CN117565930A - 一种用于车载式线路检查仪的高速列车会车识别方法 - Google Patents
一种用于车载式线路检查仪的高速列车会车识别方法 Download PDFInfo
- Publication number
- CN117565930A CN117565930A CN202410058905.8A CN202410058905A CN117565930A CN 117565930 A CN117565930 A CN 117565930A CN 202410058905 A CN202410058905 A CN 202410058905A CN 117565930 A CN117565930 A CN 117565930A
- Authority
- CN
- China
- Prior art keywords
- meeting
- point
- wave
- maximum amplitude
- region
- 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 37
- 238000007689 inspection Methods 0.000 title claims abstract description 16
- 230000001133 acceleration Effects 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000009825 accumulation Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000003137 locomotive effect Effects 0.000 abstract description 5
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning, or like safety means along the route or between vehicles or vehicle trains
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning, or like safety means along the route or between vehicles or vehicle trains
- B61L23/04—Control, warning, or like safety means along the route or between vehicles or vehicle trains for monitoring the mechanical state of the route
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供了一种用于车载式线路检查仪的高速列车会车识别方法,属于机车会车自动识别技术领域;所要解决的技术问题为:提供一种用于车载式线路检查仪的高速列车会车识别方法的改进;包括如下步骤:选取某列车一段时间的历史车载传感器原始数据,筛选出会车波形,构成会车数据集,并计算每一次会车时列车的平均行驶速度;训练合适的滤波器,得到滤波后的会车数据集;划分行驶的速度范围;基于相应速度范围的会车子集,分别训练对应速度范围的会车波形识别参数;使用列车车载传感器的水平加速度数据和速度数据训练会车识别算法中会车相关性阈值;实时会车识别;本发明应用于高速列车会车识别。
Description
技术领域
本发明提供了一种用于车载式线路检查仪的高速列车会车识别方法,属于机车会车自动识别技术领域。
背景技术
机车或高速列车在运行过程中,通过机车安全信息综合监测装置(TAX2)或列控设备动态监测系统(DMS)给车载设备广播时间、速度、里程等机车运行信息,高速列车车载传感器可用于随车实时检测轨道病害,当检测到波动较大的横向或垂向振动时,可通过终端进行报警提示,方便维修人员及时维修,从而保障列车行驶安全。但由于当两列车交会时,两车之间的气流受到挤压,在列车表面产生很强的瞬态压力冲击,会引发列车发生较大的水平振动,从而产生非轨道病害引起的报警。
而现有技术中一般仅有针对会车后车辆数据等处理的方法或装置,但是缺乏对于高速列车在行驶过程中发生会车的实时判断,造成由于两高速列车会车引起的非轨道病害的报警,给维修带来麻烦,因此,为提升车载传感器对轨道病害识别的准确性,减少会车引发的干扰报警,本发明提出了一种用于车载式线路检查仪的高速列车会车识别方法,能够对实时会车进行识别判断,从而减少病害的误报,也避免维修人员的浪费。
