CN109919511B - 既有铁路线形评估方法及系统 - Google Patents

Abstract

本公开提供一种既有铁路线形评估方法及系统，涉及轨道交通技术领域。该方法及系统，通过获取预设时间段内列车运行的多类状态数据；对各状态数据进行处理，得到处理后的各状态数据；并对处理后的各状态数据进行相关性分析组合，得到多个相关性组合；在得到多个相关性组合后，对预设时间段进行分帧处理，得到分帧后的多个第一时间帧，对各第一时间帧内的各相关性组合进行相关性分析，得到相关性系数矩阵，根据相关性系数矩阵，对既有铁路线形进行评估，实现了列车运行期间的不间断测量以及对既有铁路线形的有效评估，效率高。

Description

既有铁路线形评估方法及系统

技术领域

本公开涉及轨道交通技术领域，具体而言，涉及一种既有铁路线形评估方法及系统。

背景技术

目前既有铁路线形的养护工作主要内容包括实际线形评估、线形重构以及线形整正加固三部分。在对既有铁路线形的评估中，主要依靠工程测量技术获得既有铁路线形的几何特征，通过对比与设计线形之间的差异，对既有铁路线形状态做出评估，指导做出养护维修。但是，这种方式更多的是关注静态或准静态条件下的既有铁路线形的状态，测量周期较长，不能及时掌握既有铁路线形的演变状态。

发明内容

有鉴于此，本公开提供一种既有铁路线形评估方法及系统。

本公开提供的一种既有铁路线形评估方法，应用于既有铁路线形评估系统，所述方法包括：

获取预设时间段内列车运行的多类状态数据。

对各所述状态数据进行处理，得到处理后的各所述状态数据。

对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合。

对所述预设时间段进行分帧处理，得到分帧后的多个第一时间帧。

对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵。

根据所述相关性系数矩阵，对既有铁路线形进行评估。

进一步的，所述多类状态数据包括列车车体的角速度数据以及车内噪音数据；所述对各所述状态数据进行处理，得到处理后的各所述状态数据的步骤包括：

对所述角速度数据进行低通滤波，得到滤波后的所述角速度数据。

对滤波后的所述角速度数据进行计算，得到所述列车车体的角加速度数据。

对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值。

进一步的，所述多类状态数据还包括所述列车车体的加速度数据，在对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值之后，所述方法还包括：

对所述预设时间段进行分帧处理，得到分帧后的多个第二时间帧；其中，所述第二时间帧的时间长度小于所述第一时间帧。

对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理。

针对每一个所述第二时间帧，对该第二时间帧内的处理后的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行归一化处理。

进一步的，所述对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理的步骤包括：

针对每一个所述第二时间帧，对该第二时间帧内的角加速度数据和角速度数据计算平均值，得到该第二时间帧内的角加速度数据和角速度数据的平均值。

针对每一个所述第二时间帧，对该第二时间帧内的加速度数据计算标准差，得到该第二时间帧内的加速度数据的标准差。

针对每一个所述第二时间帧，对该第二时间帧内的车内噪音数据的A计权声压值计算均方值，得到该第二时间帧内的车内噪音数据的A计权声压值的均方根值。

根据该第二时间帧内的车内噪音数据的A计权声压值的均方根值，得到该第二时间帧内的车内噪音数据的A计权声压级。

进一步的，所述角速度数据包括点头角速度数据、摇头角速度数据以及侧滚角速度数据；所述角加速度数据包括点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据；所述加速度数据包括横向加速度数据以及垂向加速度数据。

所述对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合的步骤包括：

对处理后的所述点头角速度数据、摇头角速度数据、侧滚角速度数据点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与处理后的所述横向加速度数据、垂向加速度数据以及车内噪音数据的A计权声压级进行组合，以得到多个相关性组合。

进一步的，所述对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵的步骤包括：

针对各所述第一时间帧内的每一个所述相关性组合，计算该相关性组合的相关性系数。

将各所述相关性组合的相关性系数按照时间顺序进行拼接，以得到所述相关性系数矩阵。

其中，计算相关性系数的公式为

ρ为相关性系数，Cov(X,Y)为序列X和序列Y的协方差，σ_X和σ_Y分别为序列X和Y的标准差，序列X为所述相关性组合中的多类状态数据中的任意一种状态数据，序列Y为所述相关性组合中的多类状态数据中不同于序列X的任意一种状态数据。

进一步的，所述相关性系数矩阵包括各所述相关性组合的相关性系数；所述方法还包括：

根据各所述相关性组合的相关性系数，得到综合评价系数。

根据所述综合评价系数对既有铁路线形进行评估。

其中，根据各所述相关性组合的相关性系数，得到综合评价系数的公式为

P_i为第i个第一时间帧内的综合评价系数；j＝1,2...,6分别表示所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据；H_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的横向加速度数据的相关性系数；V_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的垂向加速度数据的相关性系数；A_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的噪音数据的声压级的相关性系数；W₁、W₂以及W₃分别为预设的权重系数。

