CN109029541B - 轨道波磨检测方法 - Google Patents
轨道波磨检测方法 Download PDFInfo
- Publication number
- CN109029541B CN109029541B CN201810542350.9A CN201810542350A CN109029541B CN 109029541 B CN109029541 B CN 109029541B CN 201810542350 A CN201810542350 A CN 201810542350A CN 109029541 B CN109029541 B CN 109029541B
- Authority
- CN
- China
- Prior art keywords
- information dimension
- corrugation
- standard
- sample
- detected
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Tires In General (AREA)
Abstract
一种轨道波磨检测方法,包括:采集第一预设长度的轨道踏面的高低信号,以作为待检测数据样本;将所述待检测数据样本进行分组,并根据信息维数算法计算每组数据的信息维数;比较所述待检测数据样本的信息维数与标准样本的标准信息维数,以确定所述轨道踏面是否出现波磨故障。本发明实施例利用信息维数刻画轨道踏面波磨状态,其作为特征向量兼顾了敏感性和稳定性,成本较低,精确度高,有助于及时发现波磨的早期征兆。
Description
技术领域
本发明涉及轨道检测领域,特别是涉及一种轨道波磨检测方法。
背景技术
近年来,国内的城市轨道交通发展和高速铁路发展特别迅速。高速铁路的特点是高速度与高密度,目标是高安全性和高舒适性,因而要求其轨道结构必须具备高平顺、高稳定、高可靠和高耐久等特性。伴随着轨道交通的发展,钢轨的波磨一直是一个难以克服的问题。钢轨投入使用以后,其踏面沿纵向出现类似波浪形状的不平顺磨损,称为波浪磨损,简称波磨。
钢轨波磨对轨道交通的安全运行有重大的影响,其产生的原因非常复杂,一直未有特别有效的治理措施。因此,对于钢轨波磨的实时检测就变得十分重要。关于轨道波磨状态的检测,可采用平直仪对钢轨长度方向0.8~1m范围内进行定点测量,如荷兰Railprof与德国SEC-RC波磨尺;或采用图像的方法动态测量波磨,如申请号为201610574018.1的专利,其通过激光测距仪向钢轨径向对称轴发射激光,摄像机用于采集钢轨上的激光光斑,后续处理单元对摄像机采集到的图像进行处理后能够得到钢轨的波磨程度。还有一种方式是如《钢轨波磨的分形描述》(铁道学报,1998,20(2):106-109),或《钢轨波磨的分形描述及动力仿真分析》(西南交通大学学报,2009,44(5):721-725.)中提到的通过轨道波磨盒维数的概念确定波磨故障。
就平直仪而言,其应用较为广泛,但其测量效率低,只是适合对已发生显著波磨的钢轨的局部测量、事后评价。采用动态方法测量运用成本高,且测量精度差。然而其均以盒维数为特征向量,而盒维数是默认波形均匀分布的。因此,盒维数作为轨道波磨的特征向量,其模式区分能力较弱,测量精度差。
发明内容
鉴于上述状况,有必要针对现有技术中轨道踏面波磨检测成本高和精度差的问题,提供一种轨道波磨检测方法。
一种轨道波磨检测方法,包括:
采集第一预设长度的轨道踏面的高低信号,以作为待检测数据样本;
将所述待检测数据样本进行分组,并根据信息维数算法计算每组数据的信息维数;
比较所述待检测数据样本的信息维数与标准样本的标准信息维数,以确定所述轨道踏面是否出现波磨故障。
进一步的,上述轨道波磨检测方法,其中,所述将所述待检测数据样本进行分组,根据信息维数算法计算每组数据的信息维数的步骤包括:
将所述待检测数据样本按照步长分组得到多个高低信号分析样本;
根据信息维数算法计算每个所述高低信号分析样本的信息维数。
进一步的,上述轨道波磨检测方法,其中,所述比较所述待检测数据样本的信息维数与标准样本的标准信息维数,以确定对应轨道踏面出现波磨的步骤包括:
分别计算所述待检测数据样本的信息维数和标准信息维数的差值,当任意一所述差值超过预设的阈值时,确定所述轨道踏面出现波磨故障。
进一步的,上述轨道波磨检测方法,其中,计算所述标准信息样本的标准信息维数的步骤包括:
采集第二预设长度的标准轨道踏面的高低信号,得到标准数据样本;
根据信息维数算法计算所述标准样本的信息维数,以得到所述标准信息维数。
