[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

说明书

本发明公开了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。首先，利用卷积变分编码器从车辆轴箱加速度信号提取对钢轨隐伤敏感的特征。然后，利用两种异常检测算法，即椭圆包络算法和一类支持向量机(OCSVM)，基于提取的特征进行钢轨隐伤检测。利用变分编码器和异常检测算法构建钢轨隐伤检测算法。基于车辆‑轨道耦合动力学仿真验证该算法的有效性和可靠性。针对不同深度的钢轨隐伤，利用车辆‑轨道耦合动力学仿真，计算车辆轴箱加速度响应，建立数值仿真数据集。基于该数据集，进行钢轨隐伤检测算法的训练和性能评价。利用钢轨隐伤检测算法，基于车辆轴箱加速度信号，进行钢轨隐伤定位。

技术领域

本发明涉及轨道交通技术领域，具体是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。

背景技术

如果能实现铁路系统早期伤损的检测，并进行及时养护，就可以降低铁路基础设施养护成本，同时减小列车运行风险。本专利主要针对钢轨表面隐伤的早期检测问题。钢轨隐伤是一种典型的钢轨表面短波滚动接触疲劳缺陷，通常由较小的压痕、焊缝和波磨演化所致。钢轨隐伤会恶化轮轨间的相互作用，降低乘客的乘坐舒适性，加速铁路基础设施服役性能的退化。及早检测到钢轨隐伤的出现并及时打磨，不仅可以减少铁路基础设施维护的长期成本，而且有助于提高车辆的乘坐舒适性。因此，钢轨隐伤的早期检测对铁路系统的运营维护具有重要意义。

利用轨检车定期沿线巡检是目前主流的铁路检测方法。人为地从轨检数据中识别轨面伤损是不切实际的，首先，面对如此庞大的轨检数据，人工识别费时费力。其次，很多数据中的损伤敏感特征人工无法有效提取。

因此，需要提供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。

发明内容

本发明的目的在于克服现有技术的不足，提供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，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。