本公开提供一种既有铁路线形评估系统，包括获取装置以及数据处理装置，所述数据处理装置包括处理模块、组合模块、分析模块以及评估模块。

所述获取装置用于获取预设时间段内列车运行的多类状态数据。

所述处理模块用于对各所述状态数据进行处理，得到处理后的各所述状态数据。

所述组合模块用于对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合。

所述分析模块用于对所述预设时间段进行分帧处理，得到分帧后的多个第一时间帧，并对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵。

所述评估模块用于根据所述相关性系数矩阵，对既有铁路线形进行评估。

进一步的，所述多类状态数据包括列车车体的角速度数据以及车内噪音数据。

所述处理模块用于对所述角速度数据进行低通滤波，得到滤波后的所述角速度数据。

所述处理模块用于对滤波后的所述角速度数据进行计算，得到所述列车车体的角加速度数据。

所述处理模块用于对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值。

进一步的，所述多类状态数据还包括所述列车车体的加速度数据，在对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值之后，所述处理模块还用于对所述预设时间段进行分帧处理，得到分帧后的多个第二时间帧。

所述处理模块还用于对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理。

所述处理模块还用于针对每一个所述第二时间帧，对该第二时间帧内的处理后的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行归一化处理。

本公开提供的既有铁路线形评估方法及系统，通过获取预设时间段内列车运行的多类状态数据；对各状态数据进行处理，得到处理后的各状态数据；并对处理后的各状态数据进行相关性分析组合，得到多个相关性组合；在得到多个相关性组合后，对预设时间段进行分帧处理，得到分帧后的多个第一时间帧，在得到分帧后的多个第一时间帧后，对各第一时间帧内的各相关性组合进行相关性分析，得到相关性系数矩阵，进而可根据相关性系数矩阵，对既有铁路线形进行评估，实现了列车运行期间的不间断测量以及对既有铁路线形的有效评估；本公开通过获取列车运行的状态数据，根据列车运行的状态数据对既有铁路线形进行评估，相比于静态或准静态条件下对既有铁路线形的评估，本公开考虑到列车运行对既有铁路线形的影响，进而能在不影响列车正常运行的情况下，及时掌握既有铁路线形演变状态，对既有铁路线形进行有效评估，效率高。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本公开的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本公开所提供的既有铁路线形评估系统的一种方框示意图。

图2为本公开所提供的既有铁路线形评估方法的一种流程示意图。

图3为本公开所提供的车体角速度与铁路线形的映射关系示意图。

图4为本公开所提供的既有铁路线形评估方法的又一种流程示意图。

图5为本公开所提供的角速度数据低通滤波的一种示意图。

图6为本公开所提供的A计权滤波特性曲线。

图7为本公开所提供的既有铁路线形评估方法的又一种流程示意图。

图8为本公开所提供的第二时间帧的一种示意图。

图9本公开所提供的既有铁路线形评估方法的又一种流程示意图。

图10为本公开所提供的相关性组合的一种组合方式示意图。

图11为本公开所提供的第一时间帧的一种示意图。

图12为本公开所提供的相关性系数矩阵的云图。

图13为本公开所提供的数据处理装置的一种方框示意图。

图标：100-既有铁路线形评估系统；10-数据处理装置；11-处理模块；12-组合模块；13-分析模块；14-评估模块；20-获取装置；30-存储器；40-处理器。

具体实施方式

下面将结合本公开中附图，对本公开中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

轨道交通作为一种绿色出行模式，受到推崇。目前国内修建了大量铁路，包括高速铁路、普速铁路、城市轨道交通等。目前，针对既有铁路的维护工作主要围绕局部轨道结构伤损、劣化等开展的，而对既有铁路线形关注较少。

铁路线形主要包括平面线形和纵断面线形两类，是铁路选线设计阶段主要工作内容。目前铁路线形设计主要依靠简化数学模型以及相关动力学仿真结果，但这并不能完全考虑实际运营中的情况。受施工水平影响，实际建成的铁路线形是与设计线形也存在一定差异。此外，在运营过程中由于受到列车荷载作用，地基下沉等影响，既有铁路线形也会发生改变。为保证旅客乘车的安全性和舒适性，需要评估既有铁路线形对行车质量的影响，以指导既有铁路养护工作和新线设计工作。

目前既有铁路线形的养护工作主要内容包括实际线形评估、线形重构以及线形整正加固三部分。在对既有铁路线形的评估中，主要依靠工程测量技术获得既有铁路线形的几何特征，通过对比与设计线形之间的差异，对既有铁路线形状态做出评价，指导做出养护维修。为保证运营质量，运营维护单位每隔一定时间，都会安排既有铁路几何线形的测量工作。