发明内容
本发明为了克服现有技术中存在的不足,所要解决的技术问题为:提供一种用于车载式线路检查仪的高速列车会车识别方法的改进。
为了解决上述技术问题,本发明采用的技术方案为:一种用于车载式线路检查仪的高速列车会车识别方法,包括如下步骤:
步骤1:获取车载式线路检查仪内车载传感器的原始数据,并选取某列车一段时间的历史车载传感器原始数据,查看该车型车载传感器原始数据中记录的水平加速度数据的波形,筛选出会车波形,构成会车数据集,并计算每一次会车时列车的平均行驶速度;
步骤2:训练合适的滤波器;
步骤3:将会车数据集输入至训练好的滤波器中,得到滤波后的会车数据集;
步骤4:划分行驶的速度范围,使得每一个速度范围内包括相应的会车子集;
步骤5:基于相应速度范围的会车子集,分别训练对应速度范围的会车波形识别参数,其中会车波形识别参数包括:会车波形的总点数、波尾区起始点最小阈值、波头区最大振幅的最小阈值、波头区起始点与波头区最大幅值点之间的点数、波头区终止点与波头区最大幅值点之间的点数、波尾区起始点与波尾区最大幅值点之间的点数、波尾区终止点与波尾区最大幅值点之间的点数、波头区参考波形和波尾区参考波形;
步骤6:使用列车某一段时间车载传感器的水平加速度数据和速度数据训练会车波形与波头区参考波形最小相关性阈值、以及会车波形与波尾区参考波形最小相关性阈值;
步骤7:根据上述步骤对列车是否实时会车进行识别。
步骤5中速度范围ri的会车波形识别参数训练的步骤如下:
步骤5.1:获取会车子集中每次会车的波形总点数、波尾区起始点位置、波头区最大幅值、波头区起始点与波头区最大振幅点之间的点数、波头区终止点与波头区最大振幅点之间的点数、波尾区起始点与波尾区最大振幅点之间的点数以及波尾区终止点与波尾区最大振幅点之间的点数;
步骤5.2:分别计算如下参数:
计算每次会车的总点数的最大值,设置会车波形总点数最大阈值;
计算波尾区起始点位置的最小值,设置波尾区起始点最小阈值;
计算波头区最大幅值的最小值,设置波头区最大振幅的最小阈值;
基于最小二乘原理,分别训练使得、/>、、/>值最小的参数,其中p表示会车子集中会车的序号,c i 表示会车子集中会车的总次数,hs p 表示会车子集中第p次会车其起始点与波头区最大振幅点之间的点数,/>表示速度范围r i 波头区起始点与波头区最大幅值点之间的点数,he p 表示会车子集中第p次会车其波头区终止点与波头区最大振幅点之间的点数,/>表示速度范围r i 波头区终止点与波头区最大幅值点之间的点数,ts p 表示会车子集中第p次会车其波尾区最大振幅点与波尾区起始点之间的点数,/>表示速度范围r i 波尾区最小起始点与波尾区最大幅值点之间的点数,te p 表示会车子集中第p次会车其波尾区最大振幅点与波尾区终止点之间的点数,/>表示速度范围r i 波尾区终止点与波尾区最大幅值点之间的点数;
对会车子集中的每次会车,分别取波头区最大振幅点前个点、最大振幅点、以及最大振幅点后/>个点,生成波头区数据集;取波尾区最大振幅点前/>个点、最大振幅点、以及最大振幅点后/>个点,生成波尾区数据集;
分别计算每个波头区数据与其余波头区数据的相关系数的绝对值累加和,选取绝对值累加和最大的波头区数据,作为波头区参考波形;
分别计算每个波尾区数据与其余波尾区数据的相关系数的绝对值累加和,选取绝对值累加和最大的波尾区数据,作为波尾区参考波形。
步骤6具体包括:
步骤6.1:将列车原始水平加速度数据通过滤波器,获取滤波后的水平加速度数据;
步骤6.2:遍历滤波后的水平加速度数据和速度数据,其过程如下:
步骤6.2.1:获取列车当前车载传感器原始数据点x i 和速度v i ,定位v i 的速度范围r j ,判断是否满足|x i |>H j 且(x i -x i-1 )∙(x i+1 -x i )<0且i>,如果满足,继续执行步骤6.2.2,否则,继续遍历下一个点,其中H j 表示速度范围r j 波头区最大振幅的最小阈值,/>表示速度范围r j 波头区起始点与波头区最大幅值点之间的点数;
步骤6.2.2:计算与波头区参考波形的相关系数corr a ,其中/>表示速度范围r j 波头区终止点与波头区最大幅值点之间的点数;
步骤6.2.3:查找中绝对值最大的点x b ,计算与波尾区参考波形的相关系数corr b ;
步骤6.2.4:当点数i之后剩余点数<TN j --1时,结束遍历;
其中TN j 表示速度范围r j 会车波形总点数最大阈值;
步骤6.3:匹配会车数据集Meet,为识别结果添加标签“是会车”或“不是会车”,训练参数H_corr和T_corr,满足条件:corr a >H_corr且corr b >T_corr时识别为会车,否则识别为不是会车;
其中H_corr表示会车波形与波头区参考波形最小相关性阈值,T_corr表示会车波形与波尾区参考波形最小相关性阈值。
步骤7具体包括:
步骤7.1:获取列车在当前时刻t的列车行驶速度v,判断v所处的速度范围为r t ;
步骤7.2:取TN t 个水平加速度数据X,通过滤波器Hd,得到滤波后的数据X *,TN t 表示速度范围r t 会车波形总点数最大阈值;
步骤7.3:查找X *中是否存在满足:且/>且的点,如果满足,继续执行7.4,否则,等待接收新点后继续执行步骤7.1,其中/>表示X *中的第a个点,H t 表示速度范围r t 波头区最大振幅的最小阈值,/>表示速度范围r t 波头区起始点与波头区最大幅值点之间的点数;
步骤7.4:判断是否超出数据X *的长度,如果超出,则终止本次识别,等待接收新点后继续执行步骤7.1;如果没有超出,则继续查找数据X *第个点至最后一个点中绝对值最大的点/>,判断/>是否超出数据X *长度,如果超出,则终止本次识别,等待接收新点后继续执行步骤7.1;否则,继续执行步骤7.5;
其中a表示X *中的第a个点,P t 表示速度范围r t 波尾区起始点距离会车起始点最小阈值,b表示X *中的第b个点,表示速度范围r t 波尾区终止点与波尾区最大幅值点之间的点数;
步骤7.5:获取待识别的波头区数据和波尾区数据,分别计算波头区数据与波头区参考波形的相关系数,以及波尾区数据与波尾区参考波形的相关系数/>,如果满足条件corr a >H_ corr且corr b >T_corr,则识别为发生会车;否则,识别为未发生会车;
其中表示速度范围r t 波头区起始点与波头区最大幅值点之间的点数,/>表示速度范围r t 波头区终止点与波头区最大幅值点之间的点数,/>表示速度范围r t 波尾区最小起始点与波尾区最大幅值点之间的点数,/>表示速度范围r t 波尾区终止点与波尾区最大幅值点之间的点数,/>表示速度范围r t 波头区参考波形,/>表示速度范围r t 波尾区参考波形;
步骤7.6:等待接收新的车载传感器原始数据点后继续执行步骤7.1。
本发明相对于现有技术具备的有益效果为:本发明提供的用于车载式线路检查仪的高速列车会车识别方法通过对历史会车数据进行分析处理,得到了会车波形及其相关的一些系数,通过相关系数能够实时根据列车速度及其水平加速度进行会车判断,并给出识别结果,减少了非轨道病害的误报,也避免了维修人员的浪费。
附图说明
下面结合附图对本发明做进一步说明:
图1为本发明方法的流程图;
图2为会车波形识别参数的示意图。
具体实施方式
如图1所示,本发明提供了一种用于车载式线路检查仪的高速列车会车识别方法,应用于高速列车上,通过设置在高速列车上车载式线路检查仪中的车载传感器对列车水平加速度数据进行采集,主要包括两大步骤,分别为参数训练阶段和实时识别阶段,在参数训练阶段通过对某型列车历史车载传感器数据进行过滤、波形分析、速度划分和训练后得到会车波形及会车不同阶段的波形幅值、阈值,在实时识别阶段通过对列车实时水平加速度数据进行分析判断是否存在会车波形,并计算会车波形与波头区参考波形的相关性系数、会车波形与波尾区参考波形的相关性系数,通过相关性系数对高速列车是否发生会车进行识别。
具体步骤如下:
步骤1:选取待分析车型的列车A,以及列车A历史一个月的车载传感器原始数据,查看其水平加速度数据X 0的波形,筛选出具有明显会车气动特征的会车波形,构成会车数据集Meet,及其对应的平均行驶速度。其中关于具有明显会车气动特征的会车波形的筛选可以参考高速列车明线会车气动特性研究这篇论文。
步骤2:训练合适的滤波器Hd,使得会车数据通过滤波后得到较为平滑的会车气动波形。
步骤3:将会车数据集输入至滤波器Hd,得到滤波后的会车数据集FMeet。
步骤4:划分行驶的速度范围V_RANGE={r 1,r 2,…,r k},每个行驶速度范围r i(i=1,2,…,k)包含会车子集FMeet_V i 。
步骤5:基于相应速度范围的会车子集,分别训练k个速度范围的会车波形识别参数,如图2所示。其中会车波形识别参数包含:会车波形总点数、波尾区起始点最小阈值/>、波头区最大振幅的最小阈值/>、波头区起始点与波头区最大幅值点之间的点数/>、波头区终止点与波头区最大幅值点之间的点数/>、波尾区起始点与波尾区最大幅值点之间的点数/>、波尾区终止点与波尾区最大幅值点之间的点数、波头区参考波形/>、波尾区参考波形/>。
具体步骤以速度范围r i为例进行说明,如下所述:
步骤5.1:获取会车子集FMeet_V i中每次会车的波形总点数、波尾区起始点位置/>、波头区最大幅值/>、波头区起始点与波头区最大振幅点之间的点数/>、波头区终止点与波头区最大振幅点之间的点数、波尾区起始点与波尾区最大振幅点之间的点数/>以及波尾区终止点与波尾区最大振幅点之间的点数/>;
步骤5.2:
计算的最大值tn_max,设置会车波形总点数最大阈值TN i =1.2*tn_max;
计算的最小值p_min,设置波尾区起始点最小阈值P i =p_min;
计算的最小值h_min,设置波头区最大振幅的最小阈值H i =0.8*h_ min。
基于最小二乘原理,分别训练使得、/>、、/>值最小的参数;
其中p表示会车子集中会车的序号,c i 表示会车子集中含会车的总次数,hs p 表示会车子集中第p次会车其起始点与波头区最大振幅点之间的点数,表示速度范围r i 波头区起始点与波头区最大幅值点之间的点数,he p 表示会车子集中第p次会车其波头区终止点与波头区最大振幅点之间的点数,/>表示速度范围r i 波头区终止点与波头区最大幅值点之间的点数,ts p 表示会车子集中第p次会车其波尾区最大振幅点与波尾区起始点之间的点数,/>表示速度范围r i 波尾区最小起始点与波尾区最大幅值点之间的点数,te p 表示会车子集中第p次会车其波尾区最大振幅点与波尾区终止点之间的点数,/>表示速度范围r i 波尾区终止点与波尾区最大幅值点之间的点数;
对会车子集中的每次会车,分别取波头区最大振幅点前个点、最大振幅点、以及最大振幅点后/>个点,生成波头区数据集/>;取波尾区最大振幅点前/>个点、最大振幅点、以及最大振幅点后/>个点,生成波尾区数据集。
分别计算每个波头数据与其余波头数据的相关系数的绝对值累加和,选取绝对值累加和最大的波头数据/>,作为波头区参考波形;
分别计算每个波尾数据与其余波尾数据的相关系数的绝对值累加和,选取绝对值累加和最大的波尾数据/>,作为波尾区参考波形。
步骤6:使用列车A近1个月的全部车载传感器水平加速度数据X 0和速度数据V 0,训练会车识别算法中会车波形与波头区参考波形最小相关性阈值H_corr,以及会车波形与波尾区参考波形最小相关性阈值T_corr。详细步骤如下:
步骤6.1:将原始水平加速度数据X 0通过滤波器Hd,获取滤波后的水平加速度数据X 1;
步骤6.2:遍历X 1和V 0,其过程如下:
步骤6.2.1:获取列车当前车载传感器数据点x i 和速度v i ,定位v i 的速度范围r j ,判断是否满足|x i |>H j 且(x i -x i-1 )∙(x i+1 -x i )<0且i>,如果满足,继续执行步骤6.2.2,否则,继续遍历下一个点;
步骤6.2.2:计算与波头区参考波形/>的相关系数corr a ;
步骤6.2.3:查找中绝对值最大的点x b ,计算与波尾区参考波形/>的相关系数corr b ;
步骤6.2.4:当点数i之后剩余点数<TN j --1时,结束遍历;
步骤6.3:匹配会车数据集Meet,为识别结果{(corr a1 ,corr b1),(corr a2 , corr b2),...,(corr am ,corr bm )}添加标签“是会车”或“不是会车”。训练参数H_corr和T_ corr,使得以“满足条件:corr a >H_corr且corr b >T_corr时识别为会车。否则识别为不是会车”为判断标准时,会车识别的准确率最高。
步骤7:实时会车识别
步骤7.1:获取列车在当前时刻t的列车行驶速度v,判断v所处的速度范围为r t ;
步骤7.2:取近TN t 个水平加速度数据X,通过滤波器Hd,得到滤波后的数据X *;
步骤7.3:查找X *中是否存在满足:且/>且的点,如果满足,继续执行7.4,否则,等待接收新点后继续执行步骤7.1;
步骤7.4:判断是否超出数据X *的长度,如果超出,则终止本次识别,等待接收新点后继续执行步骤7.1;如果没有超出,则继续查找数据X *第个点至最后一个点中绝对值最大的点/>,判断/>是否超出数据X *长度,如果超出,则终止本次识别,等待接收新点后继续执行步骤7.1;否则,继续执行步骤7.5;
步骤7.5:获取待识别的波头区数据和波尾区数据,分别计算波头区数据与波头区参考波形的相关系数,以及波尾区数据与波尾区参考波形的相关系数/>,如果满足条件corr a >H_corr且corr b >T_corr,则识别为发生会车;否则,识别为未发生会车;
步骤7.6:等待接收新点后继续执行步骤7.1。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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,或者对其中部分或者全部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发明各实施例技术方案的范围。
Claims (4)
1.一种用于车载式线路检查仪的高速列车会车识别方法,其特征在于:包括如下步骤:
步骤1:获取车载式线路检查仪内车载传感器的原始数据,并选取某列车一段时间的历史车载传感器原始数据,查看该车型车载传感器原始数据中记录的水平加速度数据的波形,筛选出会车波形,构成会车数据集,并计算每一次会车时列车的平均行驶速度;
步骤2:训练合适的滤波器;
步骤3:将会车数据集输入至训练好的滤波器中,得到滤波后的会车数据集;
步骤4:划分行驶的速度范围,使得每一个速度范围内包括相应的会车子集;
步骤5:基于相应速度范围的会车子集,分别训练对应速度范围的会车波形识别参数,其中会车波形识别参数包括:会车波形总点数、波尾区起始点最小阈值、波头区最大振幅的最小阈值、波头区起始点与波头区最大幅值点之间的点数、波头区终止点与波头区最大幅值点之间的点数、波尾区起始点与波尾区最大幅值点之间的点数、波尾区终止点与波尾区最大幅值点之间的点数、波头区参考波形和波尾区参考波形;
步骤6:使用列车某一段时间车载传感器的水平加速度数据和速度数据训练会车波形与波头区参考波形最小相关性阈值、以及会车波形与波尾区参考波形最小相关性阈值;
步骤7:根据上述步骤对列车是否实时会车进行识别。
2.根据权利要求1所述的一种用于车载式线路检查仪的高速列车会车识别方法,其特征在于:步骤5中速度范围r i 的会车波形识别参数训练的步骤如下:
步骤5.1:获取会车子集中每次会车的波形总点数、波尾区起始点位置、波头区最大幅值、波头区起始点与波头区最大振幅点之间的点数、波头区终止点与波头区最大振幅点之间的点数、波尾区起始点与波尾区最大振幅点之间的点数以及波尾区终止点与波尾区最大振幅点之间的点数;
步骤5.2:分别计算如下参数:
计算每次会车的总点数的最大值,设置会车波形总点数最大阈值;
计算波尾区起始点位置的最小值,设置波尾区起始点最小阈值;
计算波头区最大幅值的最小值,设置波头区最大振幅的最小阈值;
基于最小二乘原理,分别训练使得、/>、、/>值最小的参数,其中p表示会车子集中会车的序号,c i 表示会车子集中会车的总次数,hs p 表示会车子集中第p次会车其起始点与波头区最大振幅点之间的点数,/>表示速度范围r i 波头区起始点与波头区最大幅值点之间的点数,he p 表示会车子集中第p次会车其波头区终止点与波头区最大振幅点之间的点数,/>表示速度范围r i 波头区终止点与波头区最大幅值点之间的点数,ts p 表示会车子集中第p次会车其波尾区最大振幅点与波尾区起始点之间的点数,/>表示速度范围r i 波尾区最小起始点与波尾区最大幅值点之间的点数,te p 表示会车子集中第p次会车其波尾区最大振幅点与波尾区终止点之间的点数,/>表示速度范围r i 波尾区终止点与波尾区最大幅值点之间的点数;
对会车子集中的每次会车,分别取波头区最大振幅点前个点、最大振幅点、以及最大振幅点后/>个点,生成波头区数据集;取波尾区最大振幅点前/>个点、最大振幅点、以及最大振幅点后/>个点,生成波尾区数据集;
分别计算每个波头区数据与其余波头区数据的相关系数的绝对值累加和,选取绝对值累加和最大的波头区数据,作为波头区参考波形;
分别计算每个波尾区数据与其余波尾区数据的相关系数的绝对值累加和,选取绝对值累加和最大的波尾区数据,作为波尾区参考波形。
3.根据权利要求2所述的一种用于车载式线路检查仪的高速列车会车识别方法,其特征在于:步骤6具体包括:
步骤6.1:将列车原始水平加速度数据通过滤波器,获取滤波后的水平加速度数据;
步骤6.2:遍历滤波后的水平加速度数据和速度数据,其过程如下:
步骤6.2.1:获取列车当前车载传感器原始数据点x i 和速度v i ,定位v i 的速度范围r j ,判断是否满足|x i |>H j 且(x i -x i-1 )∙(x i+1 -x i )<0且i>,如果满足,继续执行步骤6.2.2,否则,继续遍历下一个点,其中H j 表示速度范围r j 波头区最大振幅的最小阈值,/>表示速度范围r j 波头区起始点与波头区最大幅值点之间的点数;
步骤6.2.2:计算与波头区参考波形的相关系数corr a ,其中表示速度范围r j 波头区终止点与波头区最大幅值点之间的点数;
步骤6.2.3:查找中绝对值最大的点x b ,计算与波尾区参考波形的相关系数corr b ;
步骤6.2.4:当点数i之后剩余点数<TN j --1时,结束遍历;
其中TN j 表示速度范围r j 会车波形总点数最大阈值;
步骤6.3:匹配会车数据集Meet,为识别结果添加标签“是会车”或“不是会车”,训练参数H_corr和T_corr,满足条件:corr a >H_corr且corr b >T_corr时识别为会车,否则识别为不是会车;
其中H_corr表示会车波形与波头区参考波形最小相关性阈值,T_corr表示会车波形与波尾区参考波形最小相关性阈值。
4.根据权利要求3所述的一种用于车载式线路检查仪的高速列车会车识别方法,其特征在于:步骤7具体包括:
步骤7.1:获取列车在当前时刻t的列车行驶速度v,判断v所处的速度范围为r t ;
步骤7.2:取TN t 个水平加速度数据X,通过滤波器Hd,得到滤波后的数据X *,TN t 表示速度范围r t 会车波形总点数最大阈值;
步骤7.3:查找X *中是否存在满足:且/>且的点,如果满足,继续执行7.4,否则,等待接收新点后继续执行步骤7.1,其中/>表示X *中的第a个点,H t 表示速度范围r t 波头区最大振幅的最小阈值,/>表示速度范围r t 波头区起始点与波头区最大幅值点之间的点数;
步骤7.4:判断是否超出数据X *的长度,如果超出,则终止本次识别,等待接收新点后继续执行步骤7.1;如果没有超出,则继续查找数据X *第/>个点至最后一个点中绝对值最大的点/>,判断/>是否超出数据X *长度,如果超出,则终止本次识别,等待接收新点后继续执行步骤7.1;否则,继续执行步骤7.5;
其中a表示X *中的第a个点,P t 表示速度范围r t 波尾区起始点距离会车起始点最小阈值,b表示X *中的第b个点,表示速度范围r t 波尾区终止点与波尾区最大幅值点之间的点数;
步骤7.5:获取待识别的波头区数据和波尾区数据,分别计算波头区数据与波头区参考波形的相关系数,以及波尾区数据与波尾区参考波形的相关系数/>,如果满足条件corr a >H_ corr且corr b >T_corr,则识别为发生会车;否则,识别为未发生会车;
其中表示速度范围r t 波头区起始点与波头区最大幅值点之间的点数,/>表示速度范围r t 波头区终止点与波头区最大幅值点之间的点数,/>表示速度范围r t 波尾区最小起始点与波尾区最大幅值点之间的点数,/>表示速度范围r t 波尾区终止点与波尾区最大幅值点之间的点数,/>表示速度范围r t 波头区参考波形,/>表示速度范围r t 波尾区参考波形;
步骤7.6:等待接收新的车载传感器原始数据点后继续执行步骤7.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410058905.8A CN117565930B (zh) | 2024-01-16 | 2024-01-16 | 一种用于车载式线路检查仪的高速列车会车识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410058905.8A CN117565930B (zh) | 2024-01-16 | 2024-01-16 | 一种用于车载式线路检查仪的高速列车会车识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117565930A true CN117565930A (zh) | 2024-02-20 |
CN117565930B CN117565930B (zh) | 2024-03-22 |
Family
ID=89862851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410058905.8A Active CN117565930B (zh) | 2024-01-16 | 2024-01-16 | 一种用于车载式线路检查仪的高速列车会车识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117565930B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001010491A (ja) * | 1999-06-30 | 2001-01-16 | Kayaba Ind Co Ltd | 振動制御方法 |
JP2001026269A (ja) * | 1999-07-13 | 2001-01-30 | Kawasaki Heavy Ind Ltd | 高速鉄道における列車のすれちがい検知システム |
CN202071848U (zh) * | 2011-05-11 | 2011-12-14 | 铁道部运输局 | 轨道车辆车间减振装置 |
CN202115536U (zh) * | 2011-05-11 | 2012-01-18 | 铁道部运输局 | 轨道车辆的全主动控制减振装置 |
JP2017020172A (ja) * | 2015-07-07 | 2017-01-26 | 公益財団法人鉄道総合技術研究所 | 橋梁動的応答評価方法 |
CN108268711A (zh) * | 2018-01-04 | 2018-07-10 | 嘉兴学院 | 一种风车轨桥耦合模型及桥上抗风行车准则制定方法 |
CN109359340A (zh) * | 2018-09-18 | 2019-02-19 | 中国科学院力学研究所 | 高速列车动模型六分量气动力的测量方法及装置 |
CN110329321A (zh) * | 2019-08-13 | 2019-10-15 | 中铁西南科学研究院有限公司 | 一种列车车速控制方法、装置及存储介质 |
CN113701877A (zh) * | 2021-08-27 | 2021-11-26 | 中铁建电气化局集团第三工程有限公司 | 一种接触网悬挂系统的振动监测方法 |
CN115452257A (zh) * | 2022-08-22 | 2022-12-09 | 中车长春轨道客车股份有限公司 | 一种轨道车辆侧窗实际运行里程寿命的评估方法 |
CN218600784U (zh) * | 2022-08-22 | 2023-03-10 | 中车长春轨道客车股份有限公司 | 轨道车辆侧窗压力交变耐久试验装置 |
JP2023068276A (ja) * | 2021-11-02 | 2023-05-17 | 公益財団法人鉄道総合技術研究所 | 鉄道車両制振装置及び鉄道車両制振方法 |
CN116822024A (zh) * | 2023-06-28 | 2023-09-29 | 西南交通大学 | 一种铁路桥上多线列车最不利交会位置的确定方法 |
-
2024
- 2024-01-16 CN CN202410058905.8A patent/CN117565930B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001010491A (ja) * | 1999-06-30 | 2001-01-16 | Kayaba Ind Co Ltd | 振動制御方法 |
JP2001026269A (ja) * | 1999-07-13 | 2001-01-30 | Kawasaki Heavy Ind Ltd | 高速鉄道における列車のすれちがい検知システム |
CN202071848U (zh) * | 2011-05-11 | 2011-12-14 | 铁道部运输局 | 轨道车辆车间减振装置 |
CN202115536U (zh) * | 2011-05-11 | 2012-01-18 | 铁道部运输局 | 轨道车辆的全主动控制减振装置 |
JP2017020172A (ja) * | 2015-07-07 | 2017-01-26 | 公益財団法人鉄道総合技術研究所 | 橋梁動的応答評価方法 |
CN108268711A (zh) * | 2018-01-04 | 2018-07-10 | 嘉兴学院 | 一种风车轨桥耦合模型及桥上抗风行车准则制定方法 |
CN109359340A (zh) * | 2018-09-18 | 2019-02-19 | 中国科学院力学研究所 | 高速列车动模型六分量气动力的测量方法及装置 |
CN110329321A (zh) * | 2019-08-13 | 2019-10-15 | 中铁西南科学研究院有限公司 | 一种列车车速控制方法、装置及存储介质 |
CN113701877A (zh) * | 2021-08-27 | 2021-11-26 | 中铁建电气化局集团第三工程有限公司 | 一种接触网悬挂系统的振动监测方法 |
JP2023068276A (ja) * | 2021-11-02 | 2023-05-17 | 公益財団法人鉄道総合技術研究所 | 鉄道車両制振装置及び鉄道車両制振方法 |
CN115452257A (zh) * | 2022-08-22 | 2022-12-09 | 中车长春轨道客车股份有限公司 | 一种轨道车辆侧窗实际运行里程寿命的评估方法 |
CN218600784U (zh) * | 2022-08-22 | 2023-03-10 | 中车长春轨道客车股份有限公司 | 轨道车辆侧窗压力交变耐久试验装置 |
CN116822024A (zh) * | 2023-06-28 | 2023-09-29 | 西南交通大学 | 一种铁路桥上多线列车最不利交会位置的确定方法 |
Non-Patent Citations (2)
Title |
---|
戚振宕: "高速列车明线会车气动特性研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 10, 15 October 2010 (2010-10-15), pages 033 - 139 * |
邵云龙: "基于数据的气动载荷引起的列车横向振动提取方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 4, 15 April 2019 (2019-04-15), pages 033 - 188 * |
Also Published As
Publication number | Publication date |
---|---|
CN117565930B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107591002B (zh) | 一种基于分布式光纤的高速公路交通参数实时估计方法 | |
CN110176139B (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
RU2010131032A (ru) | Способ и система для идентификации информации о поезде | |
CN107204114A (zh) | 一种车辆异常行为的识别方法及装置 | |
CN104809887B (zh) | 一种高速公路上车辆逆行检测方法与自动报警装置 | |
CN106198062A (zh) | 轨道交通工具故障车载声学检测系统及检测方法 | |
CN105489019B (zh) | 一种基于双音频信号采集的分车型的交通流量监测系统 | |
CN110232415B (zh) | 一种基于生物信息特征的列车转向架故障识别方法 | |
CN103473932B (zh) | 一种结合振荡标线的音频信号车型识别系统 | |
CN111721324B (zh) | 一种基于加速度信号的接触网吊弦断裂检测方法 | |
CN107633266B (zh) | 一种电力机车接触网受电弓电弧检测方法 | |
CN117565930B (zh) | 一种用于车载式线路检查仪的高速列车会车识别方法 | |
CN114385765B (zh) | 一种基于航迹数据的耙吸挖泥船生产时间预估方法 | |
CN113610188B (zh) | 弓网接触力非区段异常识别方法及装置 | |
CN104457644A (zh) | 轨道几何检测数据中非脉冲异常数据的检测方法及装置 | |
CN113343919B (zh) | 钢轨连续等距离擦硌伤的检测方法、装置、及计算机设备 | |
CN114743166A (zh) | 一种铁路货车的制动机检测方法 | |
CN115805971A (zh) | 一种在线监测列车车轮多边形故障的方法 | |
CN114119256A (zh) | 一种ubi危险化学品车辆驾驶行为采集分析系统及保费折扣方法 | |
CN113032907B (zh) | 基于波形相关关系的晃车病害数据偏差纠正方法及系统 | |
CN110287897B (zh) | 一种基于深度学习的轨道列车视觉定位系统 | |
CN116124771A (zh) | 一种接触网中心锚结绳松弛故障识别的方法 | |
CN112419304A (zh) | 一种面向一维数据的多阶段目标检测方法及装置 | |
CN112861621A (zh) | 一种地铁乘客行为识别信息系统、方法、介质及设备 | |
CN108765997A (zh) | 一种道路减速功能区驾驶险态检测系统及方法 |
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 |