CN115062697A - 轨道不平顺识别方法、系统、计算机设备及可读存储介质 - Google Patents
轨道不平顺识别方法、系统、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN115062697A CN115062697A CN202210648355.6A CN202210648355A CN115062697A CN 115062697 A CN115062697 A CN 115062697A CN 202210648355 A CN202210648355 A CN 202210648355A CN 115062697 A CN115062697 A CN 115062697A
- Authority
- CN
- China
- Prior art keywords
- track
- static
- data
- dynamic
- rail
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000003068 static effect Effects 0.000 claims abstract description 190
- 238000007689 inspection Methods 0.000 claims abstract description 181
- 238000012937 correction Methods 0.000 claims abstract description 62
- 238000003466 welding Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 96
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 229910000679 solder Inorganic materials 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 239000004570 mortar (masonry) Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 101000606504 Drosophila melanogaster Tyrosine-protein kinase-like otk Proteins 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01B—PERMANENT WAY; PERMANENT-WAY TOOLS; MACHINES FOR MAKING RAILWAYS OF ALL KINDS
- E01B35/00—Applications of measuring apparatus or devices for track-building purposes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明提供了一种轨道不平顺识别方法、系统、计算机设备及可读存储介质,通过获取待检测轨道的动态轨检数据以及静态轨检数据,采用基于轨道线路的焊接接头特征对静态轨检数据进行里程偏差修正,采用里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并利用插值算法使得所述动态轨检数据和静态轨检数据进行里程对齐,可以准确识别出轨道不平顺区域在待检测轨道的确切里程位置,有效指导检修人员进行现场检修。
Description
技术领域
本发明属于铁路轨道检测技术领域,具体地涉及一种轨道不平顺识别方法、系统、计算机设备及可读存储介质。
背景技术
由于铁路轨道的基础结构要求具有较高的稳定性和平顺性才能保证列车在高速运行中保持安全与平稳。其中,无砟轨道在服役阶段常见CA砂浆层破碎和轨道不平顺等病害,严重影响行车安全。在无砟轨道服役阶段,由于轨道长期暴露于大气之中,太阳曝晒、冷空气侵袭、降雨降雪等导致的温度变化以及轮轨动载荷等原因造成在较大CA砂浆层脱空区域,轨道板会出现两端翘曲或中间拱起等病害,使钢轨被迫发生变形,降低轨道的平顺性,从而影响高速运行列车的舒适性、平稳性,甚至CA砂浆层破碎区域,轨道板会产生横向移位的可能,严重影响列车行进过程的安全性。
目前,高速铁路的覆盖范围广泛且里程较长,但是由于技术限制,当前没有很好的检测手段,仍然以人工现场观察为主,当轨道板拱起产生离缝且离缝值较大、离缝发展到轨道板边缘时才能被肉眼识别出来,轨道板中部隐蔽性的离缝很难依靠肉眼进行观测和识别。使用探地雷达时,受轨道板中密集的钢筋笼影响,离缝病害的识别效果很差;超声波探测法只能用于离缝处为中空的情况,若离缝中有雨水渗入则检测效果无法保证。因此,发明一种基于轨道几何状态检测数据进行深度分析,实现轨道不平顺智能化识别的手段,并依此有效指导轨道板养护与维修作业,具有显著的科学意义和工程应用价值。