但是，这种方式更多的是关注静态或准静态条件下的既有铁路线形状态，总的来看存在以下缺点。

(1)费时、费力、成本高。由于工程测量技术较为成熟，目前既有铁路线形几何状态复测工作主要采用工程测量方法进行。但是这种方法需要测量人员上道测量，因此效率较低，且容易发生人为错误。采用人工测量方法测量既有线路的线形，项目周期长，管理难度较大，难以适应铁路运营里程快速增长的实际情况。

(2)忽略了车辆-轨道系统的耦合作用。现有技术中更多关注的是静态或准静态条件下轨道几何线形状态，而依据静态或准静态轨道几何线形参数不能够真实评价线形要素对行车安全性和舒适性的影响，对线形评价也存在片面性。

(3)以设计线形作为参考标准。既有铁路线形状态评估主要依据是设计线形，也就数说与设计线形差异越大，所得到的评价结果也就越差。而在既有铁路养护工作中，也会尽量将实际线形向设计线型靠拢。由于设计线形不能将所有真实情况考虑在内，因此设计线形下的行车质量不一定是最佳的。

(4)现有方案测量周期较长，不能实时掌握线路线形演变状态

现有方案由于耗时耗力，实施成本高，两次测量评估之间存在较长的间隔周期。而既有铁路在运营过程中不断承受列车动荷载以及下步基础变形的影响，线形始终处于一个变化的状态。现有方案间隔周期较长，不能及时掌握铁路线形演变状态，是铁路安全运营中的隐患。

基于上述研究，本公开提供了一种既有铁路线形评估方法及系统，以改善上述问题。

请结合参阅图1，本公开提供的既有铁路线形评估方法应用于图1所示的既有铁路线形评估系统100，由所述既有铁路线形评估系统100执行本公开所提供的既有铁路线形评估方法。所述既有铁路线形评估系统100包括数据处理装置10、获取装置20、存储器30以及处理器40；所述存储器30以及处理器40各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互直接可通过一条或多条通讯总线或信号线实现电性连接。所述数据处理装置10包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器30中的软件功能模块，所述处理器40通过运行存储在存储器30内的软件程序以及模块，从而执行各种功能应用以及数据处理。

所述存储器30可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。

所述处理器40可以是一种集成电路芯片，具有信号的处理能力。所述处理器40可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等。

请结合参阅图2，图2为本公开所提供的既有铁路线形评估方法的一种流程示意图，下面对图2所示的既有铁路线形评估方法的具体流程进行详细阐述。

步骤S10：获取预设时间段内列车运行的多类状态数据。

其中，所述多类状态数据包括列车车体的角速度数据、加速度数据以及车内噪音数据。

轨道交通突出特点是列车沿固定轨道运行，因此列车的运动姿态与铁路线形具有极强的映射关系。如图3所示，图3为车体角速度与铁路线形的映射关系示意图。车体的角速度是车体姿态变化速度的度量，而车体姿态取决于铁路线形，因此车体的角速度以及角加速度可以用于描述铁路线形状态及其变化快慢。

列车在运行过程中，铁路的圆曲线、缓和曲线以及夹直线等部位，易引起车-轨系统异常振动与噪声。异常振动与噪声传递至车内，将会严重影响旅客乘车舒适性。因此，可以将车体振动以及车内噪音作为运营质量评价指标来评估铁路线形，而车体的振动状况可以通过车体的加速度来反映。

本公开提供的既有铁路线形评估方法，以列车运行过程中列车的角速度以及角加速度来表示铁路线形状态以及线形状态变化的快慢，以列车的振动加速度以及轮轨的噪音作为评价指标，来反映列车运行质量，相比于以设计线形作为评价依据，本公开在一定程度上考虑既有线路线形对列车运行的影响，更接近真实情况，且本公开不以设计线形作为评价依据，而以运营过程列车的振动加速度以及轮轨噪音作为评价指标，因此可以将评价结果用于指导其他铁路线路的线形设计工作。

所述列车车体的角速度数据、加速度数据以及车内噪音数据由所述既有铁路线形评估系统100中的获取装置20获取。可选的，所述获取装置20包括三向陀螺仪、加速度传感器以及声音传感器，所述三向陀螺仪用于获取所述角速度数据，所述加速度传感器用于获取所述加速度数据，所述声音传感器用于获取所述车内噪音数据。

本公开获取的多类状态数据都可以在运行车辆上实时测量得到，因此，可实现列车运营期间的不间断测量，相比于传统方法的测量过程，这种测量方式效率更高，成本更低，时间周期也更短，且能够更好地监控既有铁路线形演变状态。

在获取得到所述预设时间段内列车运行的多类状态数据后，执行步骤S20。

步骤S20：对各所述状态数据进行处理，得到处理后的各所述状态数据。

进一步的，请结合参阅图4，所述多类状态数据包括列车车体的角速度数据以及车内噪音数据；所述对各所述状态数据进行处理，得到处理后的各所述状态数据的步骤包括步骤S21至步骤S23。

