CN108595374B - 高速铁路轨道几何微小变化识别方法及装置 - Google Patents
高速铁路轨道几何微小变化识别方法及装置 Download PDFInfo
- Publication number
- CN108595374B CN108595374B CN201810250555.XA CN201810250555A CN108595374B CN 108595374 B CN108595374 B CN 108595374B CN 201810250555 A CN201810250555 A CN 201810250555A CN 108595374 B CN108595374 B CN 108595374B
- Authority
- CN
- China
- Prior art keywords
- track
- state detection
- data
- ref
- mileage
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 245
- 238000012937 correction Methods 0.000 claims abstract description 131
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 19
- 101000930348 Homo sapiens Protein dispatched homolog 2 Proteins 0.000 claims description 12
- 102100035637 Protein dispatched homolog 2 Human genes 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 5
- 101000930354 Homo sapiens Protein dispatched homolog 1 Proteins 0.000 claims description 4
- 102100035622 Protein dispatched homolog 1 Human genes 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012369 In process control Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
- G01B21/04—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness by measuring coordinates of points
- G01B21/045—Correction of measurements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Machines For Laying And Maintaining Railways (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供一种高速铁路轨道几何微小变化识别方法及装置，包括：获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据；根据台账超高信息对第一次轨道几何状态检测数据中的里程和第二次轨道几何状态检测数据中的里程进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据；确定第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值；根据所述第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值，判断轨道状态是否发生变化。由于该方案在进行微小变化识别之前，对轨道几何状态检测数据中的里程进行了精调和异常数据处理，不会导致误判，提高了检测精度。
Description
技术领域
本发明涉及高速铁路工务工程技术领域，特别涉及一种高速铁路轨道几何微小变化识别方法及装置。
背景技术
高速铁路对轨道提出了高平顺的要求，即使是幅值较小的不平顺，对高速车辆运行舒适性、平稳性、安全性，以及环境噪声也会产生较大的影响。高速铁路一般采用无砟轨道，具有高平顺、高稳定、少维修的优点。但是当轨道发生如图1所示的轨道板离缝、沉降等病害时，前后两次轨道几何不平顺将呈现变化的特征，而且会呈缓慢增长的趋势，如图2所示。通过轨道几何状态检测数据微小变化识别可以及时发现轨道病害，为轨道调整提供理论依据，从而确保高速列车安全可靠运行。
轨道几何检测系统采用激光扫描和图像处理等技术，按照惯性基准原理，对位移、加速度和角速度信号进行滤波、补偿和合成得到轨距、高低、轨向、水平等几何不平顺参数，检测精度可以达到几十分之一毫米。但是，轨道几何状态检测数据中存在1个普遍问题，即检测里程值与真实里程值有一定差异，既使采用了GPS卫星定位系统及地面辅助定位系统，这种差异也无法完全消除，在某些情况下偏差值甚至会达200m以上，如图3所示。若直接采用带里程偏差的两次轨道几何状态检测数据计算峰值与峰值之差，并依此进行轨道状态变化诊断，会导致大量误判。
发明内容
本发明实施例提供了一种高速铁路轨道几何微小变化识别方法，在进行微小变化识别之前，对轨道几何状态检测数据中的里程进行了精调，不会导致误判，提高了检测精度。
该高速铁路轨道几何微小变化识别方法包括：
获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据；
根据台账超高信息对第一次轨道几何状态检测数据中的里程和第二次轨道几何状态检测数据中的里程进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据；
确定第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值；
根据所述第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值，判断轨道状态是否发生变化。
本发明实施例还提供了一种高速铁路轨道几何微小变化识别装置，在进行微小变化识别之前，对轨道几何状态检测数据中的里程进行了精调，不会导致误判，提高了检测精度。
该高速铁路轨道几何微小变化识别装置包括：
数据获取模块，用于获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据；
里程修正模块，用于根据台账超高信息对第一次轨道几何状态检测数据中的里程和第二次轨道几何状态检测数据中的里程进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据；
极值确定模块，用于确定第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值；
状态变化判断模块，用于根据所述第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值，判断轨道状态是否发生变化。
