[发明专利]基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法

权利要求书

1.基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法，其特征在于，包括如下步骤：

S1：根据列车与轨道结构信息，建立列车-轨道耦合动力学计算分析模型，通过余弦波来模拟不同深度的钢轨隐伤，将其与轨道随机不平顺叠加作为列车-轨道耦合动力学计算分析模型的激励；

S2：通过步骤S1中的列车-轨道耦合动力学计算分析模型，计算不同轨道随机不平顺激励、不同钢轨隐伤深度和不同车速下车辆的轴箱加速度响应，利用计算得到的轴箱加速度响应构建钢轨隐伤的大数据集；

S3：将步骤S2中计算得到的响应进行标准化处理，将标准化处理后的响应以固定长度滑窗进行分割，得到数据样本集，将数据样本集随机分为训练集和测试集；

S4：利用步骤S3中的训练集对变分编码器模型进行模型训练，完成训练后，基于训练集计算变分编码器的隐变量，作为伤损特征；

S5：利用步骤S4中计算的伤损特征进行异常检测算法的训练；

S6：将步骤S4中训练好的变分编码器和步骤S5中训练好的异常检测算法构建成钢轨隐伤检测算法；

S7：利用步骤S6中的钢轨隐伤检测算法，基于车辆轴箱加速度信号，进行钢轨隐伤定位，得到钢轨隐伤位置。

2.根据权利要求1所述的基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法，其特征在于，步骤S1中，列车与轨道结构信息包括列车、轨道的结构参数、不平顺信息、钢轨隐伤的模拟。

3.根据权利要求1所述的基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法，其特征在于，步骤S3中的标准化处理包括：将车辆轴箱加速度响应标准化为一个均值为0，方差为1的正态分布。

4.根据权利要求1所述的基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法，其特征在于，步骤S4包括：利用步骤S3中构建的训练集，通过RMSPROP优化算法进行模型训练。

5.根据权利要求1所述的基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法，其特征在于，步骤S5包括：异常检测算法包括椭圆包络算法和一类支持向量机。

6.根据权利要求1所述的基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法，其特征在于，步骤S6包括：通过钢轨隐伤检测算法的预测结果与实际标签的对比计算算法的识别精度。

7.根据权利要求1所述的基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法，其特征在于，步骤S7包括：车辆轴箱加速度信号包含轨道沿线多个钢轨隐伤信息。