[发明专利]钢轨周期性擦伤识别方法及装置

权利要求书

1.一种钢轨周期性擦伤识别方法，其特征在于，包括：

根据待检测钢轨的车辆动态响应数据，确定车辆轴箱振动加速度信号的信号包络；

对信号包络进行滤除趋势项处理，得到目标信号；

通过CEEMDAN算法，对目标信号进行分解，得到目标信号的多阶本征模态分量；

根据多阶本征模态分量，确定车辆动态响应信号的重构信号；

对重构信号进行CWD分析，确定待检测钢轨是否存在周期性擦伤。

2.如权利要求1所述的方法，其特征在于，所述车辆动态响应数据包括轴箱振动加速度检测数据；

根据待检测钢轨的车辆动态响应数据，确定轴箱振动信号的信号包络，包括：

根据待检测钢轨的轴箱振动加速度检测数据，确定轴箱振动加速度信号；

对轴箱振动加速度信号进行Hilbert变换，得到轴箱振动加速度信号的信号包络。

3.如权利要求1所述的方法，其特征在于，通过CEEMDAN算法，对目标信号进行分解，得到信号包络的多阶本征模态分量，包括：

将高斯白噪声多次添加到目标信号中，得到处理信号；

对处理信号进行EMD分解，得到第一阶EMD本征模态分量；

通过CEEMDAN算法，将第一阶EMD本征模态分量的平均值，作为信号包络的第一阶本征模态分量；

将去除了第一阶本征模态分量的目标信号，作为残差信号；

将高斯白噪声多次添加到残差信号中，得到更新处理信号；对更新处理信号进行EMD分解，得到更新处理信号的第一阶EMD本征模态分量；将更新处理信号的第一阶EMD本征模态分量的平均值，作为信号包络的第二阶本征模态分量；将去除了第二阶本征模态分量的残差信号，作为更新残差信号；重复执行上述根据确定更新处理信号和更新残差信号的步骤，直到得到的更新残差信号为单调函数；

获取上述步骤中得到的信号包络的多阶本征模态分量。

4.如权利要求1所述的方法，其特征在于，根据多阶本征模态分量，确定轴箱振动信号的重构信号，包括：

对目标信号、和目标信号的每一阶本征模态分量，进行Hilbert变换，得到目标信号和每一阶本征模态分量的解析形式；

根据目标信号和每一阶本征模态分量的解析形式，计算目标信号和每一阶本征模态分量的针对每一采样点的瞬时幅值；

根据目标信号和每一阶本征模态分量的针对每一采样点的瞬时幅值，确定轴箱振动信号的重构信号。

5.如权利要求4所述的方法，其特征在于，根据目标信号和每一阶本征模态分量的针对每一采样点的瞬时幅值，确定轴箱振动信号的重构信号，包括：

对于每一阶本征模态分量的针对每一采样点的瞬时幅值，将计算的：该阶本征模态分量的针对该采样点的瞬时幅值、与目标信号的针对该采样点的瞬时幅值的比值，作为该阶本征模态分量针对该采样点的第一数据；计算该阶本征模态分量针对每一采样点的第一数据的平均值；

将所述平均值大于第一预设数值的本征模态分量，作为信号重构分项；

对所述信号重构分项进行相加，得到轴箱振动信号的重构信号。

6.如权利要求1所述的方法，其特征在于，对重构信号进行CWD分析，确定待检测钢轨是否存在周期性擦伤，包括：

对重构信号进行CWD分析，计算重构信号的CWD分布信号；

计算CWD分布信号的频率边际谱和全频率时间边际谱；

从频率边际谱中，提取周期性擦伤频率成分；

根据周期性擦伤频率成分和全频率时间边际谱，计算周期性擦伤频率成分的时间边际谱；

根据周期性擦伤频率成分的时间边际谱，确定待检测钢轨是否存在周期性擦伤。

7.如权利要求6所述的方法，其特征在于，从频率边际谱中，提取周期性擦伤频率成分，包括：

确定频率边际谱的不同极大值点的极大值、对应不同极大值点的频率值；

针对每一极大值点，在该极大值点的极大值大于第二预设数值、且对应该极大值点的频率值与预设钢轨周期性擦伤对应频率数值的余数小于第三预设数值时，确定该极大值点为目标极大值点；

将目标极大值点的频率值，作为周期性擦伤频率成分。