在本发明实施例中，在获取了轨道几何状态检测数据后，使用台账超高信息对轨道几何状态检测数据中的里程进行修正，获得轨道几何状态检测修正数据，然后根据两次轨道几何状态检测修正数据的极值来判断轨道状态是否发生变化。与现有技术相比较，本发明不会直接使用获取的轨道几何状态检测数据来判断轨道状态是否发生变化，而是对获取的轨道几何状态检测数据进行了里程修正，这样使得检测里程值与真实里程值没有差异，不会导致误判，提高了检测精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例提供的一种轨道板离缝图；
图2是本发明实施例提供的一种两次轨道几何不平顺变化图；
图3是本发明实施例提供的一种实测超高和台账超高比较图；
图4是本发明实施例提供的一种高速铁路轨道几何微小变化识别方法流程图；
图5是本发明实施例提供的一种各种外界激扰造成的局部毛刺图；
图6是本发明实施例提供的一种预处理之前两次轨道几何检测数据局部对比图；
图7是本发明实施例提供的一种预处理之前两次轨道几何检测数据局部对比图；
图8是本发明实施例提供的一种校正前后台账超高曲线和实测超高曲线图；
图9是本发明实施例提供的一种校正后的里程及校正前后里程差图；
图10是本发明实施例提供的一种高速铁路轨道几何微小变化识别装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本发明实施例中，提供了一种高速铁路轨道几何微小变化识别方法，如图4所示，该方法包括：
步骤401：获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据；
步骤402：根据台账超高信息对第一次轨道几何状态检测数据中的里程和第二次轨道几何状态检测数据中的里程进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据；
步骤403：确定第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值；
步骤404：根据所述第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值，判断轨道状态是否发生变化。
图4中仅给出了如何利用两次的轨道几何检测数据识别轨道状态的变化的流程，对于多次数据，选定一次为基准，其它各次分别与它进行两两比较分析。
具体实施时，由图4所示的流程可知，在本发明实施例中，步骤402具体按照如下方式实现：
步骤4021：根据台账超高信息生成台账超高曲线；
步骤4022：利用台账超高曲线确定参考曲线段；
步骤4023：根据参考曲线段头尾的里程和第一次轨道几何状态检测数据中的里程，确定第一次实测曲线段；
步骤4024：根据参考曲线段头尾的里程和第二次轨道几何状态检测数据中的里程，确定第二次实测曲线段；
步骤4025：确定第一次实测曲线段和所述参考曲线段的第一最佳匹配位置，第二次实测曲线段和所述参考曲线段的第二最佳匹配位置；
步骤4026：通过插值运算，根据第一最佳匹配位置对所述第一次轨道几何状态检测数据中的里程进行校正，根据第二最佳匹配位置对所述第二次轨道几何状态检测数据中的里程进行校正。
具体的，在执行步骤4021之前，首先进行(1)实测里程分段：根据实测里程信号disp_mes前后两步里程差进行分段，当差值大于阈值(建议值取100m)时，将它们划分成不同的片段。(2)实测信号滤波：对实测的超高信号curve_mes_0进行滤波，保留趋势项(在振动测试中采集到的振动信号数据，由于放大器随温度变化产生的零点漂移、传感器频率范围外低频性能的不稳定以及传感器周围的环境干扰等，往往会偏离基线，甚至偏离基线的大小还会随时间变化，偏离基线随时间变化的整个过程被称为信号的趋势项)，记为curve_mes。然后执行步骤4021：根据台账超高信息，构造台账超高曲线curve_ref，间隔步长取为0.25m。
步骤4022至步骤4026属于相关性分析阶段，在每个片段内，利用分段相关性分析方法，对里程进行修正，具体过程分四步，如下：
(a)(即步骤4022)对采样点进行循环jj＝1,2,…len_ref，其中len_ref表示采样点的个数。利用台账超高曲线信息寻找参考曲线段，它可能由单条曲线组成，也可能由多条相邻很近的曲线组成。若记参考曲线段的头尾点为jj0_0和jj1_0，对头尾延拓一定窗长后的曲线头尾记为jj0和jj1，则参考曲线段定义为其头尾的台账超高值大于阈值thresh_elv，延拓窗内台账超高值等于0，即
(b)(即步骤4023和步骤4024)结合参考曲线段头尾的里程和实测里程信号计算确定实测曲线段。若记实测曲线段的头尾点为ii0_0和ii1_0，对其头尾延拓一定窗长后的实测曲线头尾记为ii0和ii1，要求实测曲线段满足如下条件，否则需要对其进行延拓或压缩处理：
(c)(即步骤4025)利用五点迭代方法寻找实测曲线段curve_mes(ii0:ii1)与参考曲线段curve_ref(jj0:jj1)的最佳匹配位置，并对实测曲线段的里程进行精调，具体操作分四步，如下：
(c1)选初始区段为[kk0,kk1]＝[jj0,jj1-(ii1-ii0)]；
(c2)在[kk0,kk1]上均匀选取5个点kk(j),j＝1,2,…5，计算相关系数rela(kk(j)),j＝1,2,…5；
(c3)寻找rela(kk(j)),j＝1,2,…5的最大位置点，记为kk(j0)；
(c4)更新区段[kk0,kk1]＝[kk(j0-1),kk(j0+1)]，重复(c2)和(c3)的操作直到[kk0,kk1]的长度不大于5。
(d)(即步骤4026)通过插值，实现对全线的里程校正，对于分布在曲线中间的点，则利用曲线段头尾的里程进行插值；对于两端的点，则按0.25的间隔进行延拓。
具体实施时，在获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据之后，还包括：
将长短链(当路线桩号长于地面实际里程时叫短链，反之则叫长链。故断链有“长链”和“短链”之分。其桩号写法如下：长链k3+110＝k+105.21长链4.79m，短链k3+157＝k3+207短链50m)嵌入到第一次轨道几何状态检测修正数据的里程和第二次轨道几何状态检测修正数据的里程中，通过修改长短链邻域内采样点的步长间隔，再次对第一次轨道几何状态检测修正数据的里程和第二次轨道几何状态检测修正数据的里程进行修正。
具体实施时，由于外界阳光反射干扰、传感器和数据传输误差等原因，铁路轨道几何不平顺检测数据中存在冲击异常值，如图5所示。冲击异常值的产生是随机的，第一次轨道几何检测数据中有冲击异常值，第二次可能没有。因此，在计算两次轨道几何数据幅值的差时，冲击异常值可能产生假的大值，容易对轨道状态的变化形成错误判断。如何滤除信号中的冲击异常值这一问题，在过程控制、声音信号处理、图像处理中也经常碰到。近二十年来，不少学者对其进行了比较深入的研究，并提出了大量的处理方法，如线性滤波法、中值滤波法、模糊滤波法、自适应滤波法等。Itagaki提出了一种处理图像冲击异常值的自适应滤波方法，通过多步迭代来提高信号的信噪比；Claudio在进行信号谱密度估计时，提出利用线性优化方法来自适应降低冲击异常值的影响。由于铁路轨道几何数据冲击异常值的特殊性，已有的方法还不能被直接利用。线性滤波法是一种全局滤波器，对信号所有的样本点进行处理，这样会破坏未被污染的样本的性质，降低信号的质量。自适应滤波法虽然能有效降低冲击异常值的影响，但其算法过于复杂和计算量过大，很难满足轨道几何数据冲击异常值的实时处理的需要。
