[发明专利]基于TCN网络的列车轮轴故障声发射检测方法

权利要求书

1.基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述方法包括：

构建TCN网络；

将大量样本输入TCN网络进行网络训练，所述样本包括声发射信号、轮轴转速及对应的分类标签；

TCN网络对声发射信号进行特征提取，并考虑声发射信号与轮轴转速之间的相关性，将学习到的特征与轮轴转速结合进一步进行特征学习，输出分类结果，不断进行网络训练，当达到预定的训练次数或者网络的损失函数值最小时停止训练，得到训练好的TCN网络模型；

将实时检测的声发射信号和对应的轮轴转速输入训练好的TCN网络模型，得到列车轮轴故障检测结果。

2.根据权利要求1所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述TCN网络包括顺序连接的第一TCN模块、第二TCN模块、特征融合模块、第三TCN模块、全连接层以及softmax层，所述声发射信号输入到第一TCN模块的输入端，对应的轮轴转速输入到特征融合模块的输入端。

3.根据权利要求2所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述第一TCN模块、第二TCN模块及第三TCN模块结构相同，所述第一TCN模块包括三个顺序级联的卷积单元以及1×1卷积单元和ReLU激活函数单元，三个顺序级联的卷积单元中的第一个卷积单元的输入端以及1×1卷积单元的输入端连接并接收输入数据，三个顺序级联的卷积单元中的第三个卷积单元的输出端、1×1卷积单元的输出端以及ReLU激活函数单元的输入端连接，ReLU激活函数单元的输出端输出数据。

4.根据权利要求3所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述1×1卷积单元为一个1×1卷积层，ReLU激活函数单元为一个ReLU激活函数层。

5.根据权利要求3所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述卷积单元包括空洞卷积层、BN层、ReLU层及Dropout层，所述空洞卷积层、BN层、ReLU层及Dropout层顺序连接。

6.根据权利要求5所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述空洞卷积层采用两侧层因果卷积叠加而成，卷积核大小为2。

7.根据权利要求2所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述第二TCN模块输出序列与轮轴转速序列交叉组合形成新的特征序列作为特征融合模块的输入，交叉方式为是第二TCN模块输入的序列为输出序列的奇数序列，轮轴转速序列为输出序列的偶数序列。

8.根据权利要求2所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述轮轴转速数据的采样率满足时间T内的采样点数与第二TCN模块输出的特征序列长度一致。

9.根据权利要求2所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述声发射信号输入到第一TCN模块之前包括数据预处理的步骤。

10.根据权利要求9所述的基于TCN网络的列车轮轴故障声发射检测方法，其特征在于，所述数据预处理的步骤包括：

采用24KHz采样率对声音信号进行采样，将输入的音频数据流截取出N个采样点作为单帧输入数据，N个采样点所用的采样时间记为T，为一帧数据的录制时间，统计这N个数据的均值和方差，将数据帧进行标准化处理如下

其中，s为输入的序列，m为均值，为序列的标准差。