CN107782548A - 一种基于对轨道交通工具零部件检测系统 - Google Patents
一种基于对轨道交通工具零部件检测系统 Download PDFInfo
- Publication number
- CN107782548A CN107782548A CN201710987067.2A CN201710987067A CN107782548A CN 107782548 A CN107782548 A CN 107782548A CN 201710987067 A CN201710987067 A CN 201710987067A CN 107782548 A CN107782548 A CN 107782548A
- Authority
- CN
- China
- Prior art keywords
- mrow
- parts
- measured
- mtd
- detecting system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种轨道交通工具零部件检测系统，所述一种轨道交通零部件检测系统包括采集模块、处理模块、对比模块和预警模块；所述检测系统通过在车行驶过程中实时完成对信号的采集、传输、处理和分析，发现异常零部件，并通过无线网络将故障信息传输到预警模块；所述预警模块用于发布预警信息，提醒维修人员对异常零部件进行维修或更换。所述检测系统无需人工介入即可实现对故障的在线检测，提高了作业效率，保证轨道交通工具高效、安全地运行。
Description
技术领域
本发明涉及轨道交通工具领域，尤其是涉及一种基于对轨道交通工具零部件检测系统。
背景技术
轨道交通工具作为铁路运输的核心部分，在运行过程中可能会出现车体零部件异常情况。零部件异常情况的出现将危及行车安全。因此，轨道交通工具故障检测的全面、准确、快速对铁路的安全运行至关重要。
目前，轨道交通工具的故障通常采用人工进行检测和地对车动态检测两种方式，采用此两种方式存在以下缺陷：
1、轨道交通工具包括货车、客车、动车组、机车及其他类型列车大部分时间处于运动状态，只有进站后或完成运营公里数入库后才检修，这导致出现异常不能及时发现和检修，最终增大人工检测的难度和故障的漏检概率。即便轨道交通工具进站或入库，由于它的结构复杂，部件众多，检修人员很难记住各个零件的正常状态，而且零部件之间存在遮挡而存在视觉盲区，这既进一步增大列车异常的漏检概率，也进一步降低异常检测效率和准确度。
检修人员凭经验检测交通工具的情况，检测情况对检修人员的维修经验依赖大，检测结果和作业人员的专业技能、责任心有很大关系，主观因素较强。
2、采用在地面上安装的动态检测系统对运行中的轨道交通工具进行检测，受安装现场环境条件限制，通常间隔几十公里甚至几百公里，对运行中的列车无法实现故障实时检测，不利于行车安全。
发明内容
针对上述问题，本发明旨在提供一种基于对轨道交通工具零部件检测系统。
本发明的目的采用以下技术方案来实现：
一种基于对轨道交通零部件检测系统，其特征在于，该检测系统包括采集模块、处理模块、对比模块和预警模块；
所述采集模块用于采集轨道交通工具在行驶过程中零部件发出的声信号；
所述处理模块用于对待测零部件发出的声信号进行处理和分析，得到待测零部件的声音特征参数；
所述对比模块设有数据库，所述数据库用于存储已训练好的无故障零部件的标准声音特征参数，所述对比模块用于将待测零部件的声音特征参数与数据库中的待测零部件的标准声音特征参数进行比对，若发现待测零部件工作异常，则将工作异常这个诊断结果通过无线网络传输到预警模块；
所述预警模块用于发布预警信息，提醒维修人员对异常零部件进行维修或更换。
本发明的有益效果：通过在轨道交通工具上安装的零部件检修系统，对轨道交通工具零部件进行实时检测，及时发现声音异常零部件，进而实现对车辆零部件故障的早期检测和判断，提高故障检测的精度和可靠性，实现了故障的实时检测，进而保证列车高效、安全地运行。本发明提供的轨道交通工具零部件检测系统，无需人工介入即可实现对故障的在线检测，可有效替代传统的人工检测作业，降低作业难度，提高作业效率和作业质量。可广泛用于铁路动车组、客车、货车、机车、地铁等各种轨道交通工具的故障检测。
附图说明
图1是本发明的框架结构图；
图2是本发明处理模块的框架结构图。
附图标记：
采集模块1；处理模块2；比对单元3；预警模块4；预处理单元21；声音段提取单元22；特征提取单元23。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，一种用于对轨道交通零部件检测系统，其特征在于，该系统包括采集模块1、处理模块2、对比模块3和预警模块4；其中：
所述采集模块1用于采集轨道交通工具在行驶过程中零部件发出的声信号；
所述处理模块2用于对待测零部件发出的声信号进行处理和分析，得到待测零部件的声音特征参数；
所述对比模块3设有数据库，所述数据库用于存储已训练好的无故障零部件的标准声音特征参数，所述对比模块用于将待测零部件的声音特征参数与数据库中的待测零部件的标准声音特征参数进行比对，若发现待测零部件工作异常，则将工作异常这个诊断结果通过无线网络传输到预警模块；
所述预警模块4用于发布预警信息，提醒维修人员对异常零部件进行维修或更换。
所述采集模块1是由一个或者多个声学传感器构成，所述声学传感器安装在轨道交通工具上。
优选地，参见图2，所述处理模块2包括预处理单元21、声音段提取单元22和特征提取单元23；所述预处理单元21用于对待测零部件发出的声信号进行降噪、预加重、分帧和加窗；所述声音段提取单元22用于从加窗后声信号中提取有效信息段；所述特征提取单元23用于从有效信息段中提取待测零部件的声音特征参数。