由冲击异常值可知，基于冲击异常值分布在信号的相对高频部分这一突变特性性质，本发明提出铁路轨道几何数据冲击异常值的小波-有序中值滤波方法。该方法分两步完成，首先将信号分解成高频部分和低频部分，然后根据信号样本与其相邻样本的相似性，自动识别冲击异常值的位置并处理。
小波-有序中值滤波的实现过程可描述如下：
(1)利用多分辨率分析将轨道几何不平顺信号S分解高频部分Sh和低频部分Sl
S＝Sh+Sl (2-4)
(2)利用有序中值方法(ROM)自动识别高频部分Sh中的冲击异常值并处理
Sh＝Sh0+Shi (2-5)
上式中Sh0是滤除冲击异常值后的高频信号，Shi是高频冲击信号。
(3)将滤除冲击异常值后的高频信号和低频信号叠加得滤波信号S0
S0＝Sh0+Sl (2-6)
(2)中按照如下方式对冲击异常值进行处理：
根据冲击异常值Sh(n)与其相邻样本的相似性来自动识别冲击异常值的位置，并用相邻样本的有序中值代替冲击异常值Sh(n)。
定义长度为Lw的滑动窗W一般Lw取奇数，Lw＝7时的滑动窗如表1所示。
表1
| S<sub>h</sub>(n-3) | S<sub>h</sub>(n-2) | S<sub>h</sub>(n-1) | S<sub>h</sub>(n) | S<sub>h</sub>(n+1) | S<sub>h</sub>(n+2) | S<sub>h</sub>(n+3) |
在n时刻，对Sh(n)进行加窗，并取窗内除了Sh(n)外其它元素作为观察样本，
w(n)＝[w1(n),w2(n),w3(n),w4(n),w5(n),w6(n)]
＝[Sh(n-3),Sh(n-2),Sh(n-1),Sh(n+1),Sh(n+2),Sh(n+3),] (2-7)
按照上升的方式对w(n)进行排序，可得
r(n)＝[r1(n),r2(n),r3(n),r4(n),r5(n),r6(n)] (2-8)
定义差分识别器
上式中μ(n)＝(r3(n)+r4(n))/2是有序中值。
如果d(n)大于某一预先设定的阈值T，则判定Sh(n)是冲击异常值，并令Sh(n)＝μ(n)。由工程经验可知，轨道不平顺相邻两点变化率一般不会大于3‰，轨道几何信号的采样长度为0.25，由此设定阈值T＝0.75mm。
为了提高算法的效率，上述算法采用递推的方式，表1中窗内左边的3个值Sh(n-j),j＝1,2,3是更新之后的。
对冲击异常值的滤波这一步骤可以放在对轨道几何状态检测数据中的里程进行修正之前，也可以放在对轨道几何状态检测数据中的里程进行修正之后。
具体实施时，在获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据(步骤401)之后，还包括：
以所述第一次轨道几何状态检测数据中的第一次轨道不平顺参数和第一次里程数据为基准，从所述第二次轨道几何状态检测数据中查找与所述第一次轨道不平顺参数和第一次里程数据相对应的第二次轨道不平顺参数和第二次里程数据；
根据台账超高信息对第一次轨道几何状态检测数据中的里程和第二次轨道几何状态检测数据中的里程进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据(步骤402)，包括：
根据台账超高信息对第一次里程数据和第二次里程数据进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据。
具体的，记第一次轨道几何检测数据(即第一次轨道几何状态检测数据中的第一次轨道不平顺参数)及其里程为{PROF1(i),i＝1,2,…N1}，{DISP1(i),i＝1,2,…N1}，第2次轨道几何检测数据(即第二次轨道几何状态检测数据中的第二次轨道不平顺参数)及其里程为{PROF2(i),i＝1,2,…N2}，{DISP2(i),i＝1,2,…N2}，以第一次检测数据为基准，第二次轨道几何检测数据中与之相对应的检测数据及其里程为{PROF_ref(i),i＝1,2,…N1}，{DISP_ref(i),i＝1,2,…N1}。{PROF1(i),i＝1,2,…N1}与{PROF_ref(i),i＝1,2,…N1}的极值邻域内峰值与峰值之差的详细计算方法描述如下：
(1)利用迭代扩展窗方法计算得到{PROF_ref(i),i＝1,2,…N1}，{DISP_ref(i),i＝1,2,…N1}，具体过程分为三步，如下：
(11)对第一次轨道几何检测数据进行分段，对小区间[i0,i1]进行循环；
(12)计算PROF1(i0:i1)与PROF2(i0:i1)的相关系数并记为COEF1，如果COEF1大于阈值，则更新PROF_ref(i0:i1)＝PROF2(i0:i1)，DISP_ref(i0:i1)＝DISP2(i0:i1)迭代结束；
(13)扩大第二次检测数据的小区间的范围，记为[j0,j1]＝[i0-len_win,i1+len_win]，以PROF1(i0:i1)为窗，对PROF2(j0:j1)进行扫描，找到相关系数最大的最佳匹配位置，记为[k0,k1]；记最大相关系数为COEFm，如果COEFm大于阈值，则更新PROF_ref(i0:i1)＝PROF2(k0:k1)，DISP_ref(i0:i1)＝DISP2(k0:k1)否则，继续扩大第二次检测数据的小区间的范围，并进行相关性匹配。
(2)(即步骤403)分别计算{PROF1(i),i＝1,2,…N1}和{PROF_ref(i),i＝1,2,…N1}的极值；
步骤404按照以下步骤执行：
以所述第一次轨道几何状态检测修正数据{PROF1(i),i＝1,2,…N1}为基准：
(3)对{PROF1(i),i＝1,2,…N1}的极大值点{Emax,j,j＝1,2,…Nmax}进行循环，以与Emax,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域
计算峰值与峰值之差diffmax,j＝PROF1(Emax,j)-max(PROF_ref(Omax,j0:Omax,j1))；如果diffmax,j大于阈值，则诊断轨道状态在该极大值点处发生了变化；
(4)对{PROF1(i),i＝1,2,…N1}的极小值点{Emin,j,j＝1,2,…Nmin}进行循环，以与Emin,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域
计算峰值与峰值之差diffmin,j＝PROF1(Emin,j)-max(PROF_ref(Omin,j0:Omin,j1))；如果diffmin,j大于阈值，则判断轨道状态在该极小值点处发生了变化；
以所述第二次轨道几何状态检测修正数据{PROF_ref(i),i＝1,2,…N1}为基准：
(5)对{PROF_ref(i),i＝1,2,…N1}的极大值点{Eref,max,i,i＝1,2,…Mmax}进行循环，以与Eref,max,i最近的左右零点构造所述第一次轨道几何状态检测修正数据的邻域[Oref,max,i0,Oref,max,i1]，计算峰值与峰值之差diffref,max,i＝PROF_ref(Eref,max,i)-max(PROF1(Oref,max,i0:Oref,max,i1))；如果diffref,max,i大于阈值，则诊断轨道状态在该极大值点处发生了变化；