步骤S21：对所述角速度数据进行低通滤波，得到滤波后的所述角速度数据。

请结合参阅图5，图5为本公开提供的角速度数据低通滤波的一种示意图。在采用陀螺仪传感器测量车体的角速度数据的过程中，由于受到传感器自身噪声以及车体振动影响，所获得的数据存在一定的高频噪声，而实际上由铁路线形变化引起车体空间姿态的变化是一个较为平缓的过程。因此，在获得所述角速度数据后，为去除高频噪声干扰，需要对所述角速度数据进行低通滤波。

步骤S22：对滤波后的所述角速度数据进行计算，得到所述列车车体的角加速度数据。

角速度能够反映铁路线形状态，而角加速度则可以描述铁路线形变化的快慢。利用角速度与角加速度之间的一阶导数关系，对角速度信号进行一阶求导，以获得车体的角加速度。由于获取到的所述角速度数据为离散数据，因此，在获取到所述角速度数据，对所述角速度数据滤波处理后，通过公式(1)即可得到某一时刻的角加速度。

其中，α_i为i时刻的角加速度，ω_i+1为i+1时刻角速度，ω_i为i时刻的角速度，Δt为采样间隔。

对所述角速度数据进行低通滤波，不仅消除了所述角速度数据的高频噪声，也避免了公式(1)求角加速度的异常畸变。

步骤S23：对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值。

可选的，本公开采用车内噪音A声压级作为车内噪音评价指标，来反映车内噪音水平。为获得车内噪音的A声压级，首先需要对获取的所述车内噪音数据使用A计权滤波器进行滤波处理，得到所述车内噪音数据的A计权声压值。请结合参阅图6，图6所示为A计权网络的计权曲线，该计权曲线反映了人耳在不同频率下对声压信号的感受。

进一步的，请结合参阅图7，所述多类状态数据还包括所述列车车体的加速度数据，在对所述车内噪音数据进行滤波处理，得到所述车内噪音数据的A计权声压值之后，所述方法还包括步骤S24至步骤S26。

步骤S24：对所述预设时间段进行分帧处理，得到分帧后的多个第二时间帧。

车体的角速度、角加速度、车体振动的加速度以及车内噪音属于时变非稳态信号，但较短的一个时间窗口内可以认为状态是不变的。因此，通过对所述预设时间段分帧处理，得到分帧后的多个第二时间帧，以等时间长度的第二时间帧作为基本研究单位，可以有效地提高后续数据的分析效率。

请结合参阅图8，为避免数据信号在相邻的两个第二时间帧之间发生突变，保证数据信号的连续性，本公开在相邻的两个第二时间帧之间设置重叠区间。可选的，在本公开中，所述第二时间帧的帧长小于1秒。

步骤S25：对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理。

由于各所述第二时间帧的时间间隔较小，各所述第二时间帧内的数据信号可以认为处于稳定状态，因此，针对各所述第二时间帧，可以用数据信号的一个指标来反映该第二时间帧内的数据信号总体水平，实现原始数据的稀疏化。进一步的，针对每一个所述第二时间帧，以该第二时间帧内的角速度数据的平均值作为指标来反映该第二时间帧的角速度，以该第二时间帧内的角加速度数据的平均值作为指标来反映该第二时间帧的角加速度，以该第二时间帧的加速度数据的标准差作为指标来反映该第二时间帧的加速度，以及以车内噪音数据的A计权声压值的均方根值作为指标来反映该第二时间帧内的车内噪音数据的A计权声压级。

进一步的，请结合参阅图9，所述对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理的步骤包括步骤S251至步骤S254。

步骤S251：针对每一个所述第二时间帧，对该第二时间帧内的角加速度数据和角速度数据计算平均值，得到该第二时间帧内的角加速度数据和角速度数据的平均值。

由于车体的角速度以及角加速度变化较为平缓，在所述第二时间帧内可以利用所述角速度数据以及角加速度数据的平均值来反映所述第二时间帧内的角速度和角加速度的总体水平。

因此，第i个第二时间帧的角速度和角加速度可以分别用公式(2)和公式(3)计算得到。

其中，ω_i为第i个第二时间帧的角速度，n为第i个第二时间帧内角速度的数据点个数，ω_ij为第i个第二时间帧中第j个角速度数据点。

其中，α_i为第i个第二时间帧的角加速度，n为第i个第二时间帧内角加速度的数据点的个数，ω_ij为第i个第二时间帧中第j个角加速度数据点。

步骤S252：针对每一个所述第二时间帧，对该第二时间帧内的加速度数据计算标准差，得到该第二时间帧内的加速度数据的标准差。

其中，加速度数据反映了车体振动特征，为了避免加速度数据中直流分量的影响。针对每一个所述第二时间帧，本公开以该第二时间帧内加速度数据的标准差来反映该第二时间帧内的加速度信号的波动剧烈程度。