发明内容
为了解决上述技术问题,本发明提供了一种轨道不平顺识别方法、系统、计算机设备及可读存储介质,通过基于轨道线路的焊接接头特征进行静态轨检数据的里程偏差修正和基于平面曲线特征点进行动态轨检数据的里程修正,并进一步对静态轨检数据以及动态轨检数据进行匹配,以获得动静轨检数据里程对齐的前提下有效识别待检测轨道的轨道不平顺区域。
第一方面,本申请提供一种轨道不平顺识别方法,包括:
步骤一:通过带载荷的轨道检查车行经待检测轨道后,获取与所述待检测轨道相关的动态轨检数据;并基于轨道线路的平面曲线特征点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据;
步骤二:通过无载荷的轨道检查仪行经所述待检测轨道后,获取与所述待检测轨道相关的静态轨检数据;并基于轨道线路的焊接接头特征对所述静态轨检数据进行里程偏差修正,获取里程偏差修正后的静态轨检数据;
步骤三:采用里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并进一步利用插值算法处理动态轨检数据与静态轨检数据,使得所述动态轨检数据和静态轨检数据进行里程对齐;
步骤四:将所述里程对齐后的动态轨检数据和静态轨检数据进行比较,如比较值溢出设定范围,则识别出引起溢出设定范围的轨道板区域为所述待检测轨道的轨道不平顺区域。
较佳地,所述步骤三中对动态轨检数据以及静态轨检数据进行匹配,是通过以静态轨检数据构建的静态数据序列X和以动态轨检数据构建的动态数据序列Y,基于DTW算法寻找静态数据序列X与动态数据序列Y总累计距离最小的路径
其中,规整路径
其中,静态数据序列X与动态数据序列Y的长度分别为M和N。
较佳地,通过DTW算法获取的静态数据序列X和动态数据序列Y中存在一对一对应关系的第一坐标点[x0,y0]、第二坐标点[x1,y1],以及存在一对多对应关系的静态数据x,其中,静态数据x在[x0,x1]之间的区间内;利用插值算法获取静态数据x对应的y的值:
较佳地,在所述步骤一中,通过轨道线路的平面曲线上的直缓点、缓圆点、圆缓点、以及缓直点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据。
较佳地,在所述步骤二中,采用寻峰算法提取静态轨检数据形成的数据波形图中的突变波峰位置为焊接接头里程。
较佳地,所述带载荷的轨道检查车以第一间隔里程进行采样获得动态轨检数据,所述无载荷的轨道检查仪以第二间隔里程进行采样获得静态轨检数据,其中第二间隔里程不同于第一间隔里程。
较佳地,在所述步骤四中,所述设定范围为轨道板变形波长,通过滤波器使得与轨道板变形波长对应的频率信号通过。
第二方面,本申请提供一种基于动静轨检数据匹配的轨道不平顺识别系统,包括:
动检里程修正模块,用于通过带载荷的轨道检查车行经待检测轨道后,获取与所述待检测轨道相关的动态轨检数据;并基于轨道线路的平面曲线特征点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据;
静检里程修正模块,用于通过无载荷的轨道检查仪行经所述待检测轨道后,获取与所述待检测轨道相关的静态轨检数据;并基于轨道线路的焊接接头特征对所述静态轨检数据进行里程偏差修正,获取里程偏差修正后的静态轨检数据;
动静检里程对齐模块,用于采用里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并进一步利用插值算法处理动态轨检数据与静态轨检数据,使得所述动态轨检数据和静态轨检数据对齐;
识别模块,用于将所述对齐后的动态轨检数据和静态轨检数据进行比较,如比较值溢出设定范围,则识别出引起溢出设定范围的轨道板区域为所述待检测轨道的轨道不平顺区域。
第三方面,本申请提供一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述轨道不平顺识别方法。
第四方面,本申请提供一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述轨道不平顺识别方法。
相比现有技术,本申请提供的轨道不平顺识别方法、系统、计算机设备及可读存储介质的有益效果为:通过采用基于轨道线路的焊接接头特征进行里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并进一步利用插值算法获得在动静轨检数据里程匹配对齐的前提下,有效识别待检测轨道的轨道不平顺区域。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于动静轨检数据匹配的轨道不平顺识别过程的示意图;