本发明上述实施例，通过在轨道交通工具上安装的零部件检修系统，对轨道交通工具零部件进行实时检测，及时发现声音异常零部件，进而实现对车辆零部件故障的早期检测和判断，提高故障检测的精度和可靠性，实现了故障的实时检测，进而保证列车高效、安全地运行。本发明提供的轨道交通工具零部件检测系统，无需人工介入即可实现对故障的在线检测，可有效替代传统的人工检测作业，降低作业难度，提高作业效率和作业质量。可广泛用于铁路动车组、客车、货车、机车、地铁等各种轨道交通工具的故障检测。
优选地，所述预处理单元21用于对待测零部件发出的声信号进行降噪、预加重、分帧和加窗，具体包括：
1)利用小波变换对待处理的声信息进行N层小波分解，得到一组小波系数z；
2)采用平滑处理函数对小波系数进行平滑处理，得到一组新的小波系数估量值z＇；其中，平滑处理函数z＇为：
其中，z＇为平滑处理后得到的小波系数的估量值，z为小波系数，且z＝{z1,z2,…,zm}，m为小波系数的个数；σ为修正因子，其取值范围是0≤σ≤1，λ为设定的阈值；κ为平滑调节因子；
3)对平滑处理得到的小波系数的高频分量估量值和第N层里的小波系数的低频分量系数进行小波逆变换，得到平滑处理后的声信息；
4)依次对平滑处理后的声信息进行A/D转换，预加重、分帧和加窗处理，即可得到加窗后待测零部件的声音数据。
本优选实施例，设置预处理单元21，对采集到的声信号进行去噪，能够清晰的表示轨道交通零部件工作时发出的声信号特征，从而将背景噪声过滤掉，并最大限度地保留了轨道交通零部件工作时发出的声信号的细节特征，之后对去噪后的声信号进行预加重、分帧和加窗处理，方便后续对轨道交通工具零部件工作时发出的声信号进一步处理。
优选地，所述声音段提取单元22用于从加窗后待测零部件的声音数据中提取有效信息段，具体为：
1)对加窗后待测零部件的声音数据中有效信息段的起点进行标记，设当前检测帧的初始状态值S为零，如果满足Am＞Alow或Bm＞Blow，则标记当前检测帧为有效信息段的起点，进入过渡段；进入过渡段后，如果Alow或者Blow被超越且持续被超越的时间长度大于自定义的最小语音长度，则对有用声音数据Y进行标记，并设置状态值为1；令m＝m+1,对下一帧进行操作，并计算第m帧的Am和Bm；其中，S为检测的当前状态，数值不同，对应不同的检测状态；Am是第m帧的平均振幅值，Alow为Am的自定义的最低门限值，Bm为第m帧的帧间平均过零率，Blow为Bm的自定义的最低门限值，Am和Bm可利用帧的平均振幅公式和帧间平均过零率公式计算得到，其中，帧的平均振幅公式为：
其中，L为帧的长度，sm(p)为加窗前第m帧中第p个频谱处的声音信号的幅度值，N为窗口的宽度，w(·)为汉明窗口函数，m为正在检测的第m帧声音信号，p为第m帧声音信号中第p个频谱；
帧间平均过零率计算公式为：
其中，sgn[·]是符号函数，它的表达式为：
2)在状态值S为1时，如果Am＜Alow或Bm＜Blow，则令S＝0，执行步骤1，否则，如果Am＞AHigh或Bm＞BHigh，则标记为声音段，并将状态值S设为2，且令m＝m+1，计算下一帧的Am和Bm的值；其中AHigh为Am的自定义的最高门限值，BHigh为Bm的自定义的最高门限值；
3)在状态值S为2时，如果Am＜Alow或Bm＜Blow，且满足声音的回落时间持续超多自定义的最大静音长度，则可以标记声音结束，并将状态值设为3；否则跳转至步骤2，执行步骤2；当状态值为3时，对应处理的帧即为该待测零部件的有效信息段的终点，起点和终端之间的声信号段即为有效信息段。
本优选实施例，设置声信号提取单元22用于对加窗后的待测零部件的声音数据进一步处理，根据声音信号的特点，设置4个状态值和判定条件，对加窗后的待测零部件的声音数据进行逐帧判定，获得待测零部件的有效声音数据的起点和终点，此方法大大减少了系统的运算量并提高了系统的工作效率和正确率。
优选地，所述特征提取单元23用于从有效信息段中提取能够代表零部件工作状态的声音特征参数，具体为：
1)采用下列公式获取待测零部件的有用信息段中的待测零部件工作时发出的声信号的功率谱其中，功率谱的计算公式是：
其中，为待测零部件的有用声音数据Y的傅里叶变换，为待测零部件的有用声音数据Y中残留噪声的傅里叶变换，μ1，μ2为辅助因子，其取值范围为[0,1]；
2)按照MFCC提取方法对进行处理，获得MFCC系数，即采用Mel滤波器先对进行滤波取对数，对对数功率谱进行DCT变换从而得到MFCC系数；
3)对MFCC系数求一阶差分系数，并将MFCC系数和MFCC的一阶差分系数作为待测零部件的声音特征参数。
本优选实施例中，通过计算功率谱，对待测零部件的有用声音数据中残留噪声进一步去噪，并利用MFCC提取方法获得标准待测零部件的特征参数，该算法能够提高待测零部件工作时声音的纯度和有效性，其中，μ1，μ2作为μ1，μ2为辅助因子，它的取值取决于当前环境的噪声特征，可以对当前环境中的噪声进行动态描述，进一步提高了该检测系统的工作准确度。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的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实质和范围。
Claims (5)
1.一种基于对轨道交通零部件检测系统，其特征在于，该检测系统包括采集模块、处理模块、对比模块和预警模块；
所述采集模块用于采集轨道交通工具在行驶过程中零部件发出的声信号；
所述处理模块用于对待测零部件发出的声信号进行处理和分析，得到待测零部件的声音特征参数；
