取单元，用于当获得所述振动信号后，对所述振动信号进行共振解调得到共振解调信号；

待分析样本获取单元，用于以获取所述共振解调信号的时刻为起点向前截取预设数量个轨枕周期时间长度的所述共振解调信号，得到所述待分析样本；其中，所述轨枕周期由测量参数计算得到。

可选的，所述时域识别模块包括：

滑动相对积运算单元，用于根据转速信号获得枕距标尺信号，并根据所述枕距标尺信号对所述待分析样本进行滑动相对积运算，得到运算结果；

运算结果判断单元，用于判断所述运算结果中大于预设限制值的所述运算结果的数量是否大于2；

时域识别结果生成单元，当所述运算结果中大于所述预设限制值的所述运算结果的数量大于2时，得到内部脱轨报警的所述时域脱轨识别结果。

可选的，其特征在于，所述报警模块包括：

综合决策单元，用于根据所述时域脱轨识别结果和/或所述频域脱轨识别结果，对所述内部脱轨报警进行概率统计，得到概率统计结果；

报警判断单元，用于判断所述概率统计结果是否大于预设值；

外部报警单元，用于当所述概率统计结果大于所述预设值时，执行所述报警操作。

本发明提供了一种车轮脱轨报警的方法，当获取振动信号后，对所述振动信号进行处理得到待分析样本；对所述待分析样本进行时域识别，得到时域脱轨识别结果；对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果；根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作。

本方法中根据获取的振动信号得到待分析样本，待分析样本反映了左、右轮运行的真实状态，但是仅仅根据待分析样本是无法判断列车是否发生脱轨，因此需要对待分析样本进行分析，来验证分析结果进而判断列车是否脱轨。本方法对待分析样本分别进行了时域识别和频域识别，根据时域识别和频域识别的结果进行脱轨分析，来判断列车是否脱轨。该方法通过时域识别和频域识别判断车轮是否发生脱轨现象，能够准确的进行脱轨报警，而且整个脱轨报警过程稳定可靠，大大降低了误报的机率。本申请同时还提供了一种车轮脱轨报警的系统，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例所提供的一种车轮脱轨报警的方法的流程图；

图2为本申请实施例所提供的另一种车轮脱轨报警的方法的流程图；

图3为本申请实施例所提供的车轮脱轨报警的检测示意图；

图4为本申请提供的一种车轮脱轨报警的系统的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

下面请参见图1，图1为本申请实施例所提供的一种车轮脱轨报警的方法的流程图；

具体步骤可以包括：

步骤S101：当获取振动信号后，对所述振动信号进行处理得到待分析样本；

其中，在本步骤进行时，已经默认振动信号已经获取完毕，来进行的一系列处理。振动信号可以利用安装在轨道交通车轴左右两端轴承座上的复合传感器在列车行驶过程中获取，当然也存在其他的振动信号的获取方法，此处不进行限定，只要能够获取真实反映车轮运行状态的振动信号即可。复合传感器是一种可以监测垂直冲击和垂直振动的传感器。

可以理解的是，本步骤中提到的将振动信号进行处理得到待分析样本并不是对振动信号简单地截取，而是需要将振动信号转换为能够进行样本采集的信号(如共振解调信号)才可以获得待分析样本。由于振动信号反映了一段时间内的车轮运行状态，可以将整段振动信号都作为待分析样本进行分析，但是为了减少样本分析的难度并了解各个时间点的车轮状态，可以按照预设时间截取一部分振动信号作为待分析样本进行后续的分析，此处并不对待分析样本的获取方法进行限定。

在本步骤之后，若需要进行时域识别则进入步骤S102，若需要进行频域识别则进入步骤S103。

步骤S102：对所述待分析样本进行时域识别，得到时域脱轨识别结果；

其中，时域识别是指根据信号的时域波形进行分析。发生脱轨后，车轮会脱离轨道，与轨枕发生撞击引发冲击，这些冲击出现的间隔与轨枕间距直接相关，可以通过识别各冲击出现的间隔是否对应轨枕间隔来判断是否发生了脱轨故障。识别间隔的方法有很多，此处不进行具体的限定，其中通过滑动相对积运算是最常用的方法，本文将在下一具体实施例中进行详尽的描述。

