(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111391821.9 (22)申请日 2021.11.19 (71)申请人 福州大学 地址 350108 福建省福州市闽侯县福州大 学城乌龙江北 大道2号福州大 学 (72)发明人 金涛　杨雅熙　庄致远　袁丁　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 代理人 陈鼎桂　蔡学俊 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 基于轨道侧振动加速度的轨道板变形识别 方法 (57)摘要 本发明涉及一种基于轨道侧振动加速度的 轨道板变形识别方法， 包括以下步骤： 步骤S1:获 取原始轨侧振动信号数据； 步骤S2:对轨侧振动 信号数据进行处理， 转化为有相同时间长度的数 据子集； 步骤S3:基于局部均值分解方法， 获取原 始轨侧振动信号数据的特征参数向量矩阵； 步骤 S4:构建随机森林模型， 并基于特征参数向量矩 阵训练， 得到训练后的随机森林； 步骤S5:获取 实 时轨侧振动信号数据， 并根据训练后的随机森 林 进行分类， 完成对轨道板缺陷信息的识别。 本发 明能够有效提取出检测轨道板变形的关键信息， 快速、 准确地识别轨道板的变形。 权利要求书3页 说明书8页 附图2页 CN 113971421 A 2022.01.25 CN 113971421 A 1.一种基于 轨道侧振动加速度的轨道板变形识别方法， 其特 征在于， 包括以下步骤： 步骤S1:获取原 始轨侧振动信号数据； 步骤S2:对轨侧振动信号数据进行处 理， 转化为有相同时间长度的数据子集； 步骤S3:基于局部均值分解方法， 获取原 始轨侧振动信号数据的特 征参数向量矩阵； 步骤S4:构建随机森林模型， 并基于特 征参数向量矩阵训练， 得到训练后的随机森林； 步骤S5:获取实时轨侧振动信号数据， 并根据训练后的随机森林进行分类， 完成对轨道 板缺陷信息的识别。 2.根据权利要求1所述的基于轨道侧振动加速度的轨道板变形识别方法， 其特征在于， 所述步骤S1具体为： 在轨道侧安装光纤振动加速度传感器， 光纤传感器通过光缆连接至数 据采集器， 数据采集器对 所测得的数据进 行滤波， 再经过A/D转换电路将模拟信号转换成数 字信号， 获取原 始轨侧振动信号数据。 3.根据权利要求1所述的基于轨道侧振动加速度的轨道板变形识别方法， 其特征在于， 所述步骤S2具体为： 通过数据截取、 小波阈值去噪、 固定窗分割的方法， 将原始轨侧振动信 号数据转 化为具有相同时间长度的数据子集。 4.根据权利要求1所述的基于轨道侧振动加速度的轨道板变形识别方法， 其特征在于， 所述步骤S3具体为： 步骤S31:计算原始信号x(t)的所有局部极值点Ni， 并推导出所有相邻的局部极值点Ni 和Ni+1的均值： 将对应t(Ni)与t(Ni+1)之间的所有均值点mi用一条直线连接， 得到局部均值线， 然后用 滑动平均法对局部均值线 进行平滑， 得到局部均值 函数m11(t)； 步骤S32： 由相邻的局部极值 Ni和Ni+1得到局部幅值ai: 同理， 将对应的t(Ni)与t(Ni+1)之间的所有局部 幅值ai用一条直线连接， 得到局部幅值 线， 然后用滑动平均法对局部幅值线 进行平滑， 得到包络估计函数a11(t)； 步骤S33： 将局部均值 函数m11(t)与原始信号x(t)分离， 得: h11(t)＝x(t) ‑m11(t) 步骤S34： 将h11(t)与包络估计函数a11(t)相除解调h11(t)， 得: 对s11(t)重复S31和S32的步骤， 得到s11(t)的包络估计函数a12(t)； 重复上述迭代过程， 直到a12(t)＝1， 此时说明s11(t)是一个调频信号； 设s1n(t)经过n次迭代得到， 则s1n(t)的包络估计函数a1(n+1)(t)满足a1(n+1)(t)＝1， 迭代 过程可描述 为： h11(t)＝x(t) ‑m11(t) h12(t)＝s11(t)‑m12(t) h1n(t)＝s1(n‑1)(t)‑m1n(t)权　利　要　求　书 1/3 页 2 CN 113971421 A 2式中： s11(t)＝h12(t)/a11(t) s12(t)＝h12(t)/a12(t) s1n(t)＝h1n(t)/a1n(t) 迭代终止条件为： 步骤S35： 将迭代过程中得到的包络估计函数相乘得到包络信号a1(t)： 步骤S36： 原始信号的第一个PF由包络信号a1(t)与纯调频信号s1n(t)相乘得到: PF1(t)＝a1(t)s1n(t) 步骤S37： 将PF1(t)与原始信号x(t)分离， 得到残差信号u(t)， 残 差信号u(t)作为原始信 号重复k次， 直到uk(t)为单调函数： u1(t)＝x(t) ‑PF1(t) u2(t)＝u1(t)‑PF2(t) ... uk(t)＝uk‑1(t)‑PFk(t) 此时， 原始信号x(t)分解完成为 k个分量信号和1个残差函数uk(t)： 步骤S37： 为了量 化PFs与原始信号的关联度， 引入Pearso n相关系数： 式中： X表示原 始数据， Y表示PFs； 步骤S38： 计算振动信号的时域特 征参数； 步骤S39： 计算振动信号的1个时频域特征参数， 选择特征PFs的能量熵作为损伤识别特 征之一； 首先计算第q个特 征PF的能量Eq： 式中： l是特征PF的长度； 计算这些有效特 征PF的总能量： 特征PF的能量熵为: 权　利　要　求　书 2/3 页 3 CN 113971421 A 3