CN113032907B - 基于波形相关关系的晃车病害数据偏差纠正方法及*** - Google Patents
基于波形相关关系的晃车病害数据偏差纠正方法及*** Download PDFInfo
- Publication number
- CN113032907B CN113032907B CN202110324213.XA CN202110324213A CN113032907B CN 113032907 B CN113032907 B CN 113032907B CN 202110324213 A CN202110324213 A CN 202110324213A CN 113032907 B CN113032907 B CN 113032907B
- Authority
- CN
- China
- Prior art keywords
- shaking
- disease
- vehicle
- waveform data
- point
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供了一种基于波形相关关系的晃车病害数据偏差纠正方法及***,该方法通过获取待纠偏晃车病害点对应的晃车病害数据波形和多次历史检测中待纠偏晃车病害点对应里程范围的晃车数据波形,计算设定里程范围内的每次历史检测得到的晃车数据波形与晃车病害数据波形之间的相关系数,并判断相关系数中的最小相关系数是否小于设定的相关系数阈值;如果是,则判定待纠偏晃车病害点无效;如果否,则判定待纠偏晃车病害点有效。通过该方法能够识别有效晃车病害点,剔除无效晃车病害点,提升检测数据的可信度,同时无需通过仪器现场再次进行病害复核,降低了现场人员的工作量,提高了工作效率。
Description
技术领域
本发明涉及轨道状态检测数据偏差纠正领域,特别是涉及一种基于波形相关关系的晃车病害数据偏差纠正方法及***。
背景技术
机车车辆、轨道是一耦合振动***,车体垂直加速度、水平加速度可体现轨道几何的不平顺状态。线路质量检查仪通过测量机车、车辆在运行过程中的振动情况,得到车体水平加速度、垂直加速度数据(简称为“晃车数据”),来判断铁路轨道几何的不平顺状态。铁路总公司的线路修理规则对车体垂直加速度、水平加速度容许偏差管理值有着明确的规定,而晃车病害数据指的是超过规定容许偏差管理值的车体垂直加速度、水平加速度数据。
与大型轨道检查车不同,线路质量检查仪体积较小、检测成本低、检测频次高、使用简便,是铁路***普遍采用的一种实时在途监测手段。由于检测周期短,线路质量检查仪可产生丰富的线路晃车数据,如车载式线路质量检查仪在一天内多次检测轨道质量状态。轨道晃车数据在轨道设备检测数据中所占比例较大,是综合评定轨道不平顺状态的关键数据之一。
车体晃动同时受轨道不平顺状态和机车车辆特性影响:(1)机车车辆自身原因或非正常操纵可造成车体垂直加速度、水平加速度超过阈值,由于不是轨道几何超限引起的问题,故相应的晃车病害数据为误报数据,存在测量偏差,需从检测数据中将其剔除。(2)轨道几何不平顺是轮轨***的激扰源,是引起机车车辆产生振动的主要原因,相应的晃车病害数据为有效晃车病害数据。
由于仪器本身的限制及外界环境的影响,目前线路质量检查仪晃车数据存在较为严重的里程偏差、测量偏差问题,数据误报比较频繁,这给现场工作带来了极大的麻烦。在铁路实际工作中,一般是安排工作人员到现场借助于轨检仪等其他检测仪器,对线路质量检查仪检测出的晃车病害进行复核,判断其是否为真实的轨道几何超限病害,确定其准确的病害里程位置,诊断相应的晃车病害原因。工作人员在复核晃车病害时,需花费大量的时间和精力,导致工作效率下降、维修费用上升。因此,有必要提供一种检测数据可靠、工作效率较高的晃车病害数据检测方法。
发明内容
本发明的目的是提供一种基于波形相关关系的晃车病害数据偏差纠正方法及***,可以提高检测数据的可靠性和提高工作效率。
为实现上述目的,本发明提供了如下方案:
一种基于波形相关关系的晃车病害数据偏差纠正方法,其特征在于,所述基于波形相关关系的晃车病害数据偏差纠正方法包括:
获取待纠偏晃车病害点对应的晃车病害数据波形,所述晃车病害数据波形为里程-加速度值波形,所述晃车病害数据波形中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车病害数据波形中的加速度值为所述里程范围C_FD约束内各测量点的加速度测量值;
获取多次历史检测中所述待纠偏晃车病害点对应的晃车数据波形,所述晃车数据波形为里程-加速度值波形,所述晃车数据波形中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围内,所述晃车数据波形中的加速度值为所述里程范围约束内各测量点的加速度测量值,所述历史检测的时间约束C_FT为所述待纠偏晃车病害点的测量时间之前的设定时间内;
计算每次历史检测得到的所述晃车数据波形与所述晃车病害数据波形之间的相关系数;
判断所述相关系数中的最小相关系数是否小于设定的相关系数阈值;
如果是,则判定所述待纠偏晃车病害点无效;
如果否,则判定所述待纠偏晃车病害点有效。
可选地,所述基于波形相关关系的晃车病害数据偏差纠正方法还包括:
将铁路轨道划分为等长的多个区段;
根据区段内每个有效晃车病害点峰值确定的病害等级以及有效晃车病害点的个数,确定所述区段的病害总扣分;
将所述病害总扣分较高的前n个区段确定为薄弱地段。
可选地,所述待纠偏晃车病害点的总数为I,所述待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据序列为 表示病害点αi前后C_FD里程范围内的晃车波形数据序列集合;集合/>中的元素总个数n=2×C_FD×f,f表示线路质量检查仪的采样频率,/>表示晃车波形数据序列/>中的峰值点,/>的里程位置表示病害点αi的里程位置,待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据/>的里程范围是/>
可选地,所述计算每次历史检测得到的所述晃车数据波形与所述晃车病害数据波形之间的相关系数,具体包括:
获取历史第p次(1≤p≤P)检测中所述待纠偏晃车病害点对应的晃车波形数据,将所述晃车波形数据点集合用表示;
采用公式计算历史第p次检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
采用公式获取最小相关系数;
其中,P表示待纠偏晃车病害点在时间约束C_FT内的历史检测总次数,表示历史第p次检测得到的所述晃车波形数据与第i个病害点αi对应的所述晃车病害波形数据之间的相关系数,cov(M0 i,Mp i)表示变量M0 i与Mp i的协方差,/>表示变量M0 i、Mp i的标准差,min(·)表示取变量(·)中的最小值,/>表示每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的最小相关系数。
为了实现上述目的,本发明还提供了一种基于波形相关关系的晃车病害数据偏差纠正***,所述基于波形相关关系的晃车病害数据偏差纠正***包括:
晃车病害波形数据获取模块,用于获取待纠偏晃车病害点对应的晃车病害波形数据,所述晃车病害波形数据为里程-加速度值波形数据,所述晃车病害波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车病害波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值;
历史晃车波形数据获取模块,用于获取多次历史检测中所述待纠偏晃车病害点对应的晃车波形数据,所述晃车波形数据为里程-加速度值波形数据,所述晃车波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值,所述历史检测的时间约束C_FT为所述待纠偏晃车病害点的测量时间之前的设定时间内;
相关系数计算模块,用于计算每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
晃车病害点纠正模块,用于判断所述相关系数中的最小相关系数是否小于设定的相关系数阈值;如果是,则判定所述待纠偏晃车病害点无效;如果否,则判定所述待纠偏晃车病害点有效。
可选地,所述基于波形相关关系的晃车病害数据偏差纠正***还包括薄弱地段确定模块,具体包括:
将铁路轨道划分为等长的多个区段;
根据区段内每个有效晃车病害点峰值确定的病害等级以及有效晃车病害点的个数,确定所述区段的病害总扣分;
将所述病害总扣分较高的前n个区段确定为薄弱地段。
可选地,所述历史晃车波形数据获取模块具体包括:
所述待纠偏晃车病害点的总数为I,所述待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据序列为 表示病害点αi前后C_FD里程范围内的晃车波形数据序列集合;集合/>中的元素总个数n=2×C_FD×f,f表示线路质量检查仪的采样频率,/>表示晃车波形数据序列/>中的峰值点,/>的里程位置表示病害点αi的里程位置,待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据/>的里程范围是/>
可选地,所述相关系数计算模块具体包括:
获取历史第p次(1≤p≤P)检测中所述待纠偏晃车病害点对应的晃车波形数据,将所述晃车波形数据点集合用表示;
采用公式计算历史第p次检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
采用公式获取最小相关系数;
其中,P表示待纠偏晃车病害点在时间约束C_FT内的历史检测总次数,表示历史第p次检测得到的所述晃车波形数据与第i个病害点αi对应的所述晃车病害波形数据之间的相关系数,cov(M0 i,Mp i)表示变量M0 i与Mp i的协方差,/>表示变量M0 i、Mp i的标准差,min(·)表示取变量(·)中的最小值,/>表示每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的最小相关系数。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明基于波形相关关系的晃车病害数据偏差纠正方法及***,该方法通过获取待纠偏晃车病害点对应的晃车病害数据波形和多次历史检测中待纠偏晃车病害点对应里程范围的晃车数据波形,计算设定里程范围内的每次历史检测得到的晃车数据波形与晃车病害数据波形之间的相关系数,并判断相关系数中的最小相关系数是否小于设定的相关系数阈值;如果是,则判定待纠偏晃车病害点无效;反之,则判定待纠偏晃车病害点有效。通过该方法能够识别有效晃车病害点,剔除无效晃车病害点,提升检测数据的可信度,同时该方法无需通过仪器再次现场进行病害复核,降低了现场人员的工作量,提高了工作效率。
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,下面将对实施例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为本发明基于波形相关关系的晃车病害数据偏差纠正方法流程图;
图2为病害点αi的超限评定示意图;
图3为本发明基于波形相关关系的晃车病害数据偏差纠正方法的算法原理示意图;
图4为本发明基于波形相关关系的晃车病害数据偏差纠正***的示意图。
符号说明:
1-晃车病害波形数据获取模块,2-历史晃车波形数据获取模块,3-相关系数计算模块,4-晃车病害点纠正模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于波形相关关系的晃车病害数据偏差纠正方法及***,可以提高检测数据的可靠性以及提高工作效率。
本发明的“数据偏差的纠正”是指有效晃车病害点的识别,从原始的晃车病害数据中,剔除由于车体自身原因或非正常操纵等造成的这一类存在测量偏差的误报晃车病害数据。
“相关关系”是指:待纠偏晃车病害点对应的晃车病害数据波形与设定里程范围及给定时间范围内多次历史检测中与待纠偏的晃车病害点对应的晃车数据波形的相关程度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明基于波形相关关系的晃车病害数据偏差纠正方法包括以下步骤:
步骤101:获取待纠偏晃车病害点对应的晃车病害波形数据,所述晃车病害波形数据为里程-加速度值波形数据,所述晃车病害波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车病害波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值。晃车病害数据是指线路质量检查仪检测的超过一定管理阈值的车体水平加速度、垂直加速度数据。
步骤102:获取多次历史检测中所述待纠偏晃车病害点对应的晃车波形数据,所述晃车波形数据为里程-加速度值波形数据,所述晃车波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值,所述历史检测的时间约束C_FT为所述待纠偏晃车病害点的测量时间之前的设定时间内。一般情况下,时间约束C_FT为最新一次晃车病害检测前的1~3天内,确保该时间间隔内相应的晃车病害未被整治。
步骤103:计算每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数。由于线路质量检测仪检测周期短,同一处轨道不平顺病害在未整治前会被重复检测多次,多次检测相应的原始晃车波形数据具有较高的相似程度。
步骤104:判断所述相关系数中的最小相关系数是否小于设定的相关系数阈值,设定的相关系数阈值γbase可根据专家经验与统计历史数据得出。
步骤105:如果是,则判定所述待纠偏晃车病害点无效,该病害点不是由轨道不平顺病害引起的,进而将该无效的晃车病害点剔除。
步骤106:如果否,则判定所述待纠偏晃车病害点有效。
进一步地,所述基于波形相关关系的晃车病害数据偏差纠正方法还包括:
步骤107:将铁路轨道划分为等长的多个区段,可根据实际情况按照每个区段长度为200米进行划分。
根据区段内每个有效晃车病害点峰值确定的病害等级以及有效晃车病害点的个数,确定所述区段的病害总扣分。
将所述病害总扣分较高的前n个区段确定为薄弱地段,工作人员可以针对前n个薄弱地段及时安排相应的维修活动。
具体地,晃车病害一般划分为4个病害等级,病害等级值越高,表明该晃车病害越严重。假设单个4级病害扣分值为10,单个3级病害扣分值为5,单个2级病害扣分值为3,单个1级病害扣分值为1。若某特定区段1级有效晃车病害点有3处,3级有效晃车病害点有2处,那么该区段病害总扣分为有效晃车病害点个数以及每个有效晃车病害点峰值确定的病害等级的加权平均值:3*1+2*5=13。
更近一步地,所述待纠偏晃车病害点的总数为I,所述待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据序列为 表示病害点αi前后C_FD里程范围内的晃车波形数据序列集合;集合/>中的元素总个数n=2×C_FD×f,f表示线路质量检查仪的采样频率,/>表示晃车波形数据序列/>中的峰值点,/>的里程位置表示病害点αi的里程位置,待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据的里程范围是/>病害点αi的超限评定示意图如图2所示。
优选地,所述计算每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数,具体包括:
获取历史第p次(1≤p≤P)检测中所述待纠偏晃车病害点对应的晃车波形数据,将所述晃车波形数据点集合用表示;
采用公式计算历史第p次检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
采用公式获取最小相关系数;
其中,P表示待纠偏晃车病害点在时间约束C_FT内的历史检测总次数,表示历史第p次检测得到的所述晃车波形数据与第i个病害点αi对应的所述晃车病害波形数据之间的相关系数,cov(M0 i,Mp i)表示变量M0 i与Mp i的协方差,/>表示变量M0 i、Mp i的标准差,min(·)表示取变量(·)中的最小值,/>表示每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的最小相关系数。
类似的,依次对待纠偏晃车病害点集合中的I个晃车病害点进行上述计算步骤101-步骤107,最终可得出一段里程内最新一次检测的有效晃车病害点集合B=[b1,b2,…,bS],S表示最新一次线路质量检查仪检测得到的有效晃车病害点的总个数。
为了实现上述目的,如图4所示,本发明还提供了一种基于波形相关关系的晃车病害数据偏差纠正***,所述基于波形相关关系的晃车病害数据偏差纠正***包括:晃车病害波形数据获取模块1、历史晃车波形数据获取模块2、相关系数计算模块3以及晃车病害点纠正模块4。
晃车病害波形数据获取模块1,用于获取待纠偏晃车病害点对应的晃车病害波形数据,所述晃车病害波形数据为里程-加速度值波形数据,所述晃车病害波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车病害波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值。
历史晃车波形数据获取模块2,用于获取多次历史检测中所述待纠偏晃车病害点对应的晃车波形数据,所述晃车波形数据为里程-加速度值波形数据,所述晃车波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值,所述历史检测的时间约束C_FT为所述待纠偏晃车病害点的测量时间之前的设定时间内。
相关系数计算模块3用于计算每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数。
晃车病害点纠正模块4,用于判断所述相关系数中的最小相关系数是否小于设定的相关系数阈值;如果是,则判定所述待纠偏晃车病害点无效;如果否,则判定所述待纠偏晃车病害点有效。
进一步地,所述基于波形相关关系的晃车病害数据偏差纠正***还包括:薄弱地段确定模块(图中未示),用于确定铁路轨道区段中的薄弱地段,具体包括:
将铁路轨道划分为等长的多个区段。
根据区段内每个有效晃车病害点峰值确定的病害等级以及有效晃车病害点的个数,确定所述区段的病害总扣分。
将所述病害总扣分较高的前n个区段确定为薄弱地段。
更近一步地,历史晃车波形数据获取模块2具体包括:
待纠偏晃车病害点的总数为I,待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据序列为 表示病害点αi前后C_FD里程范围内的晃车波形数据序列集合;集合/>中的元素总个数n=2×C_FD×f,f表示线路质量检查仪的采样频率,/>表示晃车波形数据序列/>中的峰值点,/>的里程位置表示病害点αi的里程位置,待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据/>的里程范围是
优选地,相关系数计算模块3具体包括:
获取历史第p次(1≤p≤P)检测中所述待纠偏晃车病害点对应的晃车波形数据,将所述晃车波形数据点集合用表示;
采用公式计算历史第p次检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
采用公式获取最小相关系数;
其中,P表示待纠偏晃车病害点在时间约束C_FT内的历史检测总次数,表示历史第p次检测得到的所述晃车波形数据与第i个病害点αi对应的所述晃车病害波形数据之间的相关系数,cov(M0 i,Mp i)表示变量M0 i与Mp i的协方差,/>表示变量M0 i、Mp i的标准差,min(·)表示取变量(·)中的最小值,/>表示每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的最小相关系数。
本发明基于波形相关关系的晃车病害数据偏差纠正方法及***可以用于对最新一次检测的晃车病害数据进行偏差纠正,实现有效晃车病害点的实时检测,也可以针对过去几天的晃车病害数据进行偏差纠正。
本发明通过将对应程序集成设置于线路质量检测仪上,实现数据采集与偏差纠正的一体化。但本发明保护范围不限于线路质量检查仪、晃车仪、添乘仪、地铁运行服务检测装置等,任何基于加速度传感器测量机车车辆的车体垂直加速度、水平加速度的仪器装置都适用。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于波形相关关系的晃车病害数据偏差纠正方法,其特征在于,所述基于波形相关关系的晃车病害数据偏差纠正方法包括:
获取待纠偏晃车病害点对应的晃车病害波形数据,所述晃车病害波形数据为里程-加速度值波形数据,所述晃车病害波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车病害波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值;
获取多次历史检测中所述待纠偏晃车病害点对应的晃车波形数据,所述晃车波形数据为里程-加速度值波形数据,所述晃车波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值,所述历史检测的时间约束C_FT为所述待纠偏晃车病害点的测量时间之前的设定时间内;
计算每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
判断所述相关系数中的最小相关系数是否小于设定的相关系数阈值;
如果是,则判定所述待纠偏晃车病害点无效;
如果否,则判定所述待纠偏晃车病害点有效。
2.根据权利要求1所述的基于波形相关关系的晃车病害数据偏差纠正方法,其特征在于,所述基于波形相关关系的晃车病害数据偏差纠正方法还包括:
将铁路轨道划分为等长的多个区段;
根据区段内每个有效晃车病害点峰值确定的病害等级以及有效晃车病害点的个数,确定所述区段的病害总扣分;
将所述病害总扣分较高的前n个区段确定为薄弱地段。
3.根据权利要求1所述的基于波形相关关系的晃车病害数据偏差纠正方法,其特征在于,所述待纠偏晃车病害点的总数为I,所述待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据序列为 表示病害点αi前后C_FD里程范围内的晃车波形数据序列集合;集合/>中的元素总个数n=2×C_FD×f,f表示线路质量检查仪的采样频率,/>表示晃车波形数据序列/>中的峰值点,/>的里程位置表示病害点αi的里程位置,待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据/>的里程范围是
4.根据权利要求3所述的基于波形相关关系的晃车病害数据偏差纠正方法,其特征在于,所述计算每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数,具体包括:
获取历史第p次(1≤p≤P)检测中所述待纠偏晃车病害点对应的晃车波形数据,将所述晃车波形数据点集合用表示;
采用公式计算历史第p次检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
采用公式获取最小相关系数;
其中,P表示待纠偏晃车病害点在时间约束C_FT内的历史检测总次数,表示历史第p次检测得到的所述晃车波形数据与第i个病害点αi对应的所述晃车病害波形数据之间的相关系数,/>表示变量M0 i与Mp i的协方差,/>表示变量M0 i、Mp i的标准差,min(·)表示取变量(·)中的最小值,/>表示每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的最小相关系数。
5.一种基于波形相关关系的晃车病害数据偏差纠正***,其特征在于,所述基于波形相关关系的晃车病害数据偏差纠正***包括:
晃车病害波形数据获取模块,用于获取待纠偏晃车病害点对应的晃车病害波形数据,所述晃车病害波形数据为里程-加速度值波形数据,所述晃车病害波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车病害波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值;
历史晃车波形数据获取模块,用于获取多次历史检测中所述待纠偏晃车病害点对应的晃车波形数据,所述晃车波形数据为里程-加速度值波形数据,所述晃车波形数据中的里程范围约束为所述待纠偏晃车病害点前后设定里程范围C_FD内,所述晃车波形数据中的加速度值为所述里程范围约束内各测量点的加速度测量值,所述历史检测的时间约束C_FT为所述待纠偏晃车病害点的测量时间之前的设定时间内;
相关系数计算模块,用于计算每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
晃车病害点纠正模块,用于判断所述相关系数中的最小相关系数是否小于设定的相关系数阈值;如果是,则判定所述待纠偏晃车病害点无效;如果否,则判定所述待纠偏晃车病害点有效。
6.根据权利要求5所述的基于波形相关关系的晃车病害数据偏差纠正***,其特征在于,所述基于波形相关关系的晃车病害数据偏差纠正***还包括薄弱地段确定模块,具体包括:
将铁路轨道划分为等长的多个区段;
根据区段内每个有效晃车病害点峰值确定的病害等级以及有效晃车病害点的个数,确定所述区段的病害总扣分;
将所述病害总扣分较高的前n个区段确定为薄弱地段。
7.根据权利要求5所述的基于波形相关关系的晃车病害数据偏差纠正***,其特征在于,所述历史晃车波形数据获取模块具体包括:
所述待纠偏晃车病害点的总数为I,所述待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据序列为 表示病害点αi前后C_FD里程范围内的晃车波形数据序列集合;集合/>中的元素总个数n=2×C_FD×f,f表示线路质量检查仪的采样频率,/>表示晃车波形数据序列/>中的峰值点,/>的里程位置表示病害点αi的里程位置,待纠偏晃车病害点中第i个病害点αi对应的晃车波形数据/>的里程范围是
8.根据权利要求7所述的基于波形相关关系的晃车病害数据偏差纠正***,其特征在于,所述相关系数计算模块具体包括:
获取历史第p次(1≤p≤P)检测中所述待纠偏晃车病害点对应的晃车波形数据,将所述晃车波形数据点集合用表示;
采用公式计算历史第p次检测得到的所述晃车波形数据与所述晃车病害波形数据之间的相关系数;
采用公式获取最小相关系数;
其中,P表示待纠偏晃车病害点在时间约束C_FT内的历史检测总次数,表示历史第p次检测得到的所述晃车波形数据与第i个病害点αi对应的所述晃车病害波形数据之间的相关系数,cov(M0 i,Mp i)表示变量M0 i与Mp i的协方差,/>表示变量M0 i、Mp i的标准差,min(·)表示取变量(·)中的最小值,/>表示每次历史检测得到的所述晃车波形数据与所述晃车病害波形数据之间的最小相关系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110324213.XA CN113032907B (zh) | 2021-03-26 | 2021-03-26 | 基于波形相关关系的晃车病害数据偏差纠正方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110324213.XA CN113032907B (zh) | 2021-03-26 | 2021-03-26 | 基于波形相关关系的晃车病害数据偏差纠正方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113032907A CN113032907A (zh) | 2021-06-25 |
CN113032907B true CN113032907B (zh) | 2023-07-25 |
Family
ID=76474408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110324213.XA Active CN113032907B (zh) | 2021-03-26 | 2021-03-26 | 基于波形相关关系的晃车病害数据偏差纠正方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032907B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114592388A (zh) * | 2022-03-07 | 2022-06-07 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种长大隧道有轨运输轨道的平顺性检测方法及*** |
CN117907512B (zh) * | 2024-03-20 | 2024-05-31 | 杭州臻稀生物科技有限公司 | 基于固相萃取流速与内标物选型关系构建的污水检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900708A (zh) * | 2010-08-18 | 2010-12-01 | 哈尔滨工业大学 | 一种基于振动和声频信号的高速列车轨道伤损探测方法 |
CN102496064A (zh) * | 2011-12-01 | 2012-06-13 | 北京交通大学 | 一种轨道不平顺的获取方法 |
CN102518012A (zh) * | 2011-11-18 | 2012-06-27 | 北京交通大学 | 融合多种设备检测数据进行轨道检测的方法 |
DE102011101226A1 (de) * | 2011-05-11 | 2012-11-15 | Deutsche Bahn Ag | Verfahren zur Beschreibung von Gleislageabweichungen |
CN107864667A (zh) * | 2014-12-27 | 2018-03-30 | 贾迪安光学技术有限公司 | 用于检测表面的多个振动的***及方法 |
CN110274778A (zh) * | 2019-08-01 | 2019-09-24 | 成都博仕腾科技有限公司 | 铁道车辆晃车测试方法及*** |
-
2021
- 2021-03-26 CN CN202110324213.XA patent/CN113032907B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900708A (zh) * | 2010-08-18 | 2010-12-01 | 哈尔滨工业大学 | 一种基于振动和声频信号的高速列车轨道伤损探测方法 |
DE102011101226A1 (de) * | 2011-05-11 | 2012-11-15 | Deutsche Bahn Ag | Verfahren zur Beschreibung von Gleislageabweichungen |
CN102518012A (zh) * | 2011-11-18 | 2012-06-27 | 北京交通大学 | 融合多种设备检测数据进行轨道检测的方法 |
CN102496064A (zh) * | 2011-12-01 | 2012-06-13 | 北京交通大学 | 一种轨道不平顺的获取方法 |
CN107864667A (zh) * | 2014-12-27 | 2018-03-30 | 贾迪安光学技术有限公司 | 用于检测表面的多个振动的***及方法 |
CN110274778A (zh) * | 2019-08-01 | 2019-09-24 | 成都博仕腾科技有限公司 | 铁道车辆晃车测试方法及*** |
Non-Patent Citations (2)
Title |
---|
《基于深度残差网络的轨道结构病害识别》;侯博文等;《铁道学报》;全文 * |
《铁路轨道健康管理网格化分析决策模型研究》;白磊;《中国博士学位论文全文数据库(工程科技Ⅱ辑)》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113032907A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113032907B (zh) | 基于波形相关关系的晃车病害数据偏差纠正方法及*** | |
US6539293B2 (en) | Method and device for monitoring bogies of multi-axle vehicles | |
CN102881162B (zh) | 大规模交通信息的数据处理及融合方法 | |
CN106441893B (zh) | 火车滚动轴承故障与杂质振动区分方法 | |
CN111260822B (zh) | 一种基于大数据的轨道交通车辆健康状态分析方法及终端 | |
CN102633173A (zh) | 一种电梯轿厢运行状态监测***及方法 | |
CN106289822A (zh) | 一种列车故障检测***及方法 | |
CN209055845U (zh) | 一种高速动车组行车故障监测与诊断*** | |
CN110225856A (zh) | 用于铁路车辆的物流/诊断监测的自供电装置 | |
US6763290B2 (en) | Cab signal quality detecting and reporting system and method | |
CN109278797A (zh) | 一种机车车载设备的检测方法和*** | |
Cong et al. | Subway rail transit monitoring by built-in sensor platform of smartphone | |
CN108573602B (zh) | 一种交通噪声数据采集***及其控制方法 | |
CN104949848A (zh) | 基于频域峭度的蛇行失稳检测算法 | |
CN110533115A (zh) | 基于变分模态分解的轨道电路传输特性定量评价方法 | |
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 | |
CN115805971A (zh) | 一种在线监测列车车轮多边形故障的方法 | |
CN107521520B (zh) | 一种车轮脱轨预警的方法及*** | |
CN116001800A (zh) | 车辆驾驶风险信息获取方法、装置、电子设备及介质 | |
CN108827665A (zh) | 基于经验模态分解和多尺度熵的车轮扁疤故障检测方法 | |
CN114778152A (zh) | 一种自适应动态调整列车脱轨振动阈值的方法及*** | |
CN114084198A (zh) | 基于分布式声波传感的列车状态判识及警告***及方法 | |
CN111507629A (zh) | 一种轨道故障诊断方法及*** | |
CN102074059B (zh) | 利用决策序列提高基于激光的客流检测精度的方法及设备 | |
CN111638077A (zh) | 一种基于前端处理的斜拉索智能监测方法及*** |
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 |