进一步的,上述轨道波磨检测方法,其中,所述轨道踏面波磨的高低信号通过0级轨道检查仪采集,或通过轨道检查车采集。
本发明实施例利用信息维数刻画轨道踏面波磨状态,其作为特征向量兼顾了敏感性和稳定性,并根据比较法确定轨道踏面是否出现波磨故障,运算过程简单,并且区分能力强,综合效率高。本实施例中的轨道波磨检测方法无需复杂的检测设备,成本较低,精确度高,有助于及时发现波磨的早期征兆。
附图说明
图1为本发明第一实施例中的轨道波磨检测方法的流程图;
图2为本发明第二实施例中的轨道波磨检测方法的流程图;
图3为本发明第二实施例中待检测数据样本的示意图;
图4为本发明第二实施例中检数据样本信息维数序列的示意图;
图5为本发明第二实施例中待检测数据样本的概率密度函数示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
参照下面的描述和附图,将清楚本发明的实施例的这些和其他方面。在这些描述和附图中,具体公开了本发明的实施例中的一些特定实施方式,来表示实施本发明的实施例的原理的一些方式,但是应当理解,本发明的实施例的范围不受此限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
请参阅图1,为本发明第一实施例中的轨道波磨检测方法,该检测方法应用于铁路轨道的踏面检测,以确定轨道踏面的平顺性。该轨道波磨检测方法包括步骤S11~S13。
步骤S11,采集第一预设长度的轨道踏面的高低信号,以作为待检测数据样本。
轨道的检测是一项持久和繁琐的工作,为了保证检测的准确性和检测效率,本实施例中可对待检测的轨道进行分段检测。本实施例中采集第一预设长度的轨道踏面的高低信号,以作为待检测数据样本。具体的,该第一预设长度可综合考虑检测准确性和检测效率进行设置,例如以50m的轨道为一个检测的样本,即保证检测的数据有效,也可保证数据分析效率。其中,轨道踏面的高低信号,可通过现有的检测设备进行采集,该检测设备包括但不限于0级轨道检查仪、轨道测量仪和轨道检查车。
步骤S12,将所述待检测数据样本进行分组,并根据信息维数算法计算每组数据的信息维数。
对轨道踏面进行波磨的检测关键是有效性和可靠性主要取决于表征故障特征的特征向量的选取。信息维数(information dimension)是几何形态不均匀程度量的特征,是描述事物分形特征的一种分维数。本实施例中待检测数据样本的波形形态不均匀,采用信息维数作为特征向量具有较好的模式区分能力,其检测结果准确有效。
具体的,对待检测样本数据进行分组时,可将待检测数据样本按照步长cellmax分组得到多个高低信号分析样本X(k)。其中,步长cellmax为待检测样本数据盒子的最大长度。分别对分组得到的多个高低信号分析样本进行信息维数的计算,得到待检数据样本信息维数序列
步骤S13,比较所述待检测数据样本的信息维数与标准样本的标准信息维数,以确定所述轨道踏面是否出现波磨故障。
其中,标准信息维数可根据轨道现有的数据得到,也可即时对一端平顺轨道踏面进行检测,并进行信息维数计算得到。
具体实施时,将待检测样本分组计算得到的多个信息维数分别与标准信息维数进行差值计算,得到多个差值。当任意一个差值超过了预设的阈值时,则确定该轨道踏面出现波磨故障。
本实施例利用信息维数刻画轨道踏面波磨状态,其作为特征向量兼顾了敏感性和稳定性,并根据比较法确定轨道踏面是否出现波磨故障,运算过程简单,并且区分能力强,综合效率高。本实施例中的轨道波磨检测方法无需复杂的检测设备,成本较低,精确度高,有助于及时发现波磨的早期征兆。
请参阅图2,为本发明第二实施例中的轨道波磨检测方法,包括步骤S21~S25。
步骤S21,采集第一预设长度的轨道踏面的高低信号,以作为待检测数据样本。
步骤S22,将所述待检测数据样本按照步长分组得到多个高低信号分析样本。
具体的,如图3所示,将待检测数据样本{xi|i=1,2,…,n}按照步长cellmax分组得到多个高低信号分析样本X(k)。如图4所示,计算每个信号分析样本的信息维数,得到信息维数及待检数据样本信息维数序列 其中cellmax≤n,k=1,2,…,K,K=ceil(n/cellmax)。
步长为盒子的最大长度,即Cellmax,一般Cellmax是一个小于n的整数,例如n=1000,设cellmax=100。则首先按100个数将数据分析样本{xi|i=1,2,…,n}分组,所以K=ceil(1000/10)=10,得到10个高低信号分析样本X(k)。
步骤S23,根据信息维数算法计算每个所述高低信号分析样本的信息维数。
其中,I(ε)为刻画系统状态精度ε量级所需的信息量定义的熵。