(6)对{PROF_ref(i),i＝1,2,…N1}的极小值点{Eref,min,i,i＝1,2,…Mmin}进行循环，以与Eref,min,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域[Oref,min,i0,Oref,min,i1]，计算峰值与峰值之差diffref,min,i＝PROF_ref(Eref,min,i)-max(PROF1(Oref,min,i0:Oref,min,i1))；如果diffref,min,i大于阈值，则判断轨道状态在该极小值点处发生了变化；
其中，Nmax表示所述第一次轨道几何状态检测修正数据的极大值点的个数，Nmin表示所述第一次轨道几何状态检测修正数据的极小值点的个数；Mmax表示所述第二次轨道几何状态检测修正数据的极大值点的个数；Mmin表示所述第二次轨道几何状态检测修正数据的极小值点的个数。
举例说明。
对高速综合检测列车实测的两次轨道几何检测数据进行分析，自动诊断轨道几何变化量大于阈值的区段。在对数据进行里程精调和冲击异常值滤波之前，两次轨道几何检测数据局部对比如图6所示，图中实线表示第一次检测数据，虚线表示第二次检测数据。由图6可以看出，若不进行预处理，就直接计算两次轨道几何检测数据的差，图中4个局部区段K316+800～K316+900、K348+150～K348+250、K387+150～K387+250、K398+300～K398+400的峰值与峰值之差都会大于阈值2mm，继而诊断这些区段轨道几何状态均发生了变化。对两次轨道几何检测数据进行预处理之后，然后以第一次检测数据为基准，从第二次检测数据中计算得到里程对应的轨道几何检测数据，结果如图7所示。通过里程精调，可以有效避免如图7(b)所示在K348+150～K348+250发生轨道几何状态变化的误判；通过冲击异常值滤波，可以有效避免如图7(a)所示在K316+800～K316+900区段、图7(c)所示在区段K387+150～K387+250发生的轨道几何状态变化的误判。通过计算两次轨道几何检测数据的极值邻域内峰值与峰值之差，并与阈值进行比较，自动诊断得到如图7(d)所示区段K398+300～K398+400的轨道几何状态发生了变化。
结合台账超高数据和实测的超高曲线对某线的里程进行校正，校正前后的K1056～K1072区间台账超高曲线和实测超高曲线如图8所示，图中实线表示台账超高曲线，虚线表示滤波后的实测超高曲线。可以看出，校正前曲线头尾里程相差将近600m，校正后实测和台账曲线头尾完全重合。
区间K913～K1071校正后的里程及其校正前后里程差如图9所示。可以看出校正前后里程相差最大可能接近1km。通过里程校正，能保证两次或多次轨道几何检测数据的里程与台账里程基本一致，有利于快速准确计算两次轨道几何的差。
基于同一发明构思，本发明实施例中还提供了一种高速铁路轨道几何微小变化识别装置，如下面的实施例所述。由于高速铁路轨道几何微小变化识别装置解决问题的原理与高速铁路轨道几何微小变化识别方法相似，因此高速铁路轨道几何微小变化识别装置的实施可以参见高速铁路轨道几何微小变化识别方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图10是本发明实施例的高速铁路轨道几何微小变化识别装置的一种结构框图，如图10所示，包括：
数据获取模块1001，用于获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据；
里程修正模块1002，用于根据台账超高信息对第一次轨道几何状态检测数据中的里程和第二次轨道几何状态检测数据中的里程进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据；
极值确定模块1003，用于确定第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值；
状态变化判断模块1004，用于根据所述第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值，判断轨道状态是否发生变化。
下面对该结构进行说明。
具体实施时，所述数据获取模块1001还用于：以所述第一次轨道几何状态检测数据中的第一次轨道不平顺参数和第一次里程数据为基准，从所述第二次轨道几何状态检测数据中查找与所述第一次轨道不平顺参数和第一次里程数据相对应的第二次轨道不平顺参数和第二次里程数据；
所述里程修正模块1002具体用于：
根据台账超高信息对第一次里程数据和第二次里程数据进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据。
具体实施时，所述数据获取模块1001具体用于：
采用迭代扩展窗方法，按照如下方式得到第二次轨道不平顺参数和第二次里程数据：
设定所述第一次轨道不平顺参数和所述第一次里程数据为{PROF1(i),i＝1,2,…N1}，{DISP1(i),i＝1,2,…N1}，所述第二次轨道几何状态检测数据及里程为{PROF2(i),i＝1,2,…N2}，{DISP2(i),i＝1,2,…N2}，第二次轨道不平顺参数和第二次里程数据为{PROF_ref(i),i＝1,2,…N1}，{DISP_ref(i),i＝1,2,…N1}；
对所述第一次轨道几何状态检测数据进行分段，对小区间[i0,i1]进行循环；
确定PROF1(i0:i1)与PROF2(i0:i1)的相关系数COEF1，如果COEF1大于第一阈值，则更新PROF_ref(i0:i1)＝PROF2(i0:i1)，DISP_ref(i0:i1)＝DISP2(i0:i1)迭代结束；
扩大所述第二次轨道几何状态检测数据的小区间的范围，记为[j0,j1]＝[i0-len_win,i1+len_win]，以PROF1(i0:i1)为窗，对PROF2(j0:j1)进行扫描，找到相关系数最大的最佳匹配位置，记为[k0,k1]；记最大相关系数为COEFm，如果COEFm大于第一阈值，则更新PROF_ref(i0:i1)＝PROF2(k0:k1)，DISP_ref(i0:i1)＝DISP2(k0:k1)，否则，继续扩大所述第二次轨道几何状态检测数据的小区间的范围，并进行相关性匹配。
具体实施时，所述里程修正模块1002具体用于：
根据台账超高信息生成台账超高曲线；
利用台账超高曲线确定参考曲线段；
根据参考曲线段头尾的里程和第一次轨道几何状态检测数据中的里程，确定第一次实测曲线段；
根据参考曲线段头尾的里程和第二次轨道几何状态检测数据中的里程，确定第二次实测曲线段；
确定第一次实测曲线段和所述参考曲线段的第一最佳匹配位置，第二次实测曲线段和和所述参考曲线段的第二最佳匹配位置；
通过插值运算，根据第一最佳匹配位置对所述第一次轨道几何状态检测数据中的里程进行校正，根据第二最佳匹配位置对所述第二次轨道几何状态检测数据中的里程进行校正。
具体实施时，所述参考曲线段满足公式(2-1)，所述实测曲线段满足公式(2-2)：
具体实施时，按照如下方式确定实测曲线段和所述参考曲线段的最佳匹配位置：
从实测曲线段中选取初始区段为[kk0,kk1]＝[jj0,jj1-(ii1-ii0)]；
在[kk0,kk1]上均匀选取5个点kk(j),j＝1,2,…5，确定相关系数rela(kk(j)),j＝1,2,…5；
寻找rela(kk(j)),j＝1,2,…5的最大位置点，记为kk(j0)；
更新区段[kk0,kk1]＝[kk(j0-1),kk(j0+1)]，重复确定相关系数和寻找最大位置点的操作，直到[kk0,kk1]的长度不大于5；
其中，相关系数和最大位置点按照公式(2-3)确定。