图2为图1所示在动态轨检数据中轨道线路的平面曲线特征点的示意图;
图3为图2所示在动态轨检数据中轨道线路的平面曲线特征点超高数据的示意图;
图4为本发明轨道线路动静检修正里程偏差前后对比波形图;
图5为本发明之一实施例DTW算法后获得的静态数据序列X和动态数据序列Y之间的匹配结果;
图6为本发明提供轨道线路动静检修正里程偏差前后对比波形图;
图7为本发明之一实施例提供轨道线路轨道不平顺引起的动静检高低幅值差值变化的示意图;
图8为本发明之另一实施例提供周期图法获得轨道动静检高低幅值差值的功率谱的示意图;
图9是本发明实施例二提供的与实施例一方法对应的轨道不平顺识别系统结构框图;
图10是本发明实施例三提供的计算机的结构示意图。
附图标记说明:
10-动检里程修正模块;
20-静检里程修正模块;
30-动静检里程对齐模块;
40-识别模块;
50-总线、51-处理器、52-存储器、53-通信接口。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
铁路轨道结构几何状态的好坏直接影响铁路行车的平稳性,舒适性和安全性。轨道动态检测,简称“动态轨检”,是指利用带载荷的轨道检查车或动检车在轨道线路上运行以获得动态轨检数据,来评估轨道质量情况,例如在轨道线路上是否存在轨道不平顺区域。如此,可以利用动检车对轨道线路在正常承载状况下的轨道质量进行快速的动态检测。
目前,仅仅利用轨道动态轨检信息,检测需要在长时间,例如几个月甚至一年以上时间内积累多次或大量的动态轨检数据进行比较与分析,才能监测并检查出轨道线路上正在发生和发展的轨道不平顺区域,因此其时效性较差。同时,仅仅利用轨道动态轨检信息对识别已经发生并稳定存在的轨道不平顺区域不具有敏感性。
本专利申请提出一种基于动静轨检数据匹配的轨道不平顺识别方法、系统、计算机设备及可读存储介质,采用基于轨道线路的焊接接头特征进行里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并利用插值算法获得在动静轨检数据里程对齐的前提下有效识别待检测轨道的轨道不平顺区域。以下将进一步述及。
实施例一
本实施例提供了一种轨道不平顺识别方法,图1所示为根据本申请实施例的轨道不平顺识别方法的流程图。如图1所示,该流程包括步骤S101~S104:
S101,通过带载荷的轨道检查车行经待检测轨道后,获取与所述待检测轨道相关的动态轨检数据;并基于轨道线路的平面曲线特征点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据。
对于动态轨检数据,由于在检测过程中轮径尺寸误差、人工操作误差、车轮运行不良(打滑、空转)等因素导致动态轨检原始数据里程与实际线路里程之间存在偏差,由于存在里程偏差使得动态轨检原始数据并不是最佳观测值,为修正动态轨检数据里程偏差,本申请采用轨道线路的平面曲线特征点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据,以获得动检车对轨道线路在正常承载状况下的实际轨道线路里程。在本发明的一个实施例中,所述带载荷的轨道检查车以第一间隔里程,例如一般以0.25米间隔进行数据采样,也就是相邻两采样点的距离固定为0.25米进行采样获得动态轨检数据。
在步骤S101,轨道线路的平面曲线,指的是轨道线路中弯道部分的线路,一般间隔几千米有一个轨道线路的弯道部分即轨道线路的平面曲线。由于轨道线路的平面曲线或弯道部分的存在,动检车或列车在行经轨道线路的弯道部分或平面曲线时会遭遇超高,这里“超高”指的是铁路曲线路段外轨和内轨的高度差,由于列车通过铁路曲线路段时有离心力,超高的设置可以将列车的重力的分力用作向心力,这样可以减少车轮和铁轨之间的磨耗。
如图2,在轨道线路的平面曲线上具备直缓点ZH、缓圆点HY、圆缓点YH、以及缓直点HZ共四个大特征点,其中四大特征点可表征轨道线路平面曲线的特殊位置。由于在动态轨检数据中,如图3轨道线路的平面曲线四大特征点处的超高数据具有非常明显的特征性。利用轨道线路的平面曲线四大特征点在超高数据中具有极强特征的特性,将其从动态轨检实测数据中识别出来,以轨道线路的平面曲线四大特征点作为主校正点,与台账数据中轨道线路的弯道部分对应的点进行匹配,以校正轨道线路的平面曲线四大特征点处的实际里程,此时在动态轨检数据中在轨道线路的平面曲线处的实际里程可以被准确确定,以此实现动态轨检数据里程偏差的初步修正。需要注意的是,由于轨道线路的弯道部分即轨道线路的平面曲线一般间隔几千米,采用步骤S101只能准确确定间隔几千米的轨道线路的平面曲线特征点上的实际里程,但在两个间隔几千米的轨道线路的弯道部分之间的线路上的各个点的实际里程尚未确定。