具体的,I(ε)可根据下述公式计算:
可以理解的,该Pj(ε)可采用现有技术中的概率计算方法进行计算,此处不予赘述。
步骤S24,分别计算每个所述高低信号分析样本的信息维数和标准样本的标准样本信息维数的差值,当任意一所述差值超过预设的阈值时,确定所述轨道踏面出现波磨故障。
其中,得到标准信息数的步骤包括:
步骤S131,采集第二预设长度的标准轨道踏面的高低信号,得到所述标准轨道踏面的标准数据样本;
步骤S132,根据信息维数算法计算所述标准样本的信息维数,以得到所述标准信息维数。
上述步骤中,标准轨道踏面即为平顺、无波磨的轨道。第二预设长度的取值可根据实际需要进行设置,例如可为50m。采集50m的标准轨道踏面的高低信号,得到标准数据样本{xi|i=1,2,…,m}。根据信息维数算法计算标准数据样本的信息维数。其信息维数的计算方法与高低信号分析样本的信息维数计算方法基本相同,此处不予赘述。
可以理解的,为了提高标准信息维数的数值的准确性,在本发明的其他实施例中,可获取多段标准轨道踏面的高低信号,并计算每段标准轨道踏面对应的信息维数,取多个信息维数的平均值作为标准信息维数。
将每个高低信号分析样本的信息维数和标准信息维数进行差值计算,得到多个差值,当任意一个差值超过预设的阈值时,确定轨道踏面出现波磨故障。例如,标准信息维数S0=1.9,预设的阈值为±0.2,即高低信号分析样本的信息维数与S0的差值大于0.2或小于-0.2时,确定轨道踏面出现波磨故障,需要进行维修。如图5中示出的待检数据样本信息维数序列有两个信息维数值超过范围。
可以理解的,作为一种可实施的方式,还可将待检测数据样本的信息维数与其他参数组合成高维特征向量,来确定轨道踏面是否出现波磨故障,以进一步提到检测精确度。具体步骤如下:
获取每个所述待检测数据样本的特征参数,所述特征参数为所述待检测数据样本的峰值、均方根值、方根幅值、方差、峰-峰值、偏度、峭度、峰度、裕度、变异系数、重心频率、均方频率、均方根频率、频率标准差、频带相对功率谱能量以及盒维数、关联维数中的至少一个;
将所述特征参数和所述待检测数据样本的信息维数组成高维特征向量;
比较所述高维特征向量和标准样本的高维特征向量,以确定所述轨道踏面是否出现波磨故障。
具体实施时,待检测数据样本进行分值后得到多个高低信号分析样本,提取每个高低信号分析样本的特征参数,得到多个特征参数,并将多个特征参数分别与对应的信息维数组成多维特征向量。例如将信息维数和峰值关联作为二维特征向量,并与标准样本的二维特征向量进行比较。其中,标准样本的二维特征向量与待检测数据样本的二维特征向量的计算方法基本相同,此处不予赘述。当待检测数据样本的二维特征向量离标准模式距离大的,就认为是波磨故障。
将信息维数与所述高低信号分析样本的峰值、均方根值、方根幅值、方差、峰-峰值、偏度、峭度、峰度、裕度、变异系数、重心频率、均方频率、均方根频率、频率标准差、频带相对功率谱能量以及盒维数、关联维数特征参数结合形成特征向量,确定轨道踏面是否处于波磨状态,以提高波磨状态的确定效率及测量精度。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (3)
1.一种轨道波磨检测方法,其特征在于,包括:
采集第一预设长度的轨道踏面的高低信号,以作为待检测数据样本;
将所述待检测数据样本进行分组,并根据信息维数算法计算每组数据的信息维数;
比较所述待检测数据样本的信息维数与标准样本的标准信息维数,以确定所述轨道踏面是否出现波磨故障;
所述比较所述待检测数据样本的信息维数与标准样本的标准信息维数,以确定所述轨道踏面是否出现波磨故障的步骤包括:
分别计算所述待检测数据样本的信息维数和标准信息维数的差值,当任意一所述差值超过预设的阈值时,确定所述轨道踏面出现波磨故障;
所述将所述待检测数据样本进行分组,并根据信息维数算法计算每组数据的信息维数的步骤包括:
将所述待检测数据样本按照步长分组得到多个高低信号分析样本;
根据信息维数算法计算每个所述高低信号分析样本的信息维数;
所述高低信号分析样本的信息维数dimk I的计算公式为:
其中,Pj(ε)为样本X(k)={x(k) j|j=1,2,…,cellmax}落入边长为ε的第j个超立方体的概率;I(ε)为刻画系统状态精度ε量级所需的信息量所定义的熵;cellmax为样本长度。
2.如权利要求1所述的轨道波磨检测方法,其特征在于,计算所述标准信息样本的标准信息维数的步骤包括:
采集第二预设长度的标准轨道踏面的高低信号,得到标准数据样本;
根据信息维数算法计算所述标准样本的信息维数,以得到所述标准信息维数。
