CN109211556B - 一种轨道交通工具零部件检测系统 - Google Patents

Abstract

本发明提供一种轨道交通工具零部件检测系统，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

一种轨道交通工具零部件检测系统

技术领域

本发明涉及轨道交通工具领域，尤其是涉及一种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：

一种轨道交通工具零部件检测系统，该轨道交通工具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。

优选地，所述采集模块是由一个或者多个声学传感器构成。

优选地,所述声学传感器安装在轨道交通工具上。

优选地，所述预警模块通过无线网络连接移动客户端。

优选地，所述处理模块包括去噪单元、有效声音段提取单元和特征参数提取单元；所述去噪单元，用于对待测零部件发出的声信号进行降噪处理；所述有效声音段提取单元，用于从去噪后的声信号中提取有效声音段；所述特征参数提取单元，用于从所述有效声音段中提取待测零部件的声音特征参数。

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2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；去噪单元21；有效声音段提取单元22；特征参数提取单元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1，一种轨道交通工具零部件检测系统，该轨道交通工具零部件检测系统包括采集模块1、处理模块2、对比模块3和预警模块4。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3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4；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。

优选地，所述采集模块1是由一个或者多个声学传感器构成。

优选地,所述声学传感器安装在轨道交通工具上。

优选地，所述预警模块4通过无线网络连接移动客户端。

优选地，参见图2，所述处理模块2包括去噪单元21、有效声音段提取单元22和特征参数提取单元23；所述去噪单元21，用于对待测零部件发出的声信号进行降噪处理；所述有效声音段提取单元22，用于从去噪后的声信号中提取有效声音段；所述特征参数提取单元23，用于从所述有效声音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。

在一个实施例中，去噪单元21对待测零部件发出的声信号进行降噪处理，具体为：

(1)对待测零部件发出的声信号进行K层小波分解，得到各个分解层的小波系数；

(2)利用下列的阈值函数对得到的小波系数进行阈值处理，得到相应小波系数的估计值：

式中，

为阈值处理后的第k层第p个小波系数的估计值，z_kp为第k层第p个小波系数，T_k为第k层小波系数的阈值，且

σ为噪声标准方差，

为第k层小波系数的方差，t为预设的参数因子，其满足t>1，M为待测零部件发出的声信号的长度，D_k为第k层小波系数的个数，α为形状系数，其满足0＜α＜1；m为一比例系数，其满足m≥1，sgn(f)为符号函数，当f为正数时，取1，为负数时，取-1；

(3)对各个分解层的小波系数的估计值进行小波重构，得到阈值处理后的待测零部件发出的声信号，即为降噪后的待测零部件发出的声信号。

有益效果：本优选实施例，采用小波变换的方法对待测零部件发出的声信号进行降噪处理，该方法不仅能够有效的抑制噪声并且减少声信号中细节信息的损失，同时根据各个分解层的小波系数与相应分解层的阈值的关系，进而对待测零部件发出的声信号进行自适应地去噪；该去噪方法既能有效地“收缩”噪声的高频小波系数，又能够避免有用信号的小波系数被滤除，提高了去噪效果。在该阈值函数中，α为形状系数，用于控制该阈值函数的形状，即控制衰减程度。经过上述阈值函数处理后，能够有效去除待测零部件所处环境中的噪声，有利于后续对待检测零部件进行准确检测，提高了该检测系统的准确度。

在一个实施例中，有效声音段提取单元22，用于从去噪后的声信号中提取有效声音段，具体为：

(1)对去噪后的声信号进行预处理，具体是对去噪后的声信号进行分帧加窗和快速傅里叶变换；

(2)基于预处理后的声信号，根据自定义的算式计算预处理后的声信号的各个帧的端点检测评判值，其中，第n帧的端点检测评判值的计算式为：

式中，γ(n)为第n帧的端点检测评判值，B为第n帧的频点个数，b表示第b个频点，ε(n,b)为预处理后的声信号中第n帧的先验信噪比，β(n,b)为预处理后的声信号中第n帧的后验信噪比；

后验信噪比β(n,b)公式为：

式中，|X|²为预处理的声信号的功率谱，χ(n-1,b)为预处理后的声信号中第n-1帧中噪声信号对应的噪声功率谱；

先验信噪比ε(n,b)公式为：

式中，ζ为权重系数，ε_min为预设的最小先验信噪比；

(3)基于得到的端点检测评判值确定预处理后的声信号中有效声音段的起始帧和终止帧，得到有效声音段，具体地，若从第i帧开始，连续Q帧的端点检测评判值均大于设定的阈值，则第i帧就是有效声音段的起始帧；若从第g帧开始，连续Q帧的端点检测评判值均小于设定的阈值，则第g帧就是有效声音段的终止帧，其中g≥i+5N，N为预设的帧数；有效声音段指的是第i帧到第g帧之间的预处理后的声信号。