因此，第i个第二时间帧内的加速度可以由公式(4)计算得到：

其中，a_i为第i个第二时间帧内的加速度，n为第i个第二时间帧内加速度的数据点的数目，a_ij为第i个第二时间帧中第j个加速度数据点，μ_i为第i个第二时间帧所有加速度数据点的平均值，表示加速度数据中的直流成分。

步骤S253：针对每一个所述第二时间帧，对该第二时间帧内的车内噪音数据的A计权声压值计算均方值，得到该第二时间帧内的车内噪音数据的A计权声压值的均方根值。

步骤S254：根据该第二时间帧内的车内噪音数据的A计权声压值的均方根值，得到该第二时间帧内的车内噪音数据的A计权声压级。

可选的，本公开采用A声级作为指标来反映车内噪音水平。第i个第二时间帧内的A计权声压级可以由公式(5)计算得到：

dB(A)_i＝20log10(P_i/P_ref) (5)

其中，dB(A)_i为第i个第二时间帧内的A计权声压级，P_ref为在空气中的参考声压，设置为2*10E-5Pa，P_i为第i个第二时间帧内车内噪音数据的A计权声压值的均方根值，可以由式(6)计算得到：

其中，n为第i个第二时间帧内车内噪音数据点的数目，P_ij为第i个第二时间帧内中第j个A计权声压值数据点。

在对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理后，执行步骤S26。

步骤S26：针对每一个所述第二时间帧，对该第二时间帧内的处理后的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行归一化处理。

为了方便数据处理以及避免大数吃小数情况的发生，需要处理后的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行归一化处理。可选的，本公开采用线性归一化方法将处理后的数据映射到(0，1)区间，转换函数如公式(7)所示。其中，角速度数据以及角加速度数据的正负符号仅表示方向。

对于任意一种处理后的数据来说，针对每一个所述第二时间帧，x为该第二时间帧中处理后的数据，x*为映射值，max是在所有第二时间帧中，该数据的最大值，min是在所有第二时间帧中，该数据的最小值。例如，对于处理后的角速度数据来说，针对每一个所述第二时间帧，x为该第二时间帧内角速度数据的平均值，即处理后的角速度数据，x*为映射到(0，1)区间中的映射值，max是在所有第二时间帧中，角速度数据的最大值，min是该数据在所有第二时间帧中，角速度数据的最小值。

这种归一化方法较为简单，且不改变原始数据分布，在后续相关分析中具有较好的效果。

对每一个所述第二时间帧的各数据处理后，对所有的所述第二时间帧中处理后的数据进行连接，即可得到各数据的变化趋势，例如图8，对每一个所述第二时间帧中加速度数据处理后，得到每一个所述第二时间帧中的加速度数据的标准差值，对每一个所述第二时间帧中的加速度数据的标准差值归一化处理后，将所有的所述第二时间帧中的加速度数据的标准差值按照时间先后连接，即可得到加速度数据的变化趋势曲线，根据加速度数据的变化趋势曲线，即可得到车体振动强度(加速度标准差)随列车运行的变化趋势。同样的，对于处理后的角速度数据、角加速度数据以及车内噪音数据的A计权声压值，也可以得到随列车运行的变化趋势，例如，对每一个所述第二时间帧中角速度数据处理后，得到每一个所述第二时间帧中的角速度数据的平均值，对每一个所述第二时间帧中的角速度数据的平均值归一化处理后，将所有的所述第二时间帧中的角速度数据的平均值按照时间先后连接，即可得到角速度数据的变化趋势曲线，根据角速度数据的变化趋势曲线，即可得到车体转动角速度随列车运行的变化趋势。

请返回结合参阅图2，在对各所述状态数据归一化处理后，执行步骤S30。

步骤S30：对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合。

车体转动的角速度数据和角加速度数据的变化可以反映铁路线形状态及铁路线形状态变化的快慢，而车体振动的加速度数据的标准差以及车内的噪音数据的A声级则可以反映列车运行质量。

所述角速度数据包括点头角速度数据、摇头角速度数据以及侧滚角速度数据；所述角加速度数据包括点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据；所述加速度数据包括横向加速度数据以及垂向加速度数据。

车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据用于反映铁路线形的变化及其变化的快慢，而车体的垂、横向加速度数据的标准差以及车内噪音的A声级则用于描述列车运行质量的变化。

进一步的，所述对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合的步骤包括以下步骤。

对处理后的所述点头角速度数据、摇头角速度数据、侧滚角速度数据点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与处理后的所述横向加速度数据、垂向加速度数据以及车内噪音数据的A计权声压级进行组合，以得到多个相关性组合。