3.如权利要求1所述的轨道波磨检测方法,其特征在于,所述轨道踏面波磨的高低信号通过0级轨道检查仪采集,或通过轨道检查车采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810542350.9A CN109029541B (zh) | 2018-05-30 | 2018-05-30 | 轨道波磨检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810542350.9A CN109029541B (zh) | 2018-05-30 | 2018-05-30 | 轨道波磨检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109029541A CN109029541A (zh) | 2018-12-18 |
CN109029541B true CN109029541B (zh) | 2021-05-18 |
Family
ID=64611617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810542350.9A Active CN109029541B (zh) | 2018-05-30 | 2018-05-30 | 轨道波磨检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109029541B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019202631A1 (de) * | 2019-02-27 | 2020-08-27 | Siemens Mobility GmbH | Verfahren zum Überwachen einer Weiche einer Eisenbahngleisanlage |
CN111809464B (zh) * | 2019-04-11 | 2023-05-26 | 中国铁建高新装备股份有限公司 | 一种钢轨智能打磨控制方法 |
CN113343502B (zh) * | 2021-07-09 | 2022-11-15 | 成都地铁运营有限公司 | 一种轨道打磨确定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101532827A (zh) * | 2009-04-15 | 2009-09-16 | 北京航空航天大学 | 一种激光视觉钢轨磨耗测量的纠偏方法 |
CN102864704A (zh) * | 2012-10-26 | 2013-01-09 | 石家庄铁道大学 | 用于钢轨表面在线测量及激光选择性修复的装置及方法 |
CN106441091A (zh) * | 2016-08-31 | 2017-02-22 | 武汉汉宁轨道交通技术有限公司 | 一种钢轨自动检测装置以及方法 |
CN207274714U (zh) * | 2017-08-11 | 2018-04-27 | 暨南大学 | 轨道数据检测车 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9233696B2 (en) * | 2006-03-20 | 2016-01-12 | General Electric Company | Trip optimizer method, system and computer software code for operating a railroad train to minimize wheel and track wear |
-
2018
- 2018-05-30 CN CN201810542350.9A patent/CN109029541B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101532827A (zh) * | 2009-04-15 | 2009-09-16 | 北京航空航天大学 | 一种激光视觉钢轨磨耗测量的纠偏方法 |
CN102864704A (zh) * | 2012-10-26 | 2013-01-09 | 石家庄铁道大学 | 用于钢轨表面在线测量及激光选择性修复的装置及方法 |
CN106441091A (zh) * | 2016-08-31 | 2017-02-22 | 武汉汉宁轨道交通技术有限公司 | 一种钢轨自动检测装置以及方法 |