本优选实施例，通过计算各个帧的端点检测评判值来对预处理后的声信号进行端点检测，进而获得有效声音段的起始帧和终止帧，此方法不依赖于预处理后的声信号的音节特征，因此跟现有技术相比，本方法即使在低信噪比的情况下也能够实现对有效声音段的起始帧和终止帧的准确判断，保证端点检测的高准确率，具有强的鲁棒性。

在一个实施例中，所述的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4，具体为：利用下式计算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的相似度值，若相似度值小于设定的阈值，则待测零部件工作异常，并将工作异常这个诊断结果通过无线网络传输到预警模块4，其中，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的相似度值的计算式子为：

式中，Acc为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的相似度值，x_a为待测零部件的声音特征参数的第a个特征参数值，A为特征参数值个数，y_a为待测零部件的标准声音特征参数的第a个特征参数值。

有益效果：采用上式计算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的相似度值，进而待测零部件的工作状态，该算法考虑了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的关联性，能够对待测零部件发出的声信号进行准确识别匹配，进而实现对待测零部件工作状态的准确判断，提高了该检测系统的检测精度。

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)

1.一种轨道交通工具零部件检测系统，其特征在于，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所述预警模块；

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；

所述处理模块包括去噪单元、有效声音段提取单元和特征参数提取单元；

所述去噪单元，用于对待测零部件发出的声信号进行降噪处理；

所述有效声音段提取单元，用于从去噪后的声信号中提取有效声音段；

所述特征参数提取单元，用于从所述有效声音段中提取待测零部件的声音特征参数；

所述的从去噪后的声信号中提取有效声音段，具体为：

(1)对去噪后的声信号进行预处理，具体是对去噪后的声信号进行分帧加窗和快速傅里叶变换；

(2)基于预处理后的声信号，根据自定义的算式计算预处理后的声信号的各个帧的端点检测评判值，其中，第n帧的端点检测评判值的计算式为：

式中，γ(n)为第n帧的端点检测评判值，B为第n帧的频点个数，b表示第b个频点，ε(n,b)为预处理后的声信号中第n帧的先验信噪比，β(n,b)为预处理后的声信号中第n帧的后验信噪比；

后验信噪比β(n,b)公式为：

式中，|X|²为预处理的声信号的功率谱，χ(n-1,b)为预处理后的声信号中第n-1帧中噪声信号对应的噪声功率谱；

先验信噪比ε(n,b)公式为：

式中，ζ为权重系数，ε_min为预设的最小先验信噪比；

(3)基于得到的端点检测评判值确定预处理后的声信号中有效声音段的起始帧和终止帧，得到有效声音段，具体地，若从第i帧开始，连续Q帧的端点检测评判值均大于设定的阈值，则第i帧就是有效声音段的起始帧；若从第g帧开始，连续Q帧的端点检测评判值均小于设定的阈值，则第g帧就是有效声音段的终止帧，其中g≥i+5N，N为预设的帧数；有效声音段指的是第i帧到第g帧之间的预处理后的声信号；

所述的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，具体为：利用下式计算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的相似度值，若相似度值小于设定的阈值，则待测零部件工作异常，并将工作异常这个诊断结果通过无线网络传输到预警模块，其中，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的相似度值的计算式子为：

式中，Acc为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的相似度值，x_a为待测零部件的声音特征参数的第a个特征参数值，A为特征参数值个数，y_a为待测零部件的标准声音特征参数的第a个特征参数值。

2.根据权利要求1所述的轨道交通工具零部件检测系统，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所述的轨道交通工具零部件检测系统,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1所述的轨道交通工具零部件检测系统，其特征在于，所述预警模块通过无线网络连接移动客户端。

5.根据权利要求1所述的轨道交通工具零部件检测系统，其特征在于，所述对待测零部件发出的声信号进行降噪处理，具体为：

(1)对待测零部件发出的声信号进行K层小波分解，得到各个分解层的小波系数；

(2)利用下列的阈值函数对得到的小波系数进行阈值处理，得到相应小波系数的估计值：

式中，

为阈值处理后的第k层第p个小波系数的估计值，z_kp为第k层第p个小波系数，T_k为第k层小波系数的阈值，且

σ为噪声标准方差，

为第k层小波系数的方差，t为预设的参数因子，其满足t>1，M为待测零部件发出的声信号的长度，D_k为第k层小波系数的个数，α为形状系数，其满足0＜α＜1；m为一比例系数，其满足m≥1；sgn(f)为符号函数，当f为正数时，取1，为负数时，取-1；

(3)对各个分解层的小波系数的估计值进行小波重构，得到阈值处理后的待测零部件发出的声信号，即为降噪后的待测零部件发出的声信号。

Images