所述对比模块设有数据库，所述数据库用于存储已训练好的无故障零部件的标准声音特征参数，所述对比模块用于将待测零部件的声音特征参数与数据库中的待测零部件的标准声音特征参数进行比对，若发现待测零部件工作异常，则将工作异常这个诊断结果通过无线网络传输到预警模块；
所述预警模块用于发布预警信息，提醒维修人员对异常零部件进行维修或更换。
2.根据权利要求1所述的检测系统，其特征在于，所述采集模块是由一个或者多个声学传感器构成。
3.根据权利要求2所述的检测系统，其特征在于，所述声学传感器安装在轨道交通工具上。
4.根据权利要求3述的检测系统，其特征在于，所述处理模块包括预处理单元、声音段提取单元和特征提取单元；所述预处理单元用于对待测零部件发出的声信号进行降噪、预加重、分帧和加窗，得到加窗后待测零部件的声音数据；所述声音段提取单元用于从加窗后待测零部件的声音数据中提取有效信息段；所述特征提取单元用于从有效信息段中提取待测零部件的声音特征参数。
5.根据权利要求4所述的检测系统，其特征在于，从加窗后待测零部件的声音数据中提取有效信息段，具体包括：
1)对加窗后待测零部件的声音数据中有效信息段的起点进行标记，设当前检测帧的初始状态值S为零，如果满足Am＞Alow或Bm＞Blow，则标记当前检测帧为有效信息段Y的起点，进入过渡段；进入过渡段后，如果Alow或者Blow被超越且持续被超越的时间长度大于自定义的最小语音长度，则对有用声音数据Y进行标记，并设置状态值为1；令m＝m+1，对下一帧进行操作，并计算第m帧的Am和Bm；其中，S为检测的当前状态，数值不同，对应不同的检测状态；Am是第m帧的平均振幅值，Alow为Am的自定义的最低门限值，Bm为第m帧的帧间平均过零率，Blow为Bm的自定义的最低门限值，Am和Bm可利用帧的平均振幅公式和帧间平均过零率公式计算得到，其中，帧的平均振幅公式为：
<mrow>
<msub>
<mi>A</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>L</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mi>L</mi>
<mo>-</mo>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mi>L</mi>
</mrow>
</munderover>
<mo>|</mo>
<msub>
<mi>s</mi>
<mi>m</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>-</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
其中，L为帧的长度，sm(p)为加窗前第m帧中第p个频谱处的声音信号的幅度值，N为窗口的宽度，w(·)为汉明窗口函数，m为正在检测的第m帧声音信号，p为第m帧声音信号中第p个频谱；
帧间平均过零率计算公式为：
<mrow>
<msub>
<mi>B</mi>
<mi>m</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mi>L</mi>
<mo>-</mo>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<mo>|</mo>
<mi>sgn</mi>
<mo>&lsqb;</mo>
<msub>
<mi>s</mi>
<mi>m</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>-</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<mi>sgn</mi>
<mo>&lsqb;</mo>
<msub>
<mi>s</mi>
<mi>m</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>-</mo>
<mi>p</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>|</mo>
</mrow>
其中，sgn[·]是符号函数，它的表达式为：
<mrow>
<mi>sgn</mi>
<mo>&lsqb;</mo>
<mi>x</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>></mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo><</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
2)在状态值S为1时，如果Am＜Alow或Bm＜Blow，则令S＝0，执行步骤1，否则，如果Am＞AHigh或Bm＞BHigh，则标记为声音段，并将状态值S设为2，且令m＝m+1，计算下一帧的Am和Bm的值；其中AHigh为Am的自定义的最高门限值，BHigh为Bm的自定义的最高门限值；