S102,通过无载荷的轨道检查仪行经所述待检测轨道后,获取与所述待检测轨道相关的静态轨检数据;并基于轨道线路的焊接接头特征对所述静态轨检数据进行里程偏差修正,获取里程偏差修正后的静态轨检数据。
在本发明的一个实施例中,所述无载荷的轨道检查仪以不同于第一间隔里程的第二间隔里程进行采样获得静态轨检数据,例如一般以0.125米间隔进行数据采样,也就是相邻两采样点的距离固定为0.125米进行采样获得静态轨检数据。
由于铁路轨道并非是一根完整钢轨而是由若干段固定长度,一般为100米的钢轨焊接组成,因此在连处接会留下焊接接头,虽然经过打磨处理,但在轨道检测数据中仍有所体现,在静态轨检数据中在焊接接头位置处具有极其明显的突变峰形。由于焊接接头是客观存在的,可作为轨道线路定位关键。因此,提取静态轨检数据中的焊接接头特征进行里程定位,对进一步修正静态轨检数据里程误差有积极的作用。
若只是将步骤S101动态轨检数据与未经过焊接接头里程修正的静态轨检数据直接匹配,在后续步骤S103基于动态轨检数据与静态轨检数据进行对应映射以分析轨道结构状态中,会出现只知存在轨道病害而不知待检测轨道的轨道不平顺区域,例如轨道板变形的确切的实际里程位置。一般情况下,静态轨检相较于动态轨检离散性更小,利用焊接接头特征来修正静态轨检数据里程更加接近于轨道线路实际里程,故以修正里程后的静态检测数据为基准,来校正动态轨检数据与静态轨检数据间里程偏差再继续后续轨道病害定位问题。因此,可利用焊接接头数据的特征来实现对轨道线路实测数据与台账数据对应焊接接头里程的位置进行匹配,可以在静态轨检数据中在轨道线路上间隔如100米焊接接头里程的点的实际里程可以被准确确定,以此修正静态轨检数据的里程偏差。
S103,采用里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并进一步利用插值算法处理动态轨检数据与静态轨检数据,使得所述动态轨检数据和静态轨检数据进行里程对齐。
具体地,静态轨检数据构建形成静态数据序列X,动态轨检数据构建形成动态数据序列Y。如图4中实线为动态数据序列Y形成的动态轨检曲线,虚线为静态数据序列X形成的静态轨检曲线,可知所述动态轨检曲线与静态轨检曲线在时域信号与频域信号上有所不同但两者为相似曲线,由于动态轨检曲线实质上是轨面静态几何不平顺(在静态轨检数据与动态轨检数据中均体现,在动态轨检数据与静态轨检数据中均具有敏感性)、以及轨道检查车对轨道线路在载荷作用下因轨道板与地基之间的离缝导致轨道刚度下降而产生的轨道动载形变(在动态轨检数据中体现且在动态轨检数据中具有敏感性,但在静态轨检数据中不体现且在静态轨检数据中不具有敏感性)的叠加。也就是说,在动态轨检数据中融合了静态轨检数据中的轨面静态几何不平顺信息和载荷引起的动载形变信息,因此,可以通过数据挖掘和特征提取,有效识别待检测轨道的轨道不平顺信息如轨道板变形,以下将进一步述及。
在本发明的一个较佳实施例中,基于此两相似的动态轨检曲线与静态轨检曲线,通过DWT(Dynamic Time Warping动态时间规整)算法对动态轨检数据以及静态轨检数据进行匹配,也就是将动态轨检数据与静态轨检数据进行对应;而在本发明的其他一些实施例中,采用其他的数据匹配函数,例如互相关函数匹配算法进行对应,互相关函数是对动静检数据相邻特征点间的区段进行精确匹配。在本发明的实施例,采用DWT算法寻找不同时间跨度的静态数据序列X与动态数据序列Y之间的总累计距离最小的路径
其中,规整路径
其中,静态数据序列X与动态数据序列Y的长度分别为M和N。
上述通过DWT算法,可以对动态数据序列Y及静态数据序列X进行匹配,如图4所示,也就是将静态数据序列X上的某一点与动态数据序列Y上的某一点或几点以最短距离进行对应;或者,将动态数据序列Y上某一点与静态数据序列X上的某一点或几点以最短距离进行对应,以形成动态轨检数据及静态轨检数据之间的对应关系。
需要注意的是,采用DWT算法对动态轨检数据以及静态轨检数据进行匹配获得动静检数据中检测点的对应关系,其中一对一对应的检测点动检里程值可直接平移至静检里程值来校正,而其它点处的动检数据里程则需要进行利用插值算法进行插值处理。如图5所示,采用DWT算法后,静态数据序列X上的点x0,与动态数据序列Y上的点y0形成一对一的对应关系;静态数据序列X上的点x1与动态数据序列Y上的点y1形成一对一的对应关系,而静态数据序列X上的点x与动态数据序列Y上的点形成一对多的对应关系,为此本专利申请利用插值算法获取静态数据x一对一对应关系的动态数据y的值。
为了说明清楚,我们先介绍下插值算法的原理,插值算法的原理为已知坐标点(x0,y0)、(x1,y1),在x处插值,可得到y的值;也就是,已知两个点(x0,y0)、(x1,y1)的坐标可以得到一条线,又已知线上一点的一个坐标x可以求得这个点的另一个坐标值