具体实施时，所述里程修正模块1002还用于：在获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据之后，将长短链嵌入到第一次轨道几何状态检测修正数据的里程和第二次轨道几何状态检测修正数据的里程中，通过修改长短链邻域内采样点的步长间隔，再次对第一次轨道几何状态检测修正数据的里程和第二次轨道几何状态检测修正数据的里程进行修正。
具体实施时，还包括：冲击异常值滤波模块，用于当第一次轨道几何状态检测数据和/或第二次轨道几何状态检测数据中存在冲击异常值时，采用小波-有序中值滤波方法对第一次轨道几何状态检测数据和/或第二次轨道几何状态检测数据中存在的冲击异常值进行滤波。
具体实施时，所述状态变化判断模块1004具体用于：按照步骤404具体的执行方式(3)-(6)来判断轨道状态是否发生变化。
综上所述，在本发明实施例中，在获取了轨道几何状态检测数据后，使用台账超高信息对轨道几何状态检测数据中的里程进行修正，获得轨道几何状态检测修正数据，然后根据两次轨道几何状态检测修正数据的极值来判断轨道状态是否发生变化。与现有技术相比较，本发明不会直接使用获取的轨道几何状态检测数据来判断轨道状态是否发生变化，而是对获取的轨道几何状态检测数据进行了里程修正，这样使得检测里程值与真实里程值没有差异，不会导致误判，提高了检测精度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种高速铁路轨道几何微小变化识别方法，其特征在于，包括：
获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据；
根据台账超高信息生成台账超高曲线；
利用台账超高曲线确定参考曲线段；
根据参考曲线段头尾的里程和第一次轨道几何状态检测数据中的里程，确定第一次实测曲线段；
根据参考曲线段头尾的里程和第二次轨道几何状态检测数据中的里程，确定第二次实测曲线段；
确定第一次实测曲线段和所述参考曲线段的第一最佳匹配位置，第二次实测曲线段和和所述参考曲线段的第二最佳匹配位置；
通过插值运算，根据第一最佳匹配位置对所述第一次轨道几何状态检测数据中的里程进行校正，根据第二最佳匹配位置对所述第二次轨道几何状态检测数据中的里程进行校正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据；
确定第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值；
根据所述第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值，判断轨道状态是否发生变化；
所述参考曲线段满足如下条件：
定义参考曲线段的头尾点为jj0_0和jj1_0，对头尾延拓预设窗长后的曲线段头尾记为jj0和jj1，则参考曲线段定义为其头尾的台账超高值大于阈值thresh_elv，延拓窗内台账超高值等于0，
其中，curve_ref()表示台账超高曲线；
所述实测曲线段满足如下条件：
其中，实测曲线段的头尾点为ii0_0和ii1_0，对实测曲线段的头尾点延拓预设窗长后的实测曲线段的头尾点记为ii0和ii1；
按照如下方式确定实测曲线段和所述参考曲线段的最佳匹配位置：
从实测曲线段中选取初始区段为[kk0,kk1]＝[jj0,jj1-(ii1-ii0)]；
在[kk0,kk1]上均匀选取5个点kk(j),j＝1,2,…5，确定相关系数rela(kk(j)),j＝1,2,…5；
寻找rela(kk(j)),j＝1,2,…5的最大位置点，记为kk(j0)；
更新区段[kk0,kk1]＝[kk(j0-1),kk(j0+1)]，重复确定相关系数和寻找最大位置点的操作，直到[kk0,kk1]的长度不大于5；
其中，相关系数和最大位置点按照如下公式确定：
其中，curve_mes表示第一次轨道几何状态检测数据或第二次轨道几何状态检测数据中的超高信号。
2.如权利要求1所述的高速铁路轨道几何微小变化识别方法，其特征在于，在获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据之后，还包括：
以所述第一次轨道几何状态检测数据中的第一次轨道不平顺参数和第一次里程数据为基准，从所述第二次轨道几何状态检测数据中查找与所述第一次轨道不平顺参数和第一次里程数据相对应的第二次轨道不平顺参数和第二次里程数据；
根据台账超高信息对第一次轨道几何状态检测数据中的里程和第二次轨道几何状态检测数据中的里程进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据，包括：
根据台账超高信息对第一次里程数据和第二次里程数据进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据。
3.如权利要求2所述的高速铁路轨道几何微小变化识别方法，其特征在于，以所述第一次轨道几何状态检测数据中的第一次轨道不平顺参数和第一次里程数据为基准，从所述第二次轨道几何状态检测数据中查找与所述第一次轨道不平顺参数和第一次里程数据相对应的第二次轨道不平顺参数和第二次里程数据，包括：
采用迭代扩展窗方法，按照如下方式得到第二次轨道不平顺参数和第二次里程数据：
设定所述第一次轨道不平顺参数和所述第一次里程数据为{PROF1(i),i＝1,2,…N1}，{DISP1(i),i＝1,2,…N1}，所述第二次轨道不平顺参数及里程为{PROF2(i),i＝1,2,…N2}，{DISP2(i),i＝1,2,…N2}，与所述第一次轨道不平顺参数和第一次里程数据相对应的第二次轨道不平顺参数和第二次里程数据为{PROF_ref(i),i＝1,2,…N1}，{DISP_ref(i),i＝1,2,…N1}；
对所述第一次轨道几何状态检测数据进行分段，对小区间[i0,i1]进行循环；
确定PROF1(i0:i1)与PROF2(i0:i1)的相关系数COEF1，如果COEF1大于第一阈值，则更新PROF_ref(i0:i1)＝PROF2(i0:i1)，DISP_ref(i0:i1)＝DISP2(i0:i1)迭代结束；
扩大所述第二次轨道几何状态检测数据的小区间的范围，记为[j0,j1]＝[i0-len_win,i1+len_win]，以PROF1(i0:i1)为窗，对PROF2(j0:j1)进行扫描，找到相关系数最大的最佳匹配位置，记为[k0,k1]；记最大相关系数为COEFm，如果COEFm大于第一阈值，则更新PROF_ref(i0:i1)＝PROF2(k0:k1)，DISP_ref(i0:i1)＝DISP2(k0:k1)，否则，继续扩大所述第二次轨道几何状态检测数据的小区间的范围，并进行相关性匹配。
4.如权利要求1所述的高速铁路轨道几何微小变化识别方法，其特征在于，在获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据之后，还包括：
将长短链嵌入到第一次轨道几何状态检测修正数据的里程和第二次轨道几何状态检测修正数据的里程中，通过修改长短链邻域内采样点的步长间隔，再次对第一次轨道几何状态检测修正数据的里程和第二次轨道几何状态检测修正数据的里程进行修正。
5.如权利要求1所述的高速铁路轨道几何微小变化识别方法，其特征在于，还包括：
当第一次轨道几何状态检测数据和/或第二次轨道几何状态检测数据中存在冲击异常值时，采用小波-有序中值滤波方法对第一次轨道几何状态检测数据和/或第二次轨道几何状态检测数据中存在的冲击异常值进行滤波。
6.如权利要求3所述的高速铁路轨道几何微小变化识别方法，其特征在于，根据所述第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值，判断轨道状态是否发生变化，包括：
以所述第一次轨道几何状态检测修正数据{PROF1(i),i＝1,2,…N1}为基准：
对{PROF1(i),i＝1,2,…N1}的极大值点{Emax,j,j＝1,2,…Nmax}进行循环，以与Emax,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域
计算峰值与峰值之差diffmax,j＝PROF1(Emax,j)-max(PROF_ref(Omax,j0:Omax,j1))；如果diffmax,j大于阈值，则诊断轨道状态在该极大值点处发生了变化；
对{PROF1(i),i＝1,2,…N1}的极小值点{Emin,j,j＝1,2,…Nmin}进行循环，以与Emin,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域
计算峰值与峰值之差diffmin,j＝PROF1(Emin,j)-max(PROF_ref(Omin,j0:Omin,j1))；如果diffmin,j大于阈值，则判断轨道状态在该极小值点处发生了变化；
以所述第二次轨道几何状态检测修正数据{PROF_ref(i),i＝1,2,…N1}为基准：
对{PROF_ref(i),i＝1,2,…N1}的极大值点{Eref,max,i,i＝1,2,…Mmax}进行循环，以与Eref,max,i最近的左右零点构造所述第一次轨道几何状态检测修正数据的邻域[Oref,max,i0,Oref,max,i1]，计算峰值与峰值之差diffref,max,i＝PROF_ref(Eref,max,i)-max(PROF1(Oref,max,i0:Oref,max,i1))；如果diffref,max,i大于阈值，则诊断轨道状态在该极大值点处发生了变化；
对{PROF_ref(i),i＝1,2,…N1}的极小值点{Eref,min,i,i＝1,2,…Mmin}进行循环，以与Eref,min,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域[Oref,min,i0,Oref,min,i1]，计算峰值与峰值之差diffref,min,i＝PROF_ref(Eref,min,i)-max(PROF1(Oref,min,i0:Oref,min,i1))；如果diffref,min,i大于阈值，则判断轨道状态在该极小值点处发生了变化；
其中，Nmax表示所述第一次轨道几何状态检测修正数据的极大值点的个数，Nmin表示所述第一次轨道几何状态检测修正数据的极小值点的个数；Mmax表示所述第二次轨道几何状态检测修正数据的极大值点的个数；Mmin表示所述第二次轨道几何状态检测修正数据的极小值点的个数。
7.一种高速铁路轨道几何微小变化识别装置，其特征在于，包括：
数据获取模块，用于获取第一次轨道几何状态检测数据和第二次轨道几何状态检测数据；
里程修正模块，用于根据台账超高信息生成台账超高曲线；
利用台账超高曲线确定参考曲线段；
根据参考曲线段头尾的里程和第一次轨道几何状态检测数据中的里程，确定第一次实测曲线段；
根据参考曲线段头尾的里程和第二次轨道几何状态检测数据中的里程，确定第二次实测曲线段；
确定第一次实测曲线段和所述参考曲线段的第一最佳匹配位置，第二次实测曲线段和和所述参考曲线段的第二最佳匹配位置；
通过插值运算，根据第一最佳匹配位置对所述第一次轨道几何状态检测数据中的里程进行校正，根据第二最佳匹配位置对所述第二次轨道几何状态检测数据中的里程进行校正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据；
极值确定模块，用于确定第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值；
状态变化判断模块，用于根据所述第一次轨道几何状态检测修正数据的极值和第二次轨道几何状态检测修正数据的极值，判断轨道状态是否发生变化；
所述参考曲线段满足如下条件：
定义参考曲线段的头尾点为jj0_0和jj1_0，对头尾延拓预设窗长后的曲线段头尾记为jj0和jj1，则参考曲线段定义为其头尾的台账超高值大于阈值thresh_elv，延拓窗内台账超高值等于0，
其中，curve_ref()表示台账超高曲线；
所述实测曲线段满足如下条件：
其中，实测曲线段的头尾点为ii0_0和ii1_0，对实测曲线段的头尾点延拓预设窗长后的实测曲线段的头尾点记为ii0和ii1；
按照如下方式确定实测曲线段和所述参考曲线段的最佳匹配位置：
从实测曲线段中选取初始区段为[kk0,kk1]＝[jj0,jj1-(ii1-ii0)]；
在[kk0,kk1]上均匀选取5个点kk(j),j＝1,2,…5，确定相关系数rela(kk(j)),j＝1,2,…5；
寻找rela(kk(j)),j＝1,2,…5的最大位置点，记为kk(j0)；
更新区段[kk0,kk1]＝[kk(j0-1),kk(j0+1)]，重复确定相关系数和寻找最大位置点的操作，直到[kk0,kk1]的长度不大于5；
其中，相关系数和最大位置点按照如下公式确定：
其中，curve_mes表示第一次轨道几何状态检测数据或第二次轨道几何状态检测数据中的超高信号。
8.如权利要求7所述的高速铁路轨道几何微小变化识别装置，其特征在于，所述数据获取模块还用于：以所述第一次轨道几何状态检测数据中的第一次轨道不平顺参数和第一次里程数据为基准，从所述第二次轨道几何状态检测数据中查找与所述第一次轨道不平顺参数和第一次里程数据相对应的第二次轨道不平顺参数和第二次里程数据；
所述里程修正模块具体用于：
根据台账超高信息对第一次里程数据和第二次里程数据进行修正，获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据。
9.如权利要求8所述的高速铁路轨道几何微小变化识别装置，其特征在于，所述数据获取模块具体用于：
采用迭代扩展窗方法，按照如下方式得到第二次轨道不平顺参数和第二次里程数据：
设定所述第一次轨道不平顺参数和所述第一次里程数据为{PROF1(i),i＝1,2,…N1}，{DISP1(i),i＝1,2,…N1}，所述第二次轨道不平顺参数及里程为{PROF2(i),i＝1,2,…N2}，{DISP2(i),i＝1,2,…N2}，与所述第一次轨道不平顺参数和第一次里程数据相对应的第二次轨道不平顺参数和第二次里程数据为{PROF_ref(i),i＝1,2,…N1}，{DISP_ref(i),i＝1,2,…N1}；
对所述第一次轨道几何状态检测数据进行分段，对小区间[i0,i1]进行循环；
确定PROF1(i0:i1)与PROF2(i0:i1)的相关系数COEF1，如果COEF1大于第一阈值，则更新PROF_ref(i0:i1)＝PROF2(i0:i1)，DISP_ref(i0:i1)＝DISP2(i0:i1)迭代结束；