3)在状态值S为2时，如果Am＜Alow或Bm＜Blow，且满足声音的回落时间持续超多自定义的最大静音长度，则可以标记声音结束，并将状态值设为3；否则跳转至步骤2，执行步骤2；当状态值为3时，对应处理的帧即为该待测零部件的有效信息段Y的终点，起点和终端之间的声信号段即为有效信息段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710987067.2A CN107782548B (zh) | 2017-10-20 | 2017-10-20 | 一种基于对轨道交通工具零部件检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710987067.2A CN107782548B (zh) | 2017-10-20 | 2017-10-20 | 一种基于对轨道交通工具零部件检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107782548A true CN107782548A (zh) | 2018-03-09 |
| CN107782548B CN107782548B (zh) | 2020-07-07 |
Family
ID=61435101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710987067.2A Active CN107782548B (zh) | 2017-10-20 | 2017-10-20 | 一种基于对轨道交通工具零部件检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107782548B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109060371A (zh) * | 2018-07-04 | 2018-12-21 | 深圳万发创新进出口贸易有限公司 | 一种汽车零部件异响检测装置 |
| CN109211556A (zh) * | 2018-10-19 | 2019-01-15 | 广州益牛科技有限公司 | 一种轨道交通工具零部件检测系统 |
| CN110299151A (zh) * | 2019-05-20 | 2019-10-01 | 菜鸟智能物流控股有限公司 | 一种检测方法、检测模型生成方法和装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3335166B2 (ja) * | 1998-11-12 | 2002-10-15 | エステーエヌ アトラス エレクトロニク ゲゼルシャフト ミット ベシュレンクテル ハフツング | 軌条交通における障害検出方法 |
| CN101290766A (zh) * | 2007-04-20 | 2008-10-22 | 西北民族大学 | 安多藏语语音音节切分的方法 |
| CN101419796A (zh) * | 2008-12-02 | 2009-04-29 | 无敌科技(西安)有限公司 | 自动分割单字语音信号的装置与方法 |
| CN101930735A (zh) * | 2009-06-23 | 2010-12-29 | 富士通株式会社 | 语音情感识别设备和进行语音情感识别的方法 |
| CN202853911U (zh) * | 2012-10-30 | 2013-04-03 | 上海电机学院 | 一种地铁故障检测装置 |
| CN104700843A (zh) * | 2015-02-05 | 2015-06-10 | 海信集团有限公司 | 一种年龄识别的方法及装置 |
| CN106198062A (zh) * | 2016-07-27 | 2016-12-07 | 哈尔滨市科佳通用机电有限公司 | 轨道交通工具故障车载声学检测系统及检测方法 |
| CN106782565A (zh) * | 2016-11-29 | 2017-05-31 | 重庆重智机器人研究院有限公司 | 一种声纹特征识别方法及系统 |
-
2017
- 2017-10-20 CN CN201710987067.2A patent/CN107782548B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3335166B2 (ja) * | 1998-11-12 | 2002-10-15 | エステーエヌ アトラス エレクトロニク ゲゼルシャフト ミット ベシュレンクテル ハフツング | 軌条交通における障害検出方法 |
| CN101290766A (zh) * | 2007-04-20 | 2008-10-22 | 西北民族大学 | 安多藏语语音音节切分的方法 |
| CN101419796A (zh) * | 2008-12-02 | 2009-04-29 | 无敌科技(西安)有限公司 | 自动分割单字语音信号的装置与方法 |
| CN101930735A (zh) * | 2009-06-23 | 2010-12-29 | 富士通株式会社 | 语音情感识别设备和进行语音情感识别的方法 |
| CN202853911U (zh) * | 2012-10-30 | 2013-04-03 | 上海电机学院 | 一种地铁故障检测装置 |
| CN104700843A (zh) * | 2015-02-05 | 2015-06-10 | 海信集团有限公司 | 一种年龄识别的方法及装置 |
| CN106198062A (zh) * | 2016-07-27 | 2016-12-07 | 哈尔滨市科佳通用机电有限公司 | 轨道交通工具故障车载声学检测系统及检测方法 |
| CN106782565A (zh) * | 2016-11-29 | 2017-05-31 | 重庆重智机器人研究院有限公司 | 一种声纹特征识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 沙俊名 等: "改进的小波阈值算法在红外图像去噪中的应用", 《弹箭与制导学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109060371A (zh) * | 2018-07-04 | 2018-12-21 | 深圳万发创新进出口贸易有限公司 | 一种汽车零部件异响检测装置 |