如图5,上述通过DTW算法获取静态数据序列X和动态数据序列Y中存在一对一对应关系的第一坐标点[x0,y0]、第二坐标点[x1,y1],以及存在一对多对应关系的静态数据x,其中,静态数据x在[x0,x1]之间的区间内;利用插值算法获取静态数据序列X的静态数据x存在一对一对应关系的动态数据y的值:
因此,通过插值算法可以进一步处理动态轨检数据与静态轨检数据,使得所述动态轨检数据和静态轨检数据进行里程对齐。也就是说,经过DTW算法和插值算法后,可获得动态数据序列Y上的动态轨检数据和静态数据序列X的静态轨检数据之间进行一对一对应关系即里程对齐,如图6所示为轨道线路动静检修正里程偏差前后对比波形图,下表4.1为线路动静检匹配效果。
表4.1 线路动静检匹配效果
相关系数 | 高低差值绝对平均值(mm) | |
修正前 | 0.0539 | 0.0207 |
修正后 | 0.9130 | 0.0021 |
由图6的线路动静检修正里程偏差前后对比波形图、与表4.1线路动静检匹配效果可以看出,经过精确匹配与修正后的动静检数据之间的里程偏差较原始数据得到了较大的修正,动静检数据的相关系数达到了0.9以上,表4.1中高低差值指的是动态轨检数据的高低幅值与静态轨检数据的高低幅值的差。根据对相关系数的划分,其相关程度已达到极强标准。因此,可以认为本专利申请采用里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,进一步利用插值算法处理动态轨检数据与静态轨检数据,使得动态轨检数据和静态轨检数据进行里程对齐,可以将动静态数据残余里程偏差进行有效地修正。
S104,将所述里程对齐后的动态轨检数据和静态轨检数据进行比较,如比较值溢出设定范围,则识别出引起溢出设定范围的轨道板区域为所述待检测轨道的轨道不平顺区域。
具体地,在本发明的一个实施例中,通过里程对齐后的动态轨检数据和静态轨检数据比较可直接获得动静轨检数据的幅值,如图7为一部分轨道线路轨道不平顺,例如轨道板变形引起的动静检高低幅值差值变化情况,其中横坐标为里程区段,纵坐标为动静高低幅值差,基于第一个波峰在22.7米和第二个波峰在29.2米,可以明显看出板变形位置引起的波峰相隔为6.5米左右。
在本发明的另一个实施例中,如图8采用周期图法获得轨道静检与动检高低幅值差值的功率谱,对变化频率进行换算后可确定轨道不平顺,例如轨道板变形波长为6.5米左右。
基于上述获得轨道不平顺波长为6.5米,将上述比较值溢出轨道板变形波长通过滤波器使得与轨道板变形波长对应的频率信号通过,可以寻找到轨道不平顺区域,例如轨道板变形所在确切实际里程位置,基于此锁定的轨道不平顺区域,例如轨道板变形的实际里程位置,可以有效指导检修人员进行现场检修。
综上,采用基于轨道线路的焊接接头特征进行里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,以获得在动静轨检数据里程对齐的前提下,以有效识别待检测轨道的轨道不平顺区域,相较于现有技术中需要在长时间内如几个月甚至一年以上时间内积累多次或大量采集动态轨迹数据进行分析,本申请可以在短时间内一次采集静态轨检数据和动态轨检数据后基于焊接接头数据的偏差修正后的静态轨检数据为基准,对动静轨检数据进行里程匹配并对齐,可以快速、准确、有效地识别出轨道不平顺区域在待检测轨道的确切实际里程位置,有效指导检修人员在有限的铁路天窗时间内进行现场检修。
实施例二
本实施例提供了与实施例一所述方法相对应的系统的结构框图。图9是根据本申请实施例的轨道不平顺识别系统的结构框图,如图9所示,该系统包括:
动检里程修正模块10,用于通过带载荷的轨道检查车行经待检测轨道后,获取与所述待检测轨道相关的动态轨检数据;并基于轨道线路的平面曲线特征点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据;
静检里程修正模块20,用于通过无载荷的轨道检查仪行经所述待检测轨道后,获取与所述待检测轨道相关的静态轨检数据;并基于轨道线路的焊接接头特征对所述静态轨检数据进行里程偏差修正,获取里程偏差修正后的静态轨检数据;
动静检里程对齐模块30,用于采用里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并利用插值算法处理动态轨检数据与静态轨检数据,使得所述动态轨检数据和静态轨检数据对齐;
识别模块40,用于将所述对齐后的动态轨检数据和静态轨检数据进行比较,如比较值溢出设定范围,则识别出引起溢出设定范围的轨道板区域为所述待检测轨道的轨道不平顺区域。
在本发明的一个实施例中,对动态轨检数据以及静态轨检数据进行匹配,通过以静态轨检数据构建的静态数据序列X和以动态轨检数据构建的动态数据序列Y,基于DTW算法寻找静态数据序列X与动态数据序列Y之间的总累计距离最小的路径
其中,规整路径
其中,静态数据序列X与动态数据序列Y的长度分别为M和N。
在本发明的一个实施例中,通过DTW算法获取静态数据序列X和动态数据序列Y中存在一对一对应关系的第一坐标点[x0,y0]、第二坐标点[x1,y1],以及存在一对多对应关系的静态数据x,其中,静态数据x在[x0,x1]之间的区间内;利用插值算法获取静态数据x对应的y的值
通过插值算法可以处理如图4动态轨检数据与静态轨检数据,使得所述动态轨检数据和静态轨检数据进行里程对齐。
本申请采用动态轨检数据基于几千米间隔的轨道线路的平面曲线特征点进行里程修正,静态轨检数据基于间隔如100米焊接接头进行里程偏差修正,采用动静轨检数据匹配对齐的前提下进行识别轨道不平顺区域,相较于现有技术中需要在长时间内如几个月甚至一年以上时间积累多次或大量采集动态轨迹数据进行分析,本申请可以在短时间内一次采集静态轨检数据和动态轨检数据后基于里程偏差修正后的动静轨检数据采用如DTW算法进行匹配,并利用插值算法处理动态轨检数据与静态轨检数据,可以快速、准确、有效地识别出轨道不平顺区域在待检测轨道的确切实际里程位置,有效指导检修人员进行现场检修。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
实施例三
结合图1所描述的本发明的轨道不平顺识别方法可以由计算机设备来实现。图10为根据本申请实施例的计算机设备的硬件结构示意图。
计算机设备可以包括处理器51以及存储有计算机程序指令的存储器42。
具体地,上述处理器51可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器52可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器52可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器52可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器42可在数据处理装置的内部或外部。在特定实施例中,存储器52是非易失性(Non-Volatile)存储器。在特定实施例中,存储器52包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器52可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器51所执行的可能的计算机程序指令。
处理器51通过读取并执行存储器52中存储的计算机程序指令,以实现上述实施例一的轨道不平顺识别方法。
在其中一些实施例中,计算机还可包括通信接口53和总线50。其中,如图10所示,处理器51、存储器52、通信接口53通过总线50连接并完成相互间的通信。
通信接口53用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口53还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线50包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线50包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线50可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线50可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到轨道不平顺识别系统,执行本申请实施例一的轨道不平顺识别方法,从而实现轨道不平顺识别。
另外,结合上述实施例一中的轨道不平顺识别方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例一的轨道不平顺识别方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种轨道不平顺识别方法,其特征在于,所述方法包括:
步骤一:通过带载荷的轨道检查车行经待检测轨道后,获取与所述待检测轨道相关的动态轨检数据;并基于轨道线路的平面曲线特征点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据;
步骤二:通过无载荷的轨道检查仪行经所述待检测轨道后,获取与所述待检测轨道相关的静态轨检数据;并基于轨道线路的焊接接头特征对所述静态轨检数据进行里程偏差修正,获取里程偏差修正后的静态轨检数据;
步骤三:采用里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并进一步利用插值算法处理动态轨检数据与静态轨检数据,使得所述动态轨检数据和静态轨检数据进行里程对齐;
步骤四:将所述里程对齐后的动态轨检数据和静态轨检数据进行比较,如比较值溢出设定范围,则识别出引起溢出设定范围的轨道板区域为所述待检测轨道的轨道不平顺区域。
4.根据权利要求1所述的轨道不平顺识别方法,其特征在于,在所述步骤一中,通过轨道线路的平面曲线上的直缓点、缓圆点、圆缓点、以及缓直点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据。
5.根据权利要求1所述的轨道不平顺识别方法,其特征在于,在所述步骤二中,采用寻峰算法提取静态轨检数据形成的数据波形图中的突变波峰位置为焊接接头特征。
6.根据权利要求1所述的轨道不平顺识别方法,其特征在于,所述带载荷的轨道检查车以第一间隔里程进行采样获得动态轨检数据,所述无载荷的轨道检查仪以第二间隔里程进行采样获得静态轨检数据,其中第二间隔里程不同于第一间隔里程。
7.根据权利要求1所述的轨道不平顺识别方法,其特征在于,在所述步骤四中,所述设定范围为轨道板变形波长,通过滤波器使得与轨道板变形波长对应的频率信号通过。
8.一种基于动静轨检数据匹配的轨道不平顺识别系统,其特征在于,包括:
动检里程修正模块,用于通过带载荷的轨道检查车行经待检测轨道后,获取与所述待检测轨道相关的动态轨检数据;并基于轨道线路的平面曲线特征点对所述动态轨检数据进行里程偏差修正,获取里程偏差修正后的动态轨检数据;
静检里程修正模块,用于通过无载荷的轨道检查仪行经所述待检测轨道后,获取与所述待检测轨道相关的静态轨检数据;并基于轨道线路的焊接接头特征对所述静态轨检数据进行里程偏差修正,获取里程偏差修正后的静态轨检数据;
动静检里程对齐模块,用于采用里程偏差修正后的静态轨检数据为基准,对动态轨检数据以及静态轨检数据进行匹配,并进一步利用插值算法处理动态轨检数据与静态轨检数据,使得所述动态轨检数据和静态轨检数据对齐;
识别模块,用于将所述对齐后的动态轨检数据和静态轨检数据进行比较,如比较值溢出设定范围,则识别出引起溢出设定范围的轨道板区域为所述待检测轨道的轨道不平顺区域。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的轨道不平顺识别方法。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一项所述的轨道不平顺识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648355.6A CN115062697B (zh) | 2022-06-09 | 2022-06-09 | 轨道不平顺识别方法、系统、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210648355.6A CN115062697B (zh) | 2022-06-09 | 2022-06-09 | 轨道不平顺识别方法、系统、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115062697A true CN115062697A (zh) | 2022-09-16 |
CN115062697B CN115062697B (zh) | 2024-03-22 |
Family
ID=83200183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210648355.6A Active CN115062697B (zh) | 2022-06-09 | 2022-06-09 | 轨道不平顺识别方法、系统、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062697B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115906497A (zh) * | 2022-12-05 | 2023-04-04 | 中国铁路设计集团有限公司 | 轨道交通线路区间轨道动态不平顺即时获取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112906782A (zh) * | 2021-02-07 | 2021-06-04 | 江西科技学院 | 基于dtw与最小二乘估计的轨道静态检查历史数据匹配方法 |
WO2021238673A1 (zh) * | 2020-05-29 | 2021-12-02 | 先临三维科技股份有限公司 | 牙齿扫描方法、装置、计算机设备和计算机可读存储介质 |
-
2022
- 2022-06-09 CN CN202210648355.6A patent/CN115062697B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021238673A1 (zh) * | 2020-05-29 | 2021-12-02 | 先临三维科技股份有限公司 | 牙齿扫描方法、装置、计算机设备和计算机可读存储介质 |
CN112906782A (zh) * | 2021-02-07 | 2021-06-04 | 江西科技学院 | 基于dtw与最小二乘估计的轨道静态检查历史数据匹配方法 |
Non-Patent Citations (2)
Title |
---|
朱洪涛;刘敏;魏晖;龙辉;: "高速铁路平面曲线特征点偏移接受域研究", 铁道建筑, no. 12, 20 December 2016 (2016-12-20) * |
汪鑫;王源;王平;王沂峰;: "高速铁路动检车检测数据里程误差评估与修正", 铁道标准设计, no. 07, 21 September 2017 (2017-09-21) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115906497A (zh) * | 2022-12-05 | 2023-04-04 | 中国铁路设计集团有限公司 | 轨道交通线路区间轨道动态不平顺即时获取方法 |
CN115906497B (zh) * | 2022-12-05 | 2024-03-26 | 中国铁路设计集团有限公司 | 轨道交通线路区间轨道动态不平顺即时获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115062697B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104634298B (zh) | 基于lidar轨道点云数据的既有铁路测量方法 | |
CN106815552B (zh) | 基于时频分析的数字信号后处理方法 | |
CN103221814A (zh) | 在大型复合材料结构物上的损伤位置定位方法及其装置 | |
CN107217576A (zh) | 一种基于fwd和3d探地雷达的道路质量检测方法及系统 | |
CN103543201B (zh) | 轴类零件径向超声自动探伤缺陷识别方法 | |
CN110745162A (zh) | 一种列车完整性检查方法及系统 | |
JP2012208043A (ja) | 鉄道構造物の振動特性同定方法および装置 | |
CN115062697A (zh) | 轨道不平顺识别方法、系统、计算机设备及可读存储介质 | |
CN108562639B (zh) | 一种埋地钢质管道全生命周期缺陷外检测方法 | |
CN108595374A (zh) | 高速铁路轨道几何微小变化识别方法及装置 | |
Yi et al. | A promising new tool for fault diagnosis of railway wheelset bearings: SSO-based Kurtogram | |
CN106225702A (zh) | 裂缝宽度检测装置和方法 | |
CN102890143B (zh) | 一种融合车速信息和前后轴箱加速度信息的轨道局部缺陷车载检测方法 | |
WO2024046034A1 (zh) | 一种地铁减振轨道减振效果在线测评方法 | |
CN105929025A (zh) | 一种基于时间与空间连续的车轮踏面与轨道故障检测方法 | |
CN109855771B (zh) | 一种基于钢轨竖向加速度功率谱密度检测温度力的方法 | |
CN110274582B (zh) | 一种道路曲线识别方法 | |
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 | |
CN105891756A (zh) | 接触网动态检测系统的精度验证方法 | |
CN107782548A (zh) | 一种基于对轨道交通工具零部件检测系统 | |
Elhattab | Drive-by bridge damage monitoring: Concise review | |
CN113447570A (zh) | 一种基于车载声学传感的无砟轨道病害检测方法及系统 | |
Silva et al. | Traffic monitoring using a structural health monitoring system | |
CN113063844A (zh) | 一种基于不同时间非接触检测对比管道磁场强度判断管道安全性的方法 | |
CN114491912A (zh) | 管道的应力腐蚀开裂开挖检测位置的确定方法及设备 |
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 |