扩大所述第二次轨道几何状态检测数据的小区间的范围，记为[j0,j1]＝[i0-len_win,i1+len_win]，以PROF1(i0:i1)为窗，对PROF2(j0:j1)进行扫描，找到相关系数最大的最佳匹配位置，记为[k0,k1]；记最大相关系数为COEFm，如果COEFm大于第一阈值，则更新PROF_ref(i0:i1)＝PROF2(k0:k1)，DISP_ref(i0:i1)＝DISP2(k0:k1)，否则，继续扩大所述第二次轨道几何状态检测数据的小区间的范围，并进行相关性匹配。
10.如权利要求7所述的高速铁路轨道几何微小变化识别装置，其特征在于，所述里程修正模块还用于：在获得第一次轨道几何状态检测修正数据和第二次轨道几何状态检测修正数据之后，将长短链嵌入到第一次轨道几何状态检测修正数据的里程和第二次轨道几何状态检测修正数据的里程中，通过修改长短链邻域内采样点的步长间隔，再次对第一次轨道几何状态检测修正数据的里程和第二次轨道几何状态检测修正数据的里程进行修正。
11.如权利要求7所述的高速铁路轨道几何微小变化识别装置，其特征在于，还包括：冲击异常值滤波模块，用于当第一次轨道几何状态检测数据和/或第二次轨道几何状态检测数据中存在冲击异常值时，采用小波-有序中值滤波方法对第一次轨道几何状态检测数据和/或第二次轨道几何状态检测数据中存在的冲击异常值进行滤波。
12.如权利要求9所述的高速铁路轨道几何微小变化识别装置，其特征在于，所述状态变化判断模块具体用于：
按照如下方式判断轨道状态是否发生变化：
以所述第一次轨道几何状态检测修正数据{PROF1(i),i＝1,2,…N1}为基准：
对{PROF1(i),i＝1,2,…N1}的极大值点{Emax,j,j＝1,2,…Nmax}进行循环，以与Emax,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域
计算峰值与峰值之差diffmax,j＝PROF1(Emax,j)-max(PROF_ref(Omax,j0:Omax,j1))；如果diffmax,j大于阈值，则诊断轨道状态在该极大值点处发生了变化；
对{PROF1(i),i＝1,2,…N1}的极小值点{Emin,j,j＝1,2,…Nmin}进行循环，以与Emin,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域
计算峰值与峰值之差diffmin,j＝PROF1(Emin,j)-max(PROF_ref(Omin,j0:Omin,j1))；如果diffmin,j大于阈值，则判断轨道状态在该极小值点处发生了变化；
以所述第二次轨道几何状态检测修正数据{PROF_ref(i),i＝1,2,…N1}为基准：
对{PROF_ref(i),i＝1,2,…N1}的极大值点{Eref,max,i,i＝1,2,…Mmax}进行循环，以与Eref,max,i最近的左右零点构造所述第一次轨道几何状态检测修正数据的邻域[Oref,max,i0,Oref,max,i1]，计算峰值与峰值之差diffref,max,i＝PROF_ref(Eref,max,i)-max(PROF1(Oref,max,i0:Oref,max,i1))；如果diffref,max,i大于阈值，则诊断轨道状态在该极大值点处发生了变化；
对{PROF_ref(i),i＝1,2,…N1}的极小值点{Eref,min,i,i＝1,2,…Mmin}进行循环，以与Eref,min,j最近的左右零点构造所述第二次轨道几何状态检测修正数据的邻域[Oref,min,i0,Oref,min,i1]，计算峰值与峰值之差diffref,min,i＝PROF_ref(Eref,min,i)-max(PROF1(Oref,min,i0:Oref,min,i1))；如果diffref,min,i大于阈值，则判断轨道状态在该极小值点处发生了变化；
其中，Nmax表示所述第一次轨道几何状态检测修正数据的极大值点的个数，Nmin表示所述第一次轨道几何状态检测修正数据的极小值点的个数；Mmax表示所述第二次轨道几何状态检测修正数据的极大值点的个数；Mmin表示所述第二次轨道几何状态检测修正数据的极小值点的个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810250555.XA CN108595374B (zh) | 2018-03-26 | 2018-03-26 | 高速铁路轨道几何微小变化识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810250555.XA CN108595374B (zh) | 2018-03-26 | 2018-03-26 | 高速铁路轨道几何微小变化识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108595374A CN108595374A (zh) | 2018-09-28 |
| CN108595374B true CN108595374B (zh) | 2022-02-22 |
Family
ID=63623606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810250555.XA Active CN108595374B (zh) | 2018-03-26 | 2018-03-26 | 高速铁路轨道几何微小变化识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108595374B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799098B (zh) * | 2019-03-22 | 2021-08-10 | 唐智科技湖南发展有限公司 | 一种转向架横向失稳的检测方法、装置和介质 |
| CN112461299B (zh) * | 2020-12-02 | 2022-04-08 | 中国铁道科学研究院集团有限公司 | 道岔区段轨道特征识别方法及装置 |
| CN112699199B (zh) * | 2021-01-04 | 2024-02-13 | 北京全路通信信号研究设计院集团有限公司 | 铁路长链点里程标处理方法、装置、电子设备和存储介质 |
| CN114417921B (zh) * | 2022-01-05 | 2024-04-30 | 中国国家铁路集团有限公司 | 轨道几何异常数据的识别方法、装置、设备和存储介质 |
| CN115447640B (zh) * | 2022-08-09 | 2024-03-12 | 中国国家铁路集团有限公司 | 道岔区轨道几何微小变化识别方法及装置 |
| CN115790661A (zh) * | 2022-12-19 | 2023-03-14 | 东莞市诺丽科技股份有限公司 | 一种轨道综合检测系统里程定位修正方法及系统 |
| CN116304954B (zh) * | 2023-05-08 | 2023-07-28 | 西南交通大学 | 一种高速铁路动检车高频采样数据的里程对齐方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104457644A (zh) * | 2014-11-04 | 2015-03-25 | 中国铁道科学研究院 | 轨道几何检测数据中非脉冲异常数据的检测方法及装置 |
| CN104711912A (zh) * | 2013-12-11 | 2015-06-17 | 中航西安飞行自动控制技术有限公司 | 一种高速铁路里程对标方法 |