可以理解的是，由于偶然因素会导致时域识别误判，为了对误判进行区别，将通过一次时域识别得到的车轮脱轨定义为内部脱轨报警。

步骤S103：对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果；进入步骤S105；

其中，本步骤中的快速傅里叶变换，就是利用计算机计算离散傅里叶变换的高效、快速计算方法的统称，采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，快速傅里叶变换算法计算量的节省就越显著。也就是说在本步骤中通过快速傅里叶变换，将待分析样本由时域信号转化为频域信号，获得与待分析样本相对应的频谱。对频谱进行频域识别的方法也很多，可以根据频谱中某些具有特定属性的谱线进行判断，此处不做具体的限定。

同样，由于偶然因素会导致频域识别误判，为了对误判进行区别，将一次频域识别得到的车轮脱轨定义为内部脱轨报警。

步骤S104：根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作；

其中，正如步骤S102和步骤S103所描述的，列车在行驶过程中会受到诸多外界因素的影响，为了防止单一报警方式的片面性，需要在收到时域脱轨识别结果和/或频域脱轨识别结果后再进行关于脱轨分析的综合决策。由于在时域识别和频域识别过程中都会在检测到异常时得到内部脱轨报警的识别结果，所以可以利用统计得到的内部脱轨报警的次数作出关于车轮是否脱轨的判断。

可以理解的是进行综合决策的方式有很多，可以统计发出内部脱轨报警的概率，判断概率是否超过某个预设值；也可以判断在预设时间内发送内部脱轨报警的次数是否超过某个预设值；也可以判断是否连续收到预设数量个内部脱轨报警等等，此处并不对综合决策的具体实施方式进行相关限定，只要能够避免单一报警方式的片面性带来的误报即可。

在本步骤中进行脱轨分析所依据的是时域脱轨识别结果和/或频域脱轨识别结果，也就是说存在以下三种情况：只根据时域脱轨识别结果进行脱轨分析；只根据频域脱轨识别结果进行脱轨分析；根据时域脱轨识别结果和频域识别结果一起进行脱轨分析。时域脱轨识别结果与频域脱轨识别结果之间并不存在相互影响的关系，二者是独立存在的。

下面请参见图2、图3，图2为本申请实施例所提供的另一种车轮脱轨报警的方法的流程图；图3为本申请实施例所提供的车轮脱轨报警的检测示意图。

具体步骤可以包括：

步骤S201：当获得所述振动信号后，对所述振动信号进行共振解调得到共振解调信号；

其中，对振动信号进行共振解调得到共振解调信号的方法有很多，下面举两个例子来说明。例一：在振动信号获取时，就利用安装在车轮轴或通过齿轮传动的其他轴上的转速传感器的转速脉冲信号，处理为车轮转速频率的FN之C倍的转速跟踪采样控制信号FC(即FC＝C*FN，其中C为正整数如C＝400)，并将转速脉冲信号处理为车轮转速频率FN之C*L倍的转速跟踪滤波控制信号FL(其中L为正整数，如L＝20)，利用转速跟踪滤波控制信号FL触发采集共振解调信号。例二：在无控制信号FL的情况下，采用定时高速采样获取振动信号并共振解调后，利用转速跟踪滤波控制信号FL控制进行低通滤波后进而由转速跟踪采样信号FC进行重抽样的转速跟踪处理，得到共振解调信号。当然还有其他将振动信号进行转速跟踪得到共振解调信号的方法，例如共振解调可以利用TAD变换器将共振解调电路变换为模拟输出信号，也可以对获得的TAD变换器输出的模拟信号进行高速采样后进行数字共振解调变换得到输出信号。由于共振解调存在多种实现的方法，相应的重抽样的相关步骤也有多种实现的方法。

经过上述分析可知，对振动信号进行转速跟踪得到共振解调信号的方法有很多，此处并不对得到共振解调信号的方法进行具体的限定，本领域的技术人员可以根据本方法的具体应用场景选择适当的方法。

步骤S202：以获取所述共振信号的时刻为起点向前截取预设数量个轨枕周期时间长度的所述共振解调信号，得到所述待分析样本；其中，所述轨枕周期由测量参数计算得到；

其中，本步骤中的轨枕周期是由轨枕间距ZJ、步骤S201中的转速跟踪采样控制信号的系数C计算得到(轨枕周期TZJ＝π*D*C/ZJ)。其实，本方法是根据当前时间段内的信号，为了在更长时间段内进行分析，因此需要以获取当前时刻为起点向前一时刻方向截取共振解调信号。截取后的总长度P可以由本领域技术人员根据实际应用的情境自行选择，如P＝10，则表示待分析样本长度为10个轨枕间距长度。