请结合参阅图10，为研究多种铁路线形变化对列车运行质量的影响，本公开进行如图10所示的组合。对处理后的所述点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与处理后的所述横向加速度数据、垂向加速度数据以及车内噪音数据的A计权声压级进行组合，得到多个相关性组合。其中多个相关性组合包括点头角速度数据分别与横向加速度数据、垂向加速度数据以及车内噪音数据的A声压级的相关性组合；摇头角速度数据分别与横向加速度数据、垂向加速度数据以及车内噪音数据的A声压级的相关性组合；侧滚角速度数据分别与横向加速度数据、垂向加速度数据以及车内噪音数据的A声压级的相关性组合；点头角加速度数据分别与横向加速度数据、垂向加速度数据以及车内噪音数据的A声压级的相关性组合；摇头角加速度数据分别与横向加速度数据、垂向加速度数据以及车内噪音数据的A声压级的相关性组合；侧滚角加速度数据分别与横向加速度数据、垂向加速度数据以及车内噪音数据的A声压级的相关性组合。在得到多个相关性组合后，执行步骤S40。

步骤S40：对所述预设时间段进行分帧处理，得到分帧后的多个第一时间帧。

由于相关性分析描述的是两序列之间波形变化的一致性，两个单点是无法进行相关性分析的，为了充分体现数据的变化特征，则需要截取一定的长度的数据信号序列进行分析，因此，在对各所述相关性组合进行相关性分析时，对所述预设时间段进行分帧处理，得到多个第一时间帧，在本公开中，所述第一时间帧的时间长度大于所述第二时间帧。如图11所示，为了能准确定位，所截取的序列长度不易过长，即所述第一时间帧的长度不易过长，可选的，所述第一时间帧的长度可以为10-20s。

在对所述预设时间段进行分帧处理，得到分帧后的多个第一时间帧后，执行步骤S50。

步骤S50：对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵。

进一步的，对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵的流程可以通过流程1和流程2实现。

流程1：针对各所述第一时间帧内的每一个所述相关性组合，计算该相关性组合的相关性系数。

其中，本公开采用相关系数ρ的绝对值来描述铁路线形特征的影响，相关系数ρ越大对这说明铁路线形变化对列车运行状态恶化影响越大。

计算相关性系数的公式为

ρ为相关性系数，Cov(X,Y)为序列X和序列Y的协方差，σ_X和σ_Y分别为序列X和Y的标准差，序列X为所述相关性组合中的多类状态数据中的任意一种状态数据，序列Y为所述相关性组合中的多类状态数据中不同于序列X的任意一种状态数据。

可选的，序列X为所述相关性组合中的列车运行中的姿态数据中的任意一种数据，即序列X为点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据中的任意一种数据，序列Y为所述相关性组合中的列车运行中的响应数据中的任意一种数据，即序列Y为横向加速度数据、垂向加速度数据以及车内噪音数据的A计权声压级中的任意一种数据；又或者，序列X为所述相关性组合中的列车运行的响应数据中的任意一种数据，即序列X为横向加速度数据、垂向加速度数据以及车内噪音数据的A计权声压级中的任意一种数据，序列Y为所述相关性组合中的列车运行中的姿态数据中的任意一种数据，即序列Y为点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据中的任意一种数据。

例如，所述相关性组合为点头角速度数据与横向角速度数据的组合，若点头角速度数据为序列X，则横向加速度为序列Y，若点头角速度数据为序列Y，则横向加速度为序列X。

流程2：将各所述相关性组合的相关性系数按照时间顺序进行拼接，以得到所述相关性系数矩阵。

根据上述公式(8)得到各所述相关性组合的相关性系数后，将所有的所述第一时间帧内的各所述相关性组合的相关性系数按照时间顺序进行拼接，即可得到所述相关性系数矩阵，例如，在得到各所述第一时间帧内的点头角速度数据与横向加速度数据相关性组合的相关性系数后，将所有的所述第一时间帧的点头角速度数据与横向加速度数据相关性组合的相关性系数按照时间顺序进行拼接，同样，在得到各所述第一时间帧内的其他相关性组合的相关性系数后，对所有的所述第一时间帧内的其他相关性组合的相关性系数按照时间顺序进行拼接，即可得到相关性系数矩阵，如图12，图12为所述相关性系数矩阵的云图，所述相关性系数矩阵包括各所述相关性组合的相关性系数。

步骤S60：根据所述相关性系数矩阵，对既有铁路线形进行评估。

在得到所述相关性系数矩阵后，即可利用所述相关性系数矩阵对既有铁路线形进行评估。如图12，利用该云图，可以直观地发现由既有铁路线形变化引起列车运营质量恶化的位置与时间点，进而对既有铁路线形做出有效评估。图12中，亮度越高的区域表示该区域对应的既有铁路线形的变化越大，列车运营质量越差。

利用所述相关性系数矩阵的云图可以直观地发现由既有铁路线形变化引起列车运营质量恶化的位置，同时也为既有铁路线形变化的相应原因分析提供一定的帮助。

进一步的，为了对既有铁路线形进行综合评估，本公开采用综合评价系数P，即各所述相关性组合的相关性系数之和对既有铁路线形进行综合评估。根据所述综合评价系数对既有铁路线形进行评估的流程可以通过流程3和4实现。

流程3：根据各所述相关性组合的相关性系数，得到综合评价系数。

其中，根据各所述相关性组合的相关性系数，得到综合评价系数的公式为

P_i为第i个第一时间帧内的综合评价系数；j＝1,2...,6分别表示所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据；H_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的横向加速度数据的相关性系数；V_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的垂向加速度数据的相关性系数；A_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的噪音数据的声压级的相关性系数；W₁、W₂以及W₃分别为预设的权重系数，根据列车实际运行情况而设定。

流程4：根据所述综合评价系数对既有铁路线形进行评估。

根据上述公式(9)计算到各所述第一时间帧的综合评价系数后，将所有的所述第一时间帧的综合评价系数进行拼接，即可对既有铁路线形进行综合评估。

本公开提供的既有铁路线形评估方法，通过实时获取列车运行的状态数据，根据列车运行的状态数据对既有铁路线形进行评估，相比于静态或准静态条件下既有铁路线形的评估，本公开考虑到列车运行对既有铁路线形的影响，能较真实的反映出既有铁路线形要素对行车安全性和舒适性的影响。

进一步的，请结合图1和图13，本公开提供的一种既有铁路线形评估系统100，包括获取装置20以及数据处理装置10，所述数据处理装置10包括处理模块11、组合模块12、分析模块13以及评估模块14。

所述获取装置20用于获取预设时间段内列车运行的多类状态数据。

所述处理模块11用于对各所述状态数据进行处理，得到处理后的各所述状态数据。

所述组合模块12用于对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合。

所述分析模块13用于对所述预设时间段进行分帧处理，得到分帧后的多个第一时间帧，并对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵。

所述评估模块14用于根据所述相关性系数矩阵，对既有铁路线形进行评估。

进一步的，所述多类状态数据包括列车车体的角速度数据以及车内噪音数据。

所述处理模块11用于对所述角速度数据进行低通滤波，得到滤波后的所述角速度数据。

所述处理模块11用于对滤波后的所述角速度数据进行计算，得到所述列车车体的角加速度数据。

所述处理模块11用于对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值。

所述多类状态数据还包括所述列车车体的加速度数据，在对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值之后，所述处理模块11还用于对所述预设时间段进行分帧处理，得到分帧后的多个第二时间帧；

所述处理模块11还用于对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理；

所述处理模块11还用于针对每一个所述第二时间帧，对该第二时间帧内的处理后的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行归一化处理。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的既有铁路线形评估系统100的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

综上，本公开提供的既有铁路线形评估方法及系统，通过以列车运行过程中列车的角速度以及角加速度来表示既有铁路线形状态以及线形状态变化的快慢，以列车的振动加速度以及轮轨噪音作为评价指标，来反映列车运行质量，相比于以设计线形作为评价依据，本公开在一定程度上考虑既有线路线形对列车运行的影响，更接近真实情况，且本公开不以设计线形作为评价依据，而是以运营过程列车的振动加速度以及轮轨噪音作为评价指标，因此可以将评价结果用于指导其他铁路线路的线形设计工作。

除此之外，本公开提供的既有铁路线形评估方法，通过实时获取列车运行的状态数据，根据列车运行的状态数据对铁路线形进行评估，相比于静态或准静态条件下既有铁路线形的评估，本公开考虑到列车运行对既有铁路线形的影响，能较真实的反映出既有铁路线形要素对行车安全性和舒适性的影响，及时掌握既有铁路线形演变状态，效率高且不影响列车的正常运行。

在本公开所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本公开的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本公开各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，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。在没有更多限制的情况下，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。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

以上所述仅为本公开的可选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (8)

1.一种既有铁路线形评估方法，其特征在于，应用于既有铁路线形评估系统，所述方法包括：

获取预设时间段内列车运行的多类状态数据；

对各所述状态数据进行处理，得到处理后的各所述状态数据；

对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合；

对所述预设时间段进行分帧处理，得到分帧后的多个第一时间帧；

对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵；

根据所述相关性系数矩阵，对既有铁路线形进行评估；

所述多类状态数据包括列车车体的角速度数据以及车内噪音数据；所述对各所述状态数据进行处理，得到处理后的各所述状态数据的步骤包括：

对所述角速度数据进行低通滤波，得到滤波后的所述角速度数据；

对滤波后的所述角速度数据进行计算，得到所述列车车体的角加速度数据；

对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值。

2.根据权利要求1所述的既有铁路线形评估方法，其特征在于，所述多类状态数据还包括所述列车车体的加速度数据，在对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值之后，所述方法还包括：

对所述预设时间段进行分帧处理，得到分帧后的多个第二时间帧；其中，所述第二时间帧的时间长度小于所述第一时间帧；

对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理；

针对每一个所述第二时间帧，对该第二时间帧内的处理后的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行归一化处理。

3.根据权利要求2所述的既有铁路线形评估方法，其特征在于，所述对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理的步骤包括：

针对每一个所述第二时间帧，对该第二时间帧内的角加速度数据和角速度数据计算平均值，得到该第二时间帧内的角加速度数据和角速度数据的平均值；

针对每一个所述第二时间帧，对该第二时间帧内的加速度数据计算标准差，得到该第二时间帧内的加速度数据的标准差；

针对每一个所述第二时间帧，对该第二时间帧内的车内噪音数据的A计权声压值计算均方值，得到该第二时间帧内的车内噪音数据的A计权声压值的均方根值；

根据该第二时间帧内的车内噪音数据的A计权声压值的均方根值，得到该第二时间帧内的车内噪音数据的A计权声压级。

4.根据权利要求3所述的既有铁路线形评估方法，其特征在于，所述角速度数据包括点头角速度数据、摇头角速度数据以及侧滚角速度数据；所述角加速度数据包括点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据；所述加速度数据包括横向加速度数据以及垂向加速度数据；

所述对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合的步骤包括：

对处理后的所述点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与处理后的所述横向加速度数据、垂向加速度数据以及车内噪音数据的A计权声压级进行组合，以得到多个相关性组合。

5.根据权利要求4所述的既有铁路线形评估方法，其特征在于，所述对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵的步骤包括：

针对各所述第一时间帧内的每一个所述相关性组合，计算该相关性组合的相关性系数；

将各所述相关性组合的相关性系数按照时间顺序进行拼接，以得到所述相关性系数矩阵；

其中，计算相关性系数的公式为

ρ为相关性系数，Cov(X,Y)为序列X和序列Y的协方差，σ_X和σ_Y分别为序列X和Y的标准差，序列X为所述相关性组合中的多类状态数据中的任意一种状态数据，序列Y为所述相关性组合中的多类状态数据中不同于序列X的任意一种状态数据。

6.根据权利要求5所述的既有铁路线形评估方法，其特征在于，所述相关性系数矩阵包括各所述相关性组合的相关性系数；所述方法还包括：

根据各所述相关性组合的相关性系数，得到综合评价系数；

根据所述综合评价系数对既有铁路线形进行评估；

其中，根据各所述相关性组合的相关性系数，得到综合评价系数的公式为

P_i为第i个第一时间帧内的综合评价系数；j＝1,2...,6分别表示所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据；H_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的横向加速度数据的相关性系数；V_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的垂向加速度数据的相关性系数；A_ij表示第i个第一时间帧内所述列车车体的点头角速度数据、摇头角速度数据、侧滚角速度数据、点头角加速度数据、摇头角加速度数据以及侧滚角加速度数据分别与所述列车车体的噪音数据的声压级的相关性系数；W₁、W₂以及W₃分别为预设的权重系数。

7.一种既有铁路线形评估系统，其特征在于，包括获取装置以及数据处理装置，所述数据处理装置包括处理模块、组合模块、分析模块以及评估模块；

所述获取装置用于获取预设时间段内列车运行的多类状态数据；

所述处理模块用于对各所述状态数据进行处理，得到处理后的各所述状态数据；

所述组合模块用于对处理后的各所述状态数据进行相关性分析组合，得到多个相关性组合；

所述分析模块用于对所述预设时间段进行分帧处理，得到分帧后的多个第一时间帧，并对各所述第一时间帧内的各所述相关性组合进行相关性分析，得到相关性系数矩阵；

所述评估模块用于根据所述相关性系数矩阵，对既有铁路线形进行评估；

所述多类状态数据包括列车车体的角速度数据以及车内噪音数据；

所述处理模块用于对所述角速度数据进行低通滤波，得到滤波后的所述角速度数据；

所述处理模块用于对滤波后的所述角速度数据进行计算，得到所述列车车体的角加速度数据；

所述处理模块用于对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值。

8.根据权利要求7所述的既有铁路线形评估系统，其特征在于，所述多类状态数据还包括所述列车车体的加速度数据，在对所述车内噪音数据进行A计权滤波处理，得到所述车内噪音数据的A计权声压值之后，所述处理模块还用于对所述预设时间段进行分帧处理，得到分帧后的多个第二时间帧；

所述处理模块还用于对各所述第二时间帧内的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行处理；

所述处理模块还用于针对每一个所述第二时间帧，对该第二时间帧内的处理后的所述角速度数据、角加速度数据、加速度数据以及车内噪音数据的A计权声压值进行归一化处理。

Images