CN207274714U (zh) * | 2017-08-11 | 2018-04-27 | 暨南大学 | 轨道数据检测车 |
Non-Patent Citations (2)
Title |
---|
波磨的分形性分析及其应用;杜文杰;《中国优秀硕士学位论文全文数据库 基础科学辑》;20121115(第11期);第20页第4行-第21页第1行 * |
铁路钢轨波磨研究及其治理;王立乾;《铁道建筑技术》;20131231(第12期);第103页第2栏倒数第4行-第104页第2栏第11行 * |
Also Published As
Publication number | Publication date |
---|---|
CN109029541A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109029541B (zh) | 轨道波磨检测方法 | |
WO2020244288A1 (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
CN108775993B (zh) | 一种桥梁损伤检测方法 | |
CN108845028B (zh) | 一种高速铁路钢轨波磨动态检测方法和装置 | |
Pawlus | Digitisation of surface topography measurement results | |
Manson et al. | Visualisation and dimension reduction of acoustic emission data for damage detection | |
CN113640380B (zh) | 钢轨伤损检测多级分类方法及系统 | |
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 | |
CN110927257A (zh) | 检测基础飞行区道面影响区压实质量的检测系统及方法 | |
CN110243682A (zh) | 一种基于路面动态弯沉的道路承载性能评价方法 | |
CN109214522A (zh) | 一种基于多属性的设备性能退化评估方法 | |
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 | |
CN109855770B (zh) | 一种基于钢轨横向加速度功率谱密度检测温度力的方法 | |
CN110399683A (zh) | 基于频域幅值谱相似性滤波技术的桥梁冲击系数提取方法 | |
CN110544034A (zh) | 一种输电线路交叉跨越风险评估方法 | |
Chang et al. | An efficient method for wheel-flattened defects detection based on acoustic emission technique | |
Ghiasi et al. | An unsupervised anomaly detection framework for onboard monitoring of railway track geometrical defects using one-class support vector machine | |
CN116522085A (zh) | 一种全自动拉索频率提取、定阶和索力识别方法与应用 | |
CN115964615A (zh) | 一种基于中线点云数据的轨道平顺性评价方法 | |
CN108844479A (zh) | 一种既有空间钢结构杆件弯曲变形的监测方法 | |
CN108921454A (zh) | 数据中心动力系统的安全性评估方法及其检测装置 | |
CN111307030A (zh) | 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 | |
CN106021683A (zh) | 无缝线路长钢轨道线路稳定性分析判定方法 | |
CN111351655A (zh) | 一种铁路机车齿轮箱中齿轮故障诊断方法 | |
Xie et al. | An on-board and quantitative detection method of rail corrugation roughness based on deep learning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |