CN116257651A - 一种贯通道渡板异响智能监测系统 - Google Patents
一种贯通道渡板异响智能监测系统 Download PDFInfo
- Publication number
- CN116257651A CN116257651A CN202310544889.9A CN202310544889A CN116257651A CN 116257651 A CN116257651 A CN 116257651A CN 202310544889 A CN202310544889 A CN 202310544889A CN 116257651 A CN116257651 A CN 116257651A
- Authority
- CN
- China
- Prior art keywords
- path
- abnormal
- path segment
- sound data
- abnormal sound
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及声音数据处理技术领域,具体涉及一种贯通道渡板异响智能监测系统,该系统包括:数据获取模块,用于获取待检测车辆不同弯曲类别的路径段,获取路径段的声音数据曲线、标准声音数据曲线和异常声音数据曲线;数据筛选模块,用于获取路径段的差异系数,对路径段进行筛选得到疑似异常路径段;第一分析模块,用于获取路径段的特征系数;获得疑似异常路径段的第一可能性指标;第二分析模块,用于获取第二可能性指标;异响判断模块,用于获取疑似异常路径段的异响程度指标;根据异响程度指标判断待检测车辆的贯通道渡板是否存在异响。本发明解决了车辆贯通道渡板的异响检测结果较不准确的问题,增加了待检测车辆贯通道渡板异响识别的准确率。
Description
技术领域
本发明涉及声音数据处理技术领域,具体涉及一种贯通道渡板异响智能监测系统。
背景技术
车辆在运行中部分贯通道渡板存在异响,检查发现渡板连杆中心销与渡板槽锁之间产生摩擦,在车辆运行通过曲线道路时,通过渡板连杆中心销带动渡板运动,连杆中心销与渡板槽锁相互接触摩擦产生噪音。针对渡板产生异响的问题,在连杆中心销与渡板槽锁相互接触摩擦位置添加润滑脂,改善接触摩擦环境,消除摩擦产生噪音的条件,从而解决渡板异响的问题。由于渡板摩擦产生异响,故可以根据异响判断是否出现摩擦,进而增加渡板使用寿命。
现有的方法通过车辆运行时的声音数据与贯通道渡板正常的车辆运行时的声音数据进行数据匹配,进而判断车辆的贯通道渡板是否存在异响,但是该方法受获取的贯通道渡板正常的车辆在运行时的声音数据的影响,导致车辆贯通道渡板的异响检测结果较不准确。
发明内容
为了解决车辆贯通道渡板的异响检测结果较不准确的技术问题,本发明的目的在于提供一种贯通道渡板异响智能监测系统,所采用的技术方案具体如下:
数据获取模块,用于获取待检测车辆的运行路径,将车辆运行路径划分为不同弯曲类别的路径段,获取车辆在每个路径段对应的声音数据曲线;并获取正常车辆在每个路径段对应的标准声音数据曲线以及异常声音数据曲线;
数据筛选模块,用于根据待检测车辆的每个路径段的声音数据曲线与标准声音数据曲线之间的差异得到路径段的差异系数,根据差异系数对路径段进行筛选得到疑似异常路径段;
第一分析模块,用于根据路径段的倾斜程度得到路径段的特征系数;根据疑似异常路径段的与其同一个类别内的路径段之间的声音数据曲线的差异、以及差异系数和特征系数,得到疑似异常路径段的第一可能性指标;
第二分析模块,用于根据疑似异常路径段的特征系数与其同一个类别内的路径段之间的声音数据曲线、异常声音数据曲线,得到疑似异常路径段的第二可能性指标;
异响判断模块,用于根据第一可能性指标、第二可能性指标和差异系数得到疑似异常路径段的异响程度指标;根据异响程度指标对疑似异常路径段进行筛选,判断待检测车辆的贯通道渡板是否存在异响。
优选地,所述根据待检测车辆的每个路径段的声音数据曲线与标准声音数据曲线之间的差异得到路径段的差异系数具体为:
将任意一个路径段记为选定路径段,获取选定路径段的声音数据曲线与选定路径段对应的标准声音数据曲线在对应位置处的声音数据之间的差异,将所有对应位置处的声音数据之间的差异的均值的归一化值作为选定路径段的差异系数。
优选地,所述根据差异系数对路径段进行筛选得到疑似异常路径段具体为:
将差异系数大于或等于预设的差异阈值对应的路径段记为疑似异常路径段。
优选地,所述根据路径段的倾斜程度得到路径段的特征系数具体为:
对于任意一个路径段,在路径段上等间隔获取设定数量个路径点,基于每个路径点的坐标,获取每个路径点对应的斜率,将路径段上所有路径点的斜率均值作为路径段的特征系数。
优选地,所述根据疑似异常路径段的与其同一个类别内的路径段之间的声音数据曲线的差异、以及差异系数和特征系数,得到疑似异常路径段的第一可能性指标,具体包括:
将任意一个疑似异常路径段记为目标路径段,将与目标路径段在同一个类别内的任意一个路径段记为相似路径段;
计算目标路径段的声音数据曲线与相似路径段的声音数据曲线之间的相似度,将相似度与相似路径段的差异系数、特征系数之间的乘积作为目标路径段与相似路径段的关联异响程度;
将目标路径段与其同一个类别内所有路径段的关联异响程度的均值作为目标路径段的第一可能性指标。
优选地,所述根据疑似异常路径段的特征系数与其同一个类别内的路径段之间的声音数据曲线、异常声音数据曲线,得到疑似异常路径段的第二可能性指标,具体包括:
获取正常车辆在目标路径段对应的标准声音数据曲线与异常声音数据曲线之间的DTW距离;
计算目标路径段的路径长度与运行路径的总长度的比值记为目标路径段的长度系数,将目标路径段的归一化后的特征系数与长度系数、DTW距离的乘积记为目标路径段的历史特征系数;将目标路径段的历史特征系数与所有路径段的历史特征系数的和值之间的比值作为目标路径段的历史特征程度;
计算目标路径段的历史特征程度与的差异系数的乘积,将目标路径段所在的类别内的所有路径段对应的该乘积均值作为目标路径段的第二可能性指标。
优选地,所述根据第一可能性指标、第二可能性指标和差异系数得到疑似异常路径段的异响程度指标具体为:
对于任意一个疑似异常路径段,将第一可能性指标与第二可能性指标、差异系数之间的乘积作为疑似异常路径段的异响程度指标。
优选地,所述根据异响程度指标对疑似异常路径段进行筛选,判断待检测车辆是否存在异响,具体包括:
当任意一个疑似异常路径段的异响程度指标的归一化值大于预设的异响阈值时,待检测车辆的贯通道渡板存在异响;当所有的疑似异常路径段的异响程度指标的归一化值小于或等于预设的异响阈值时,待检测车辆的贯通道渡板不存在异响。
本发明实施例至少具有如下有益效果:
本发明首先将待检测车辆的运行路径划分为不同弯曲类别的路径段,使得后续在分析待检测车辆在每个路径段上的声音数据的异常情况时,能够充分考虑与其倾斜程度相似度路径段对应的声音数据之间的差异性,使得最终异响检测结果更加准确。然后通过对比待检测车辆在路径段上的声音数据曲线与不存在贯通道渡板异响的标准声音数据曲线之间的差异情况,获得待检测车辆在路径段上对应的差异系数,表征了待检测车辆在路径段存在贯通道渡板异响的可能性大小,进而对路径段进行初步的筛选。进一步的,利用路径段的特征系数表征路径段的弯曲倾斜程度,结合初步筛选的疑似异常路径段的与其同一个类别内的路径段之间的声音数据曲线的差异、以及差异系数和特征系数,获得第一可能性指标,在对疑似异常路径段是否存在贯通道渡板异响情况进行分析时,充分考虑与其倾斜程度相似度路径段对应的声音数据之间的差异性;再者,考虑到贯通道渡板异响噪声的存在可能与车辆的运动轨迹存在一定的关联关系,结合疑似异常路径段的弯曲倾斜程度以及存在贯通道渡板异响的异常声音数据曲线,获得第二可能性指标。最终结合疑似异常路径段在两个不同方面的是否存在贯通道渡板异响的分析,即第一可能性指标和第二可能性指标,以及差异系数,获得最终车辆在路径段上存在贯通道渡板异响的全局性评价。根据异响程度指标判断待检测车辆的贯通道渡板是否存在异响,大大增加了待检测车辆贯通道渡板异响识别的准确率,减少了错误识别带来的人力物力的浪费。
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和优点,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的介绍,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它附图。
图1是本发明的一种贯通道渡板异响智能监测系统的系统框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种贯通道渡板异响智能监测系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种贯通道渡板异响智能监测系统的具体方案。
实施例:
请参阅图1,其示出了本发明一个实施例提供的一种贯通道渡板异响智能监测系统的系统框图,该系统包括:数据获取模块,数据筛选模块,第一分析模块,第二分析模块和异响判断模块。
数据获取模块,用于获取待检测车辆的运行路径,将车辆运行路径划分为不同弯曲类别的路径段,获取车辆在每个路径段对应的声音数据曲线;并获取正常车辆在每个路径段对应的标准声音数据曲线以及异常声音数据曲线。
首先,获取待检测车辆的运行路径,将车辆运行路径划分为不同弯曲类别的路径段,在本实施例中,绘制待检测车辆的运行路径图像,获取图像中运行路径上每个像素点的像素坐标,基于像素点的像素坐标可以获得像素点在运行路径上的斜率,进而可以根据运行路径上每个像素点的斜率,将相邻两个像素点之间的斜率的差值绝对值作为分类度量指标,利用DBSCAN聚类算法对所有像素点进行聚类,得到多个类别。对于任意一个类别,将该类别内将位置连续的像素点构成的线段作为路径段。运行路径上像素点的斜率表征了运行路径在该像素点位置处的弯曲程度,进而基于弯曲程度进行聚类得到的类别即为不同的弯曲类别。
然后,利用现有的声音数据采集装置采集待检测车辆通过每个路径段对应的声音数据,将路径段对应的声音数据绘制成曲线得到声音数据曲线。具体地,当待检测车辆通过每个路径段时存在固定的时间长度,在每个固定的时间长度内每个时刻分别采集车辆的声音数据,且每相邻两个时刻之间的时间间隔相等。基于此,采集到的路径段对应的声音数据为时序数据。
进一步的,为了后续能够通过比较发现待检测车辆的贯通道渡板是否存在异响的情况,获取贯通道渡板正常的车辆在每个路径段对应的标准声音数据曲线以及异常声音数据曲线,其中,标准声音数据曲线为贯通道渡板正常的车辆不存在异响时的声音数据曲线,异常声音数据曲线为正常车辆的贯通道渡板存在异响时的声音数据曲线。
需要说明的是,正常车辆的标准声音数据曲线和异常声音数据曲线的获取方法与待检测车辆在每个路径段的声音数据曲线的获取方法相同。同时,一个路径段对应了一条声音数据曲线、一条标准声音数据曲线以及一条异常声音数据曲线。
数据筛选模块,用于根据待检测车辆的每个路径段的声音数据曲线与标准声音数据曲线之间的差异得到路径段的差异系数,根据差异系数对路径段进行筛选得到疑似异常路径段。
将待检测车辆在每个路径段的声音数据曲线与对应模板曲线进行比较,由于噪声突变以及交通工具上各种来源的不可控声音,导致采用模板匹配方法对获取的两条声音数据曲线进行比较时,容易对待检测车辆的数据产生误判,进而导致错误的分析贯通道渡板的异响状态。因此,本发明实施例先使用模板匹配的方法对待检测车辆的声音数据进行分析,再进一步的分析声音数据自身的特征情况,从而获取更加准确的检测结果。
基于此,根据待检测车辆的每个路径段的声音数据曲线与标准声音数据曲线之间的差异得到路径段的差异系数,具体地,将任意一个路径段记为选定路径段,获取选定路径段的声音数据曲线与选定路径段对应的标准声音数据曲线在对应位置处的声音数据之间的差异,将所有对应位置处的声音数据之间的差异的均值的归一化值作为选定路径段的差异系数。
在本实施例中,将路径段A作为选定路径段,则选定路径段的差异系数的计算公式可以表示为:
其中,表示路径段A的差异系数,表示路径段A的声音数据曲线上第u个数据
值,表示路径段A对应的标准声音数据曲线上第u个数据值,表示路径段A的声音数据
曲线上包含的数据总数量,Norm( )表示归一化函数。
反映了待检测车辆在路径段A上的声音数据与正常车辆在路径段A上
的声音数据之间的差异,该差异越大,说明待检测车辆在路径段A上对应的声音数据为包含
了贯通道渡板噪声的声音数据的可能性越大,进而说明待检测车辆在路径段A上贯通道渡
板存在异响的可能性越大,对应的差异系数的取值越大。
需要说明的是,在本实施例中,不采用将路径段的声音数据曲线与异常声音数据曲线进行对比的原因为,贯通道渡板异响噪声虽然是由于同种原因同一设备装置而产生的,但是异响噪声相较于车辆运行过程中没有异响噪声时获取的声音数据的随机性更大,故将采集到的待检测的声音数据与历史中不包含异响噪声的声音数据进行比较,进而对差异较大的声音数据进行进一步的分析可以获得较为准确的分析结果。
基于此,根据差异系数对路径段进行筛选得到疑似异常路径段,具体地,将差异系数大于或等于预设的差异阈值对应的路径段记为疑似异常路径段。
在本实施例中,差异阈值的取值为0.7,实施者可根据具体实施场景进行设置。当待检测车辆在路径段对应的差异系数大于或等于0.7时,说明待检测车辆在当前路径段对应的声音数据可能包含贯通道渡板异响噪声,故需对其进行进一步的分析。当待检测车辆在路径段对应的差异系数小于0.7时,说明待检测车辆在当前路径段对应的声音数据包含贯通道渡板异响噪声的可能性较小,故不需要对其进行进一步的分析。
第一分析模块,用于根据路径段的倾斜程度得到路径段的特征系数;根据疑似异常路径段的与其同一个类别内的路径段之间的声音数据曲线的差异、以及差异系数和特征系数,得到疑似异常路径段的第一可能性指标。
首先,对待检测车辆在每个路径段的倾斜程度进行分析,获取待检测车辆的每个路径段上路径的弯曲程度,进而能够获得可能存在贯通道渡板异响噪声的声音数据的弯曲特征之间的关联关系。
基于此,根据路径段的倾斜程度得到路径段的特征系数,对于任意一个路径段,在路径段上等间隔获取设定数量个路径点,基于每个路径点的坐标,获取每个路径点对应的斜率,将路径段上所有路径点的斜率均值作为路径段的特征系数。
在本实施例中,将路径段上的每个像素点分别作为一个路径点,实施者可根据具体实施场景进行设置。每个路径点的坐标即为路径段上每个像素点的像素坐标,基于像素坐标获取曲线段上点的斜率的方法为公知技术,在此不再过多介绍。
路径段上路径点对应的斜率表征了路径段在该路径点所在位置处的弯曲程度,反映了路径段的变化特征,路径段的弯曲程度越大,待检测车辆在该路径段上行驶存在噪声时,为贯通道渡板异响噪声的可能性越大。
然后,考虑到贯通道渡板异响噪声的存在可能与车辆的运动轨迹存在一定的关联关系,因此,可以根据车辆通过多个倾斜角度相似的路径段对应的声音数据进行分析,获取车辆通过每个路径段时的声音数据存在贯通道渡板异响噪声的可能性大小。
基于此,根据疑似异常路径段的与其同一个类别内的路径段之间的声音数据曲线的差异、以及差异系数和特征系数,得到疑似异常路径段的第一可能性指标,具体地,将任意一个疑似异常路径段记为目标路径段,将与目标路径段在同一个类别内的任意一个路径段记为相似路径段;计算目标路径段的声音数据曲线与相似路径段的声音数据曲线之间的相似度,将相似度与相似路径段的差异系数、特征系数之间的乘积作为目标路径段与相似路径段的关联异响程度;将目标路径段与其同一个类别内所有路径段的关联异响程度的均值作为目标路径段的第一可能性指标。
在本实施例中,将疑似异常路径段D作为目标路径段,将疑似异常路径段D所在的弯曲类别内除疑似异常路径段D之外的第i个路径段作为相似路径段,则目标路径段的第一可能性指标的计算公式可以表示为:
其中,表示疑似异常路径段D的第一可能性指标,表示疑似异常路径段D所
在的弯曲类别内包含的路径段的总数量,表示疑似异常路径段D和其所在的类别内
除D之外的第i个路径段之间的声音数据曲线的DTW距离,表示目标路径
段的声音数据曲线与相似路径段的声音数据曲线之间的相似度;和分别表示疑似异
常路径段D所在的弯曲类别内除疑似异常路径段D之外的第i个路径段的差异系数和特征系
数,即和分别表示相似路径段的差异系数和特征系数,Norm( )表示归一化函数。
反映了目标路径段与相似路径段的声音数据曲线之间的相似
性。反映了待检测车辆在相似路径段上的声音数据与正常车辆在相似路径段上的声音
数据之间的差异情况,表征了待检测车辆在相似路径段上贯通道渡板存在异响的可能性大
小。反映了相似路径段的弯曲程度特征。
表示目标路径段与相似路径段的关联异响程度,
通过计算待检测车辆在目标路径段上的声音数据与其相似的其他路径段对应的声音数据
之间的相似情况,判断当前目标路径段对应的声音数据异常情况为贯通道渡板异响造成的
可能性。目标路径段与相似路径段的声音数据曲线之间的相似性越大,且相似路径段的弯
曲程度越大,存在的差异情况越大,对应的第一可能性指标的取值越大,越可能说明当前目
标路径段对应的声音数据异常情况为贯通道渡板异响噪声数据。
第二分析模块,用于根据疑似异常路径段的特征系数与其同一个类别内的路径段之间的声音数据曲线、异常声音数据曲线,得到疑似异常路径段的第二可能性指标。
考虑到噪声出现与交通工具的运动轨迹相关,故在每个疑似异常路径段上,通过对比已知的贯通道渡板正常的车辆不存在异响时的声音数据曲线与贯通道渡板存在异响时的声音数据曲线之间的差异情况,结合待检测车辆在每个疑似异常路径段的弯曲情况以及每个疑似异常路径段的长度,能够获得每个疑似异常路径段上存在贯通道渡板异响噪声时,异响噪声程度与路径的弯曲程度之间的关联关系。
基于此,获取正常车辆在目标路径段对应的标准声音数据曲线与异常声音数据曲线之间的DTW距离;计算目标路径段的路径长度与运行路径的总长度的比值记为目标路径段的长度系数,将目标路径段的归一化后的特征系数与长度系数、DTW距离的乘积记为目标路径段的历史特征系数;将目标路径段的历史特征系数与所有路径段的历史特征系数的和值之间的比值作为目标路径段的历史特征程度。
在本实施例中,将疑似异常路径段D作为目标路径段,则目标路径段的历史特征程度的计算公式可以表示为:
其中,表示疑似异常路径段D的历史特征程度,表示疑似异常路径段D的长度
系数,表示疑似异常路径段D的归一化后的特征系数,表示疑似异常路径段D对应
的标准声音数据曲线与异常声音数据曲线之间的DTW距离,M表示待检测车辆的运行路径包
含的路径段的总数量,表示第k个路径段的长度系数,表示第k个路径段的归一化后的
特征系数,表示第k个路径段对应的标准声音数据曲线与异常声音数据曲线之间的
DTW距离。
在本实施例中,将疑似异常路径段D上包含的像素点总数量作为疑似异常路径段的路径长度,进而计算疑似异常路径段D上包含的像素点总数量与运行路径包含的像素点总数量之间的比值,得到疑似异常路径段D的长度系数,实施者可以根据具体实施场景选择其他方法进行计算。
表示目标路径段的历史特征系数,将作为权重,对目标
路径段对应的标准声音数据曲线和异常声音数据曲线之间的差异情况进行加权,当目标路
径段的弯曲程度越大,目标路径段的长度越长时,目标路径段对应的标准声音数据曲线和
异常声音数据曲线之间的差异越大,对应的历史特征系数的取值越大,进而说明路径段的
弯曲程度与,对应路径下的正常声音数据与异常声音数据之间差异情况的相关性越强。
疑似异常路径段D的历史特征程度表征了疑似异常路径段D的历史特征系数与整体运行路径的占比情况,其取值越大时,说明疑似异常路径段D的弯曲程度与包含贯通道渡板异响声音数据曲线的相关性越强。
进一步的,结合与疑似异常路径段D倾斜角度相似的路径段对应的历史特征程度进行分析,同时考虑与疑似异常路径段D倾斜角度相似的路径段的声音数据与标准声音数据曲线之间的差异情况,获取车辆通过每个疑似异常路径段时的声音数据存在贯通道渡板异响噪声的可能性大小。
具体地,计算目标路径段的历史特征程度与的差异系数的乘积,将目标路径段所在的类别内的所有路径段对应的该乘积之和的均值作为目标路径段的第二可能性指标。
在本实施例中,将疑似异常路径段D作为目标路径段,则目标路径段的第二可能性指标的计算公式可以表示为:
其中,表示疑似异常路径段D的第二可能性指标,表示疑似异常路径段D所
在的类别内包含的路径段的总数量,表示疑似异常路径段D所在的类别内第t个路径段
的历史特征程度,表示疑似异常路径段D所在的类别内第t个路径段的差异系数。
反映了路径段的弯曲程度与包含贯通道渡板异响声音数据的相关性,反
映了待检测车辆在路径段的声音数据与正常车辆不存在贯通道渡板异响的声音数据之间
差异情况,该相关性越大,差异越大,对应的第二可能性指标的取值越大,说明待检测车辆
在疑似异常路径段D对应的声音数据存在贯通道渡板异响噪声的可能性越大。
异响判断模块,用于根据第一可能性指标、第二可能性指标和差异系数得到疑似异常路径段的异响程度指标;根据异响程度指标对疑似异常路径段进行筛选判断待检测车辆的贯通道渡板是否存在异响。
一方面,根据车辆通过多个倾斜角度相似的路径段对应的声音数据进行分析,获取车辆通过每个路径段时的声音数据存在贯通道渡板异响噪声的可能性大小,另一方面,考虑了贯通道渡板异响噪声的存在可能与车辆的运动轨迹存在的关联关系,获取车辆通过每个路径段时的声音数据存在贯通道渡板异响噪声的可能性大小,并最终结合车辆在每个路径段对应的声音数据与不存在异响的声音数据之间的差异情况,获得最终车辆在路径段上存在贯通道渡板异响的全局性评价。
基于此,对于任意一个疑似异常路径段,将第一可能性指标与第二可能性指标、差异系数之间的乘积作为疑似异常路径段的异响程度指标,用公式表示为:
第一可能性指标的取值越大,疑似异常路径段与其对应的相似路径段的声音数据曲线之间的相似性越大,且相似路径段的弯曲程度越大,存在的差异情况越大,对应的异响程度指标的取值越大,越可能说明当前目标路径段对应的声音数据异常情况为贯通道渡板异响噪声数据。
第二可能性指标的取值越大,差异系数的取值越大,待检测车辆在疑似异常路径段对应的声音数据与不存在异响的声音数据之间的差异越大,对应的异响程度指标的取值越大,说明待检测车辆在疑似异常路径段D对应的声音数据存在贯通道渡板异响噪声的可能性越大。
最后,根据异响程度指标对疑似异常路径段进行筛选判断待检测车辆的贯通道渡板是否存在异响。具体地,当任意一个疑似异常路径段的异响程度指标的归一化值大于预设的异响阈值时,待检测车辆的贯通道渡板存在异响;当所有的疑似异常路径段的异响程度指标的归一化值小于或等于预设的异响阈值时,待检测车辆的贯通道渡板不存在异响。
在本实施例中,将异响阈值的取值设置为0.8,实施者可根据具体实施场景进行设置。当任意一个疑似异常路径段的异响程度指标的归一化值大于0.8时,说明待检测车辆在该疑似异常路径段上运行时存在贯通道渡板异响噪声,进而说明待检测车辆的贯通道渡板存在异响现象。当所有的疑似异常路径段的异响程度指标的归一化值小于或等于0.8时,说明待检测车辆在所有疑似异常路径段上运行时的声音波动不是贯通道渡板异响噪声导致的,进而说明待检测车辆的贯通道渡板不存在异响现象。
综上所述,本发明通过分析待检测车辆在每个路径段的声音数据曲线与其对应的标准声音数据曲线之间的相似性、以及路径段与其对应相似路径段的声音数据曲线之间的相似性,获得待检测车辆在每个路径段存在贯通道渡板异响的可能性。进一步的,考虑了不包含贯通道渡板异响的声音数据曲线与包含贯通道渡板的声音数据曲线之间的差异情况,结合每个路径段的弯曲程度,获得路径段的弯曲程度与其是否存在贯通道渡板异响的相关性,获取当前数据曲线包含贯通道渡板可能性。使得在分析数据时,充分考虑了运行路径与异响噪声的相关性关系,以及通过结合其它路径信息分析当前数据避免因为当前数据由于其它影响因素误识为包含贯通道渡板的噪声数据,大大增加了贯通道渡板异响识别的准确率,减少了错误识别带来的人力物力的浪费。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (8)
1.一种贯通道渡板异响智能监测系统,其特征在于,该系统包括:
数据获取模块,用于获取待检测车辆的运行路径,将车辆运行路径划分为不同弯曲类别的路径段,获取车辆在每个路径段对应的声音数据曲线;并获取正常车辆在每个路径段对应的标准声音数据曲线以及异常声音数据曲线;
数据筛选模块,用于根据待检测车辆的每个路径段的声音数据曲线与标准声音数据曲线之间的差异得到路径段的差异系数,根据差异系数对路径段进行筛选得到疑似异常路径段;
第一分析模块,用于根据路径段的倾斜程度得到路径段的特征系数;根据疑似异常路径段的与其同一个类别内的路径段之间的声音数据曲线的差异、以及差异系数和特征系数,得到疑似异常路径段的第一可能性指标;
第二分析模块,用于根据疑似异常路径段的特征系数与其同一个类别内的路径段之间的声音数据曲线、异常声音数据曲线,得到疑似异常路径段的第二可能性指标;
异响判断模块,用于根据第一可能性指标、第二可能性指标和差异系数得到疑似异常路径段的异响程度指标;根据异响程度指标对疑似异常路径段进行筛选,判断待检测车辆的贯通道渡板是否存在异响。
2.根据权利要求1所述的一种贯通道渡板异响智能监测系统,其特征在于,所述根据待检测车辆的每个路径段的声音数据曲线与标准声音数据曲线之间的差异得到路径段的差异系数具体为:
将任意一个路径段记为选定路径段,获取选定路径段的声音数据曲线与选定路径段对应的标准声音数据曲线在对应位置处的声音数据之间的差异,将所有对应位置处的声音数据之间的差异的均值的归一化值作为选定路径段的差异系数。
3.根据权利要求1所述的一种贯通道渡板异响智能监测系统,其特征在于,所述根据差异系数对路径段进行筛选得到疑似异常路径段具体为:
将差异系数大于或等于预设的差异阈值对应的路径段记为疑似异常路径段。
4.根据权利要求1所述的一种贯通道渡板异响智能监测系统,其特征在于,所述根据路径段的倾斜程度得到路径段的特征系数具体为:
对于任意一个路径段,在路径段上等间隔获取设定数量个路径点,基于每个路径点的坐标,获取每个路径点对应的斜率,将路径段上所有路径点的斜率均值作为路径段的特征系数。
5.根据权利要求1所述的一种贯通道渡板异响智能监测系统,其特征在于,所述根据疑似异常路径段的与其同一个类别内的路径段之间的声音数据曲线的差异、以及差异系数和特征系数,得到疑似异常路径段的第一可能性指标,具体包括:
将任意一个疑似异常路径段记为目标路径段,将与目标路径段在同一个类别内的任意一个路径段记为相似路径段;
计算目标路径段的声音数据曲线与相似路径段的声音数据曲线之间的相似度,将相似度与相似路径段的差异系数、特征系数之间的乘积作为目标路径段与相似路径段的关联异响程度;
将目标路径段与其同一个类别内所有路径段的关联异响程度的均值作为目标路径段的第一可能性指标。
6.根据权利要求5所述的一种贯通道渡板异响智能监测系统,其特征在于,所述根据疑似异常路径段的特征系数与其同一个类别内的路径段之间的声音数据曲线、异常声音数据曲线,得到疑似异常路径段的第二可能性指标,具体包括:
获取正常车辆在目标路径段对应的标准声音数据曲线与异常声音数据曲线之间的DTW距离;
计算目标路径段的路径长度与运行路径的总长度的比值记为目标路径段的长度系数,将目标路径段的归一化后的特征系数与长度系数、DTW距离的乘积记为目标路径段的历史特征系数;将目标路径段的历史特征系数与所有路径段的历史特征系数的和值之间的比值作为目标路径段的历史特征程度;
计算目标路径段的历史特征程度与的差异系数的乘积,将目标路径段所在的类别内的所有路径段对应的该乘积均值作为目标路径段的第二可能性指标。
7.根据权利要求1所述的一种贯通道渡板异响智能监测系统,其特征在于,所述根据第一可能性指标、第二可能性指标和差异系数得到疑似异常路径段的异响程度指标具体为:
对于任意一个疑似异常路径段,将第一可能性指标与第二可能性指标、差异系数之间的乘积作为疑似异常路径段的异响程度指标。
8.根据权利要求1所述的一种贯通道渡板异响智能监测系统,其特征在于,所述根据异响程度指标对疑似异常路径段进行筛选,判断待检测车辆是否存在异响,具体包括:
当任意一个疑似异常路径段的异响程度指标的归一化值大于预设的异响阈值时,待检测车辆的贯通道渡板存在异响;当所有的疑似异常路径段的异响程度指标的归一化值小于或等于预设的异响阈值时,待检测车辆的贯通道渡板不存在异响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310544889.9A CN116257651B (zh) | 2023-05-16 | 2023-05-16 | 一种贯通道渡板异响智能监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310544889.9A CN116257651B (zh) | 2023-05-16 | 2023-05-16 | 一种贯通道渡板异响智能监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116257651A true CN116257651A (zh) | 2023-06-13 |
CN116257651B CN116257651B (zh) | 2023-07-21 |
Family
ID=86682908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310544889.9A Active CN116257651B (zh) | 2023-05-16 | 2023-05-16 | 一种贯通道渡板异响智能监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116257651B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116595426A (zh) * | 2023-07-17 | 2023-08-15 | 济南大陆机电股份有限公司 | 一种工业物联网数据智能采集管理系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011203116A (ja) * | 2010-03-25 | 2011-10-13 | Toyota Motor Corp | 車両用異常予測装置及び方法 |
JP2014232084A (ja) * | 2013-05-30 | 2014-12-11 | 公益財団法人鉄道総合技術研究所 | 異音検知装置及びプログラム |
US20170154481A1 (en) * | 2015-11-30 | 2017-06-01 | Inventec (Pudong) Technology Corp. | Vehicle abnormal sound identification system capable of identifying abnormal sound |
CN109949823A (zh) * | 2019-01-22 | 2019-06-28 | 江苏大学 | 一种基于dwpt-mfcc与gmm的车内异响识别方法 |
CN110936968A (zh) * | 2018-09-25 | 2020-03-31 | 比亚迪股份有限公司 | 一种用于车辆的护板组件及具有其的贯通道和轨道车辆 |
JP2021152499A (ja) * | 2020-03-24 | 2021-09-30 | 本田技研工業株式会社 | 異音生成装置および異音生成方法 |
US20220230483A1 (en) * | 2021-01-19 | 2022-07-21 | Toyota Jidosha Kabushiki Kaisha | Vehicle diagnosis system |
CN115290357A (zh) * | 2022-09-15 | 2022-11-04 | 中通客车股份有限公司 | 一种车内异响的检测方法及系统 |
CN115935000A (zh) * | 2023-02-24 | 2023-04-07 | 广东瑞恩科技有限公司 | 一种物联网数据智能存储方法及系统 |
-
2023
- 2023-05-16 CN CN202310544889.9A patent/CN116257651B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011203116A (ja) * | 2010-03-25 | 2011-10-13 | Toyota Motor Corp | 車両用異常予測装置及び方法 |
JP2014232084A (ja) * | 2013-05-30 | 2014-12-11 | 公益財団法人鉄道総合技術研究所 | 異音検知装置及びプログラム |
US20170154481A1 (en) * | 2015-11-30 | 2017-06-01 | Inventec (Pudong) Technology Corp. | Vehicle abnormal sound identification system capable of identifying abnormal sound |
CN110936968A (zh) * | 2018-09-25 | 2020-03-31 | 比亚迪股份有限公司 | 一种用于车辆的护板组件及具有其的贯通道和轨道车辆 |
CN109949823A (zh) * | 2019-01-22 | 2019-06-28 | 江苏大学 | 一种基于dwpt-mfcc与gmm的车内异响识别方法 |
JP2021152499A (ja) * | 2020-03-24 | 2021-09-30 | 本田技研工業株式会社 | 異音生成装置および異音生成方法 |
US20220230483A1 (en) * | 2021-01-19 | 2022-07-21 | Toyota Jidosha Kabushiki Kaisha | Vehicle diagnosis system |
CN115290357A (zh) * | 2022-09-15 | 2022-11-04 | 中通客车股份有限公司 | 一种车内异响的检测方法及系统 |
CN115935000A (zh) * | 2023-02-24 | 2023-04-07 | 广东瑞恩科技有限公司 | 一种物联网数据智能存储方法及系统 |
Non-Patent Citations (3)
Title |
---|
XIAOBIN SUN等: "A method for locating abnormal sound in transmission line channels based on time delay estimation and equipment coordinates", 《IOP PUBLISHING》, pages 1 - 6 * |
李瑞平: "地铁车辆贯通道系统结构特点及典型故障分析", 《机车车辆工艺》, no. 03, pages 39 - 40 * |
郭亮: "汽车异响故障诊断的探究", 《湖北农机化》, no. 09, pages 15 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116595426A (zh) * | 2023-07-17 | 2023-08-15 | 济南大陆机电股份有限公司 | 一种工业物联网数据智能采集管理系统 |
CN116595426B (zh) * | 2023-07-17 | 2023-09-26 | 济南大陆机电股份有限公司 | 一种工业物联网数据智能采集管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116257651B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311270B (zh) | 一种塑料制品表面缺陷检测方法 | |
CN108765470A (zh) | 一种针对目标遮挡改进的kcf跟踪算法 | |
Jiang et al. | Abnormal event detection from surveillance video by dynamic hierarchical clustering | |
US5128684A (en) | Method and apparatus for correlating sensor detections in space and time | |
CN115018850B (zh) | 基于图像处理的精密电子零部件冲压孔毛刺检测方法 | |
CN116257651B (zh) | 一种贯通道渡板异响智能监测系统 | |
CN116259005B (zh) | 基于屋顶光伏消防的智能监控系统 | |
CN116611748A (zh) | 一种钛合金家具生产质量监控系统 | |
CN110633643A (zh) | 一种面向智慧社区的异常行为检测方法及系统 | |
Mechefske et al. | Fault detection and diagnosis in low speed rolling element bearings Part II: The use of nearest neighbour classification | |
CN114942434A (zh) | 一种基于毫米波雷达点云的跌倒姿态识别方法及系统 | |
CN115876258A (zh) | 基于多源数据的畜禽养殖环境异常监测及报警系统 | |
CN115877363B (zh) | 一种机器人避障评估方法 | |
CN111688711A (zh) | 一种基于云计算酒精检测管理系统及方法 | |
CN112435276A (zh) | 一种车辆跟踪方法、装置、智能终端及存储介质 | |
CN111723617B (zh) | 动作识别的方法、装置、设备及存储介质 | |
CN111598158B (zh) | 一种基于ai分析技术的仓储库存状态感知方法 | |
CN117591986A (zh) | 基于人工智能的汽车数据实时处理方法 | |
CN113255820B (zh) | 落石检测模型训练方法、落石检测方法及相关装置 | |
CN116110006A (zh) | 一种用于智慧旅游系统的景区游客异常行为识别方法 | |
CN111882135B (zh) | 一种物联网设备入侵检测方法及相关装置 | |
CN111650671B (zh) | 一种基于多对象最优匹配技术的降水预报空间检验方法 | |
CN111553405B (zh) | 一种基于像素密度k均值聚类团雾识别算法 | |
CN117688498B (zh) | 基于船岸协同的船舶综合安全状态监控系统 | |
CN118015568B (zh) | 一种基于人工智能的行车风险检测方法及系统 |
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 |