在本步骤之后，若需要进行时域识别则进入步骤S203，若需要进行频域识别则进入步骤S208。

步骤S203：将所述转速信号处理为车轮转速频率整数倍的转速跟踪采样控制信号。

步骤S204：对所述转速跟踪采样控制信号按照每经过轨枕间隔所对应的点保留该点而其余点赋零的方法形成实时的所述枕距标尺信号；其中，所述轨枕间隔由测量计算得到；

通过步骤S201和步骤S202中使用的例子来继续说明本步骤，得到枕距标尺信号的具体步骤是：对转速跟踪采样控制信号FC＝C*FN按照每经过轨枕周期个点就保留该点而其余点赋零的方法形成实时的枕距标尺，其长度为轨枕周期*(预设数量+1)。

步骤S205：根据所述枕距标尺信号对所述待分析样本进行滑动相对积运算，得到运算结果；

其中，本步骤中的滑动相对积运算是指对待分析样本对枕距标尺进行滑移范围为(0～TZJ-1)的滑动相对积运算。

步骤S206：判断所述运算结果中大于预设限制值的所述运算结果的数量是否大于2；

其中，本步骤中的预设限制值取值范围为4000SV～5000SV，也可以根据现场实验测试进行调整。

步骤S207：若大于2，则得到内部脱轨报警的所述时域脱轨识别结果。进入步骤S211。

步骤S208：对所述待分析样本进行快速傅里叶变换得到对应的所述频谱。

步骤S209：判断所述频谱中是否存在所述轨枕间隔对应的特征谱线；

其中，本步骤中提到的特征谱线为第P±1号谱线及其2～5倍的突出谱线且第P号谱线的幅度达到0.5倍的预设限制值，则称该谱线为轨枕间隔对应的特征谱线。

步骤S210：若存在所述特征谱线，则得到所述内部脱轨报警的频域脱轨识别结果。

步骤S211：根据所述时域识别结果和/或所述频域脱轨识别结果，对所述频域脱轨识别结果与所述频域脱轨识别结果进行概率统计，得到概率统计结果；

其中，本步骤是对得到的脱轨识别结果进行综合决策，判断出现内部脱轨报警出现的概率，列车在行驶过程中会收到诸多外界因素的影响，为了防止单一报警方式的片面性，需要在收到时域脱轨识别结果和频域脱轨识别结果后再进行关于脱轨分析的综合决策。

步骤S212：判断所述概率统计结果是否大于预设值。

其中，若大于则说明需要报警；若不大于则说明不需要报警，在不进行报警的基础上可以重新执行频域识别和时域识别，进行进一步的循环，反复判断是否出现脱轨状况。

步骤S213：若大于所述预设值，则执行所述报警操作。

请参见图4，图4为本申请提供的一种车轮脱轨报警的系统的结构示意图；

该系统可以包括：

信号获取模块100，用于当获取振动信号后，对所述振动信号进行处理得到待分析样本；

时域识别模块200，用于对所述待分析样本进行时域识别，得到时域脱轨识别结果；

频域识别模块300，用于对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果；

报警模块400，用于根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作。

在本申请提供的另一种车轮脱轨报警的系统的实施例中；所述信号获取模块100包括：

共振解调信号获取单元，用于当获得所述振动信号后，对所述振动信号进行共振解调得到共振解调信号；

待分析样本获取单元，用于以获取所述共振信号的时刻为起点向前截取预设数量个轨枕周期时间长度的所述共振解调信号，得到所述待分析样本；其中，所述轨枕周期由测量参数计算得到。

进一步的，所述时域识别模块200包括：

滑动相对积运算单元，用于根据转速信号获得枕距标尺信号，并根据所述枕距标尺信号对所述待分析样本进行滑动相对积运算，得到运算结果；

运算结果判断单元，用于判断所述运算结果中大于预设限制值的所述运算结果的数量是否大于2；

时域识别结果生成单元，当所述运算结果中大于所述预设限制值的所述运算结果的数量大于2时，得到内部脱轨报警的所述时域脱轨识别结果。

进一步的，所述报警模块400包括：

综合决策单元，用于根据所述时域识别结果和/或所述频域识别结果，对所述内部脱轨报警进行概率统计，得到概率统计结果；

报警判断单元，用于判断所述概率统计结果是否大于预设值；

外部报警单元，用于当所述概率统计结果大于所述预设值时，执行所述报警操作。

由于系统部分的实施例与方法部分的实施例相互对应，因此系统部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种车轮脱轨报警的方法，其特征在于，包括：

