[发明专利]轨道电路设备声谱故障诊断方法及系统

权利要求书

1.一种轨道电路设备声谱故障诊断方法，其特征在于，包括如下步骤：

步骤S1：采集轨道电路设备发送器的声音数据和轨道电路设备接收器的数据；

步骤S2：对所述声音数据进行梅尔频率倒谱系数分析或小波包分解以进行特征提取生成特征矩阵，进而对所述特征矩阵进行组合生成样本集；

步骤S3：将所述样本集分为训练集和测试集，所述训练集用于支持向量机训练生成述支持向量机模型，测试集用于对所述支持向量机模型进行测试，确定模型的准确率；

步骤S4：通过所述支持向量模型对轨道电路设备的声音数据进行分析，判断轨道电路设备发送器、接收器的故障状态。

2.根据权利要求1所述的轨道电路设备声谱故障诊断方法，其特征在于，在所述步骤S2中，进行所述梅尔倒谱系数分析时，包括如下步骤：

步骤S2011：对所述声音数据进行预加重处理，具体为，将声音数据经过高通滤波器进行滤波，H(z)＝1-bz^-1；

其中，H(z)为高通滤波器，b为预加重系数，取值在0.9-1；

步骤S2012：对预加重后的声音数据进行分帧处理，具体为，将256个采样点集合成一个观测单位，即一帧；

步骤S2013：对每一帧声音数据进行加窗处理，具体为，使用汉明窗进行每帧数据的平滑处理，

S’(n)＝0.54-0.46cos[2πn/(N-1)]；

其中，S’(n)为汉明窗，N是帧的大小256，0≤n≤N-1；

步骤S2014：对每一帧声音数据进行频域转换，通过傅里叶变换将时域信号映射到频域，然后转换为功率谱；

DFT变换：

功率谱：P(k)＝|s(k)|² 0≤k≤N

其中，s(n)为时域信号，S(k)为离散域信号，k为第k个采样点，N为采样点的个数，j为复数单位，P(k)为功率谱；

步骤S2015：对所述功率谱通过mel滤波器进行滤波，滤波器的个数为12个，第m个mel滤波器的传递函数H_m(k)为：

其中，f(m-1)为第(m-1)个滤波器的中心频率，f(m)为mel滤波器的中心频率，f(m+1)为第(m+1)个滤波器的中心频率；

步骤S2016：计算每个滤波器组的对数能量：

其中，S(m)为第m个滤波器的对数能量，M为梅尔滤波器的个数；

步骤S2017：对所述功率谱进行离散余弦变换生成声音特征：

其中，C(n)为梅尔倒谱系数，M为梅尔滤波器的个数；

步骤S2018：对所述声音调整进行二阶差分处理，在特征维度上增加12维一阶差分和12维二阶差分，形成36维的特征矩阵。

3.根据权利要求1所述的轨道电路设备声谱故障诊断方法，其特征在于，在步骤S2中进行小波包分解时，包括如下步骤，

步骤S2021：对声音数据进行频率分解，生成高频信号和低频信号；

步骤S2022：对所述高频信号和低频信号进行n层小波包分析确定小波包分解系数，并在细分在的2ⁿ个频带上对小波包分解系数进行重构，确定小波包重构系数；

步骤S2023：提取小波包重构系数计算各个频带信号能量，并进行归一化运算，将所述频带信号能量排列构成特征矩阵。

4.根据权利要求1所述的轨道电路设备声谱故障诊断方法，其特征在于，所述支持向量机模型为具有学习能力的二类分类器。

5.根据权利要求4所述的轨道电路设备声谱故障诊断方法，其特征在于，所述步骤S3包括下步骤：

步骤S301：将轨道电路设备发送器的特征矩阵组合确定为发送器样本集，将轨道电路设备接收器的特征矩阵组合确定为接收器样本集；

步骤S302：将所述发送器样本集和所述接收器样本集分为训练集和测试集；

步骤S303：通过所述训练集对支持向量机进行训练生成述支持向量机模型，通过所述测试集用于对所述支持向量机模型进行测试，确定模型的准确率。