[发明专利]基于轴箱振动加速度的轨道高低不平顺预测系统及方法

摘要

本发明公开了一种基于轴箱振动加速度的轨道高低不平顺预测系统及方法。该系统包括轴箱振动加速度传感器、旋转脉冲测速传感器、模拟预处理电路、A/D转换电路、嵌入式系统、无线网络路由、上位机。所述轴箱振动加速度传感器设置于列车走行部轴箱上，旋转脉冲测速传感器设置于列车车轴端盖内，所述轴箱振动加速度传感器采集的轴箱振动信号和旋转脉冲测速传感器采集的车速信号先经过模拟预处理电路进行低通滤波处理，再经A/D转换电路将模拟信号转换成数字信号，数字信号由嵌入式系统经无线网络路由发送至上位机进行处理，上位机通过振动信号预测得到轨道高低不平顺结果。本发明具有成本低、工程实施性好等优点。

主权项

一种基于轴箱振动加速度的轨道高低不平顺预测方法，其特征在于，包含以下步骤：步骤1，在列车走行部轴箱上设置轴箱振动加速度传感器，列车车轴端盖内设置旋转脉冲测速传感器，并在运营列车上设置模拟预处理电路、A/D转换电路、嵌入式系统、无线网络路由、上位机；步骤2，所述轴箱振动加速度传感器、旋转脉冲测速传感器的输出端均接入模拟预处理电路，模拟预处理电路的输出端通过A/D转换电路接入嵌入式系统；步骤3，车辆在运营过程中，通过轴箱振动加速度传感器采集轴箱振动加速度信号、旋转脉冲测速传感器采集车速信号，所采集的信号经模拟预处理电路进行滤波，再经过A/D转换电路将模拟信号转换成数字信号输入嵌入式系统，嵌入式系统将采集的数据通过无线网络路由发送至上位机；步骤4，上位机将已有的轴箱振动加速度信号作为输入、轨道高低不平顺谱作为输出，采用外源非线性自回归神经网络NARX训练，得到网络相关参数，所述网络相关参数包括节点间的连接权系数、每个节点阈值；步骤5，上位机利用采集得到的轴箱振动加速度信号通过NARX神经网络实时预测当前轨道高低不平顺，具体如下：(1)依据已有轴箱振动加速度信号和历史积累的轨道高低不平顺数据，对该轴箱振动加速度信号和轨道高低不平顺数据分别进行归一化处理，归一化公式为：xiscal=xi-xminxmax-xmin]]>式中，为归一化之后的数据、xi为振动加速度信号或轨道高低不平顺数据中的第i个数据、xmin为振动加速度信号或轨道高低不平顺数据中最小值、xmax为振动加速度信号或轨道高低不平顺数据中最大值；(2)确定NARX神经网络结构，包括输入节点数、输出节点数、隐层层数，设定NARX网络的输入输出层神经元数目，输入层神经元为1，输出层神经元为1，选择隐节点与输出层节点的激活函数，激活函数包括阈值函数、分段线性函数和非线性函数；(3)确定隐层节点数目，采用经验遍历法，即通过选取不同的隐节点数来训练网络，选取性能最佳时的隐节点数目；(4)确定时间延迟阶数，取输入时间延迟阶数与输出时间延迟阶数保持一致，采用经验遍历法构造一组不同时间延迟阶数的NARX神经网络，选择测试均方根误差最小的时间延迟阶数；(5)选择适合该NARX神经网络的训练算法即贝叶斯正则化算法；(6)利用历史积累的轴向振动加速度数据作为NARX神经网络的输入数据、轨道高低不平顺数据作为NARX神经网络的输出数据对NARX进行训练，获得NARX神经网络训练指标，所述NARX神经网络训练指标包括均方根误差和网络输出与实际输出的相关系数，比较训练所得到的NARX神经网络输出值和实际系统输出值之间的相关系数评价网络性能，均方根误差越小，相关系数越接近于1表明网络性能越优越；(7)将采集的实时轴箱振动加速度信号作为NARX神经网络输入，预测轨道高低不平顺，根据铁路部门局部不平顺幅值超限评分法中对高低不平顺的轨道几何尺寸容许偏差来判断轨道高低不平顺状态，参照速度信号计算列车运营距离与轨道高低不平顺数据，推算出轨道高低不平顺位置。