| CN109211556A (zh) * | 2018-10-19 | 2019-01-15 | 广州益牛科技有限公司 | 一种轨道交通工具零部件检测系统 |
| CN109211556B (zh) * | 2018-10-19 | 2020-11-24 | 深圳市正威智能有限公司 | 一种轨道交通工具零部件检测系统 |
| CN110299151A (zh) * | 2019-05-20 | 2019-10-01 | 菜鸟智能物流控股有限公司 | 一种检测方法、检测模型生成方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107782548B (zh) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019201177A1 (zh) | 列车部件裂纹损伤监测方法和系统 | |
| Molodova et al. | Automatic detection of squats in railway infrastructure | |
| CN108845028B (zh) | 一种高速铁路钢轨波磨动态检测方法和装置 | |
| CN103914617B (zh) | 地铁车辆转向架轴承的故障诊断方法 | |
| CN104833534A (zh) | 一种基于多源信息融合的列车走行系故障诊断装置及方法 | |
| CN106441893B (zh) | 火车滚动轴承故障与杂质振动区分方法 | |
| CN106198062A (zh) | 轨道交通工具故障车载声学检测系统及检测方法 | |
| CN111114519B (zh) | 一种铁路车辆制动故障预测方法及健康管理系统 | |
| CN113705412B (zh) | 基于深度学习的多源数据融合的轨道状态检测方法及装置 | |
| CN107782548A (zh) | 一种基于对轨道交通工具零部件检测系统 | |
| CN108195396B (zh) | 一种新能源汽车车辆数据的有效性的检测方法及系统 | |
| CN113077005B (zh) | 一种基于lstm自编码器和正常信号数据的异常检测系统及方法 | |
| CN107121285B (zh) | 一种滚动轴承振动信号故障特征提取方法 | |
| CN111591319B (zh) | 一种用于高速铁路的轨道状况动态监测方法 | |
| Lin-Hai et al. | Fault diagnosis for track circuit using AOK-TFRs and AGA | |
| CN113562562A (zh) | 一种电梯安全预警监测系统及其判断方法 | |
| CN113343928A (zh) | 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备 | |
| CN113988326A (zh) | 一种地铁设备维修优化方法及系统 | |
| CN110533115B (zh) | 基于变分模态分解的轨道电路传输特性定量评价方法 | |
| CN116297841A (zh) | 一种基于光纤分布式振动检测的铁路轨道病害识别方法 | |
| CN113281414B (zh) | 钢轨短波病害类型的识别方法及装置、以及电子设备 | |
| CN111855793A (zh) | 一种基于表面磁记忆信号的无缝铁轨内部温度应力早期诊断方法 | |
| Chang et al. | An efficient method for wheel-flattened defects detection based on acoustic emission technique | |
| CN113032907A (zh) | 基于波形相关关系的晃车病害数据偏差纠正方法及系统 | |
| Liu et al. | Doppler distortion correction based on microphone array and matching pursuit algorithm for a wayside train bearing monitoring system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200529 Address after: 1503, block a, navigation Plaza, intersection of hanghai road and Lianyun Road, Erqi District, Zhengzhou City, Henan Province Applicant after: Asia space train (Henan) Rail Transit Co.,Ltd. Address before: No. 155 Jiandong Road, Babu District, Hezhou City, Guangxi Zhuang Autonomous Region, 542800 Applicant before: Wei Caixia |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |