[发明专利]一种针对浮置板轨道钢弹簧损伤的智能检测方法

权利要求书

1.一种针对浮置板轨道钢弹簧损伤的智能检测方法，其特征在于，包括下列步骤：

S1：获取地铁线路目标区段的地铁车辆参数和浮置板轨道结构的参数作为输入，输入进已构建的车辆-浮置板轨道耦合仿真模型中，执行S2；

S2：根据所述车辆-浮置板轨道耦合仿真模型，分析得出传感器布置方案，根据所述传感器布置方案在铺设有钢弹簧浮置板轨道的目标区段中设置传感器，执行S3；

S3：对所述传感器在钢弹簧不同健康状况下采集的原始数据进行标准化处理，并输入至已训练的损伤识别模型中，执行S4；

S4：所述损伤识别模型输出预测的钢弹簧损伤位置及程度，执行步骤S5；

S5：结束；

所述S1中，所述车辆-浮置板轨道耦合仿真模型的工作过程包括下列步骤：

S11：获取地铁线路目标区段的地铁车辆参数和浮置板轨道结构的参数，通过软件搭建车辆-浮置板轨道耦合仿真模型，执行S12；

S12：通过调整模型中的钢弹簧系统的刚度系数和阻尼系数来成对模拟钢弹簧的损伤情况，并设置不同的计算情景，在不同的计算情景下，采集轨道板的振动加速度并构建大数据集，执行S13；

S13：利用Z-score方法对大数据集进行标准化处理，执行S14；

S14：利用S13中处理后的大数据集对优化后的一维残差神经网络进行训练和测试，得到传感器位置与损伤识别准确率的关系，从而确定合适的传感器布置方案；

所述损伤识别模型的训练过程为：

S31：所述S13中的大数据集分为训练集、验证集和测试集，发送至S32；

S32：建立一维残差神经网络，通过交叉验证方式利用训练集对神经网络进行训练，并利用验证集对网络进行参数优化，再通过测试集检验性能，最终得到优化后的一维残差神经网络，发送至S33；

S33：结合所述S14中传感器布置方案，分析一维残差神经网络对不同速度和不同轴重下的数据集的泛化性能，发送至S34；

S34：根据所述S14中传感器布置方案，结合所述S33中的泛化性能分析结果，收集相应情景下的轨道板振动加速度实测数据，构建实测大数据集，执行S35；

S35：将优化后的一维残差神经网络在所述实测大数据集上完成迁移学习，获得分类实测数据集的能力，得到用于训练的损伤识别模型。

2.根据权利要求1所述的一种针对浮置板轨道钢弹簧损伤的智能检测方法，其特征在于，所述S11中车辆-浮置板轨道耦合仿真模型通过在MATLAB软件构建，所述S32中的一维残差神经网络基于Python语言构建。

3.根据权利要求1所述的一种针对浮置板轨道钢弹簧损伤的智能检测方法，其特征在于，所述S14中，所述优化后的一维残差神经网络从损伤定性分析和损伤定位分析两个方面，根据传感器位置与损伤弹簧位置的相对距离对损伤识别准确度的影响，形成传感器位置与损伤识别准确率的关系，得到传感器位置与损伤的钢弹簧的相对距离阈值。

4.根据权利要求3所述的一种针对浮置板轨道钢弹簧损伤的智能检测方法，其特征在于，定性分析用于评估优化后的一维残差神经网络分类正常情景下的数据与损伤情景下处理数据的能力，定位分析用于评估优化后的一维残差神经网络对不同损伤位置下的数据进行有效分类的能力。

5.根据权利要求1所述的一种针对浮置板轨道钢弹簧损伤的智能检测方法，其特征在于，所述S33中，根据泛化性能分析减少S34中采集轨道振动加速度实测数据的情景种数。

6.根据权利要求1所述的一种针对浮置板轨道钢弹簧损伤的智能检测方法，其特征在于，所述S12中，不同计算情景包括不同的车辆载荷、行车速度、损伤位置以及轨道不平顺激励。

7.根据权利要求1所述的一种针对浮置板轨道钢弹簧损伤的智能检测方法，其特征在于，S2中，钢弹簧浮置板轨道线路的轨道板上布置若干个传感器，所述的传感器采集轨道板垂向加速度作为原始数据。

8.根据权利要求1至7中任意一项所述的一种针对浮置板轨道钢弹簧损伤的智能检测方法，其特征在于，所述S2中，所述传感器布置方案具体为，在分布若干对等间距的钢弹簧隔振器的浮置板轨道上，选取一块轨道板作为对象，根据钢弹簧隔振器的分布情况，在轨道板的中间区域设置传感器。