| CN106018557A (zh) * | 2016-07-28 | 2016-10-12 | 南京理工大学 | 一种基于小波分析的轨道表面凹陷检测方法 |
| CN106638190A (zh) * | 2016-12-27 | 2017-05-10 | 中国神华能源股份有限公司 | 铁路线路质量监控方法以及系统 |
| CN107314776A (zh) * | 2017-06-12 | 2017-11-03 | 西南交通大学 | 一种基于铁路轨道检测数据进行里程校准的方法 |
-
2018
- 2018-03-26 CN CN201810250555.XA patent/CN108595374B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104711912A (zh) * | 2013-12-11 | 2015-06-17 | 中航西安飞行自动控制技术有限公司 | 一种高速铁路里程对标方法 |
| CN104457644A (zh) * | 2014-11-04 | 2015-03-25 | 中国铁道科学研究院 | 轨道几何检测数据中非脉冲异常数据的检测方法及装置 |
| CN106018557A (zh) * | 2016-07-28 | 2016-10-12 | 南京理工大学 | 一种基于小波分析的轨道表面凹陷检测方法 |
| CN106638190A (zh) * | 2016-12-27 | 2017-05-10 | 中国神华能源股份有限公司 | 铁路线路质量监控方法以及系统 |
| CN107314776A (zh) * | 2017-06-12 | 2017-11-03 | 西南交通大学 | 一种基于铁路轨道检测数据进行里程校准的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 轨道几何状态检测数据里程校正算法研究;隋国栋等;《交通信息与安全》;20091231;全文 * |
| 轨道周期性几何不平顺诊断和评价方法;刘金朝;《铁道建筑》;20160731;第1-5页 * |
| 铁路轨道几何数据冲击噪声小波-有序中值滤波方法;刘金朝等;《振动与冲击》;20140531;第33卷(第10期);第29-33页 * |
| 高速铁路轨道几何检测数据自动预处理方法研究;许贵阳等;《中国铁道科学》;20131130;第34卷(第6期);第8-12页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108595374A (zh) | 2018-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108595374B (zh) | 高速铁路轨道几何微小变化识别方法及装置 | |
| CN110533229B (zh) | 轨道维修时刻预测方法及装置 | |
| CN116071387B (zh) | 基于机器视觉的枕轨生产质量检测方法 | |
| CN110736999B (zh) | 基于激光雷达的铁路道岔检测方法 | |
| CN110197133B (zh) | 将检测波形进行对齐的方法和装置 | |
| CN112414651B (zh) | 基于移动式线路加载车的轨道刚度确定方法及装置 | |
| CN112084558B (zh) | 一种轨道不平顺状态优化模拟精调方法 | |
| CN103486971B (zh) | 一种地铁隧道裂缝宽度检测及校正算法 | |
| CN113420367B (zh) | 一种基于振动与噪声响应的地铁钢轨波磨检测方法与装置 | |
| CN110146589B (zh) | 一种管道漏磁数据的高清可视化方法 | |
| CN111442736A (zh) | 一种基于激光扫描仪的铁路隧道变形检测方法及其装置 | |
| CN115758289B (zh) | 一种基于多任务学习神经网络的钢轨波磨识别方法 | |
| CN117952980B (zh) | 一种中硼硅玻璃管精切工艺视觉检测方法 | |
| CN110254478B (zh) | 路基变形病害识别方法及装置 | |
| CN117191305A (zh) | 一种公路桥梁的状态评估方法及系统 | |
| CN104457644B (zh) | 轨道几何检测数据中非脉冲异常数据的检测方法及装置 | |
| CN114119957A (zh) | 高速铁路钢轨廓形检测方法及装置 | |
| CN113093217A (zh) | 多线激光扫描隧道三维重构方法 | |
| US11467302B1 (en) | Seismic first breaks onset times determination by interface tracking using level-sets method | |
| CN116167983A (zh) | 基于dtw距离最小的钢轨轨腰对齐方法、系统及终端 | |
| CN113343919B (zh) | 钢轨连续等距离擦硌伤的检测方法、装置、及计算机设备 | |
| CN112561932A (zh) | 航迹线去噪方法、装置、电子设备和存储介质 | |
| CN108009462B (zh) | 一种应用于轨检仪基本弦轨向数据的滤波方法 | |
| CN116304954B (zh) | 一种高速铁路动检车高频采样数据的里程对齐方法及系统 | |
| CN113837163B (zh) | 一种基于三维探地雷达的隧道监测方法、系统以及存储介质 |
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 | ||
| CB02 | Change of applicant information |
Address after: No. 2, Da Liu Shu Road, Haidian District, Beijing Applicant after: China Railway Scientific Research Institute Group Co., Ltd. Applicant after: CHINA RAILWAY CORPORATION Applicant after: Institute of infrastructure inspection, China Railway Research Institute Group Co., Ltd. Applicant after: Beijing IMAP Technology Co., Ltd. Address before: No. 2, Da Liu Shu Road, Haidian District, Beijing Applicant before: China Academy of Railway Sciences Applicant before: CHINA RAILWAY CORPORATION Applicant before: Infrastructure Testing Institute of China Academy of Railway Sciences Applicant before: Beijing IMAP Technology Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |