基于离散小波滤波网络的轨道不平顺识别方法及系统

本发明涉及轨道不平顺识别，具体而言，涉及基于离散小波滤波网络的轨道不平顺识别方法及系统。

背景技术：

1、铁路轨道在长期承受列车动荷载、环境温度变化以及结构服役老化等多种复杂因素的共同作用下，容易产生不同程度的轨道几何劣化，进而形成轨道不平顺。轨道不平顺的持续发展不仅会加剧列车运行过程中的振动和噪声水平，降低乘坐舒适性，还会引起轮轨作用力波动，对车辆—轨道系统的运行安全和服役寿命产生不利影响。因此，在运营条件下实现高效、稳定的轨道不平顺识别，对于提升铁路线路状态监测能力和运维效率具有重要工程意义。

2、目前，轨道不平顺识别研究多聚焦于基于运营列车振动响应的数据驱动方法，通过在列车关键部位布设加速度传感器采集动态响应信号，并通过神经网络直接学习列车响应与轨道不平顺之间的映射关系。数据驱动方法降低了对物理模型的依赖，但普遍采用结构复杂、参数规模较大的神经网络模型，存在计算成本高、对噪声和工况变化敏感等问题，不利于在线应用和工程部署。

3、针对上述问题，现需要一种能够在保证识别精度的同时有效降低模型参数规模和计算复杂度，提升了在复杂运行工况下的稳定性和工程适用性，适用于轨道不平顺的连续监测与在线识别的方法与系统，用于解决上述技术问题。

技术实现思路

1、本发明的目的在于提供一种基于离散小波滤波网络的轨道不平顺识别方法及系统，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

2、第一方面，本申请提供了一种基于离散小波滤波网络的轨道不平顺识别方法，包括：

3、在车体预设位置处设置加速度传感器，并在列车在轨道上运行时获取其产生的前端竖向加速度信号和后端竖向加速度信号；

4、基于所有的竖向加速度信号进行预处理，其中，通过将预设的固定时间长度的信号段进行对齐与组合，得到包含双通道振动信息的样本矩阵；

5、将预设的历史样本矩阵发送至预设的轨道不平顺识别模型进行训练，得到训练完成后的轨道不平顺识别模型，其中所述预设的历史样本矩阵为所述加速度传感器采集到的历史数据进行预处理后的样本矩阵；

6、将所述双通道振动信息的样本矩阵发送至训练完成后的轨道不平顺识别模型进行轨道不平顺识别，得到轨道不平顺的实时识别结果。

7、第二方面，本申请还提供了一种基于离散小波滤波网络的轨道不平顺识别系统，包括：

8、获取模块，用于在车体预设位置处设置加速度传感器，并在列车在轨道上运行时获取其产生的前端竖向加速度信号和后端竖向加速度信号；

9、处理模块，用于基于所有的竖向加速度信号进行预处理，其中，通过将预设的固定时间长度的信号段进行对齐与组合，得到包含双通道振动信息的样本矩阵；

10、训练模块，用于将预设的历史样本矩阵发送至预设的轨道不平顺识别模型进行训练，得到训练完成后的轨道不平顺识别模型，其中所述预设的历史样本矩阵为所述加速度传感器采集到的历史数据进行预处理后的样本矩阵；

11、处理模块，用于将所述双通道振动信息的样本矩阵发送至训练完成后的轨道不平顺识别模型进行轨道不平顺识别，得到轨道不平顺的实时识别结果。

12、本发明的有益效果为：

13、本发明通过引入可学习的小波多尺度滤波结构，对列车车体加速度信号进行分解、加权和重构处理，从而在模型训练过程中实现对不同频段特征的自适应调节；在此基础上，结合轻量化前馈神经网络建立车体加速度与轨道不平顺之间的端到端映射关系。本发明在保证识别精度的同时有效降低模型参数规模和计算复杂度，提升了在复杂运行工况下的稳定性和工程适用性，适用于轨道不平顺的连续监测与在线识别。

14、本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

1.一种基于离散小波滤波网络的轨道不平顺识别方法，其特征在于，包括：

2.根据权利要求1所述的基于离散小波滤波网络的轨道不平顺识别方法，其特征在于,所述基于所有的竖向加速度信号进行预处理，其中，通过将预设的固定时间长度的信号段进行对齐与组合，包括：

3.根据权利要求1所述的基于离散小波滤波网络的轨道不平顺识别方法，其特征在于,将预设的历史样本矩阵发送至预设的轨道不平顺识别模型进行训练，包括：

4.根据权利要求3所述的基于离散小波滤波网络的轨道不平顺识别方法，其特征在于,所述基于所述样本矩阵分别对其中每个通道的信号进行尺度分解，并通过为分解得到的每个系数子带施加可学习的调整参数，对调整后的系数子带进行信号合成，包括：

5.根据权利要求3所述的基于离散小波滤波网络的轨道不平顺识别方法，其特征在于,基于所述重构信号的数值分布进行规范化处理，并将规范化处理后的信号进行特征的线性组合与投影，包括：

6.一种基于离散小波滤波网络的轨道不平顺识别系统，其特征在于，包括：

7.根据权利要求6所述的基于离散小波滤波网络的轨道不平顺识别系统，其特征在于，所述处理模块，包括：

8.根据权利要求6所述的基于离散小波滤波网络的轨道不平顺识别系统，其特征在于，所述训练模块，包括：

9.根据权利要求8所述的基于离散小波滤波网络的轨道不平顺识别系统，其特征在于，所述第一训练单元，包括：

10.根据权利要求8所述的基于离散小波滤波网络的轨道不平顺识别系统，其特征在于，所述第二训练单元，包括：