当获取振动信号后，对所述振动信号进行处理得到待分析样本；其中，所述振动信号为复合传感器获取的信号；

对所述待分析样本进行时域识别，得到时域脱轨识别结果；

对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果；

根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作。

2.根据权利要求1所述方法，其特征在于，当获取振动信号后，对所述振动信号进行处理得到待分析样本包括：

当获得所述振动信号后，对所述振动信号进行共振解调得到共振解调信号；

以获取所述共振解调信号的时刻为起点向前截取预设数量个轨枕周期时间长度的所述共振解调信号，得到所述待分析样本；其中，所述轨枕周期由测量参数计算得到。

3.根据权利要求2所述方法，其特征在于，对所述待分析样本进行时域识别，得到时域脱轨识别结果包括：

根据转速信号获得枕距标尺信号，并根据所述枕距标尺信号对所述待分析样本进行滑动相对积运算，得到运算结果；

判断所述运算结果中大于预设限制值的所述运算结果的数量是否大于2；

若大于2，则得到内部脱轨报警的所述时域脱轨识别结果。

4.根据权利要求3所述方法，其特征在于，所述根据转速信号获得枕距标尺信号包括：

将所述转速信号处理为车轮转速频率整数倍的转速跟踪采样控制信号；

对所述转速跟踪采样控制信号按照每经过轨枕间隔所对应的点保留该点而其余点赋零的方法形成实时的所述枕距标尺信号；其中，所述轨枕间隔由测量计算得到。

5.根据权利要求2所述方法，其特征在于，对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果包括：

对所述待分析样本进行快速傅里叶变换得到对应的所述频谱；

判断所述频谱中是否存在轨枕间隔对应的特征谱线；

若存在所述特征谱线，则得到内部脱轨报警的频域脱轨识别结果。

6.根据权利要求1至5任一项所述方法，其特征在于，根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作包括：

根据所述时域脱轨识别结果和/或所述频域脱轨识别结果，对内部脱轨报警进行概率统计，得到概率统计结果；

判断所述概率统计结果是否大于预设值；

若大于所述预设值，则执行所述报警操作。

7.一种车轮脱轨报警的系统，其特征在于，包括：

信号获取模块，用于当获取振动信号后，对所述振动信号进行处理得到待分析样本；其中，所述振动信号为复合传感器获取的信号；

时域识别模块，用于对所述待分析样本进行时域识别，得到时域脱轨识别结果；

频域识别模块，用于对所述待分析样本进行快速傅里叶变换得到对应的频谱，并对所述频谱进行频域识别，得到频域脱轨识别结果；

报警模块，用于根据所述时域脱轨识别结果和/或所述频域脱轨识别结果进行脱轨分析，若得到的分析结果为车轮脱轨，则执行报警操作。

8.根据权利要求7所述系统，其特征在于，所述信号获取模块包括：

共振解调信号获取单元，用于当获得所述振动信号后，对所述振动信号进行共振解调得到共振解调信号；

待分析样本获取单元，用于以获取所述共振解调信号的时刻为起点向前截取预设数量个轨枕周期时间长度的所述共振解调信号，得到所述待分析样本；其中，所述轨枕周期由测量参数计算得到。

9.根据权利要求8所述系统，其特征在于，所述时域识别模块包括：

滑动相对积运算单元，用于根据转速信号获得枕距标尺信号，并根据所述枕距标尺信号对所述待分析样本进行滑动相对积运算，得到运算结果；

运算结果判断单元，用于判断所述运算结果中大于预设限制值的所述运算结果的数量是否大于2；

时域识别结果生成单元，当所述运算结果中大于所述预设限制值的所述运算结果的数量大于2时，得到内部脱轨报警的所述时域脱轨识别结果。

10.根据权利要求7至9任一项所述系统，其特征在于，所述报警模块包括：

综合决策单元，用于根据所述时域脱轨识别结果和/或所述频域脱轨识别结果，对内部脱轨报警进行概率统计，得到概率统计结果；

报警判断单元，用于判断所述概率统计结果是否大于预设值；

外部报警单元，用于当所述概率统计结果大于所述预设值时，执行所述报警操作。