[發(fā)明專利]高鐵鋼軌傷損在線監(jiān)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510016569.1
• 申請(qǐng)日: 2015-01-10
• 公開（公告）號(hào): CN104634872A
• 公開（公告）日: 2015-05-20
• 發(fā)明（設(shè)計(jì)）人: 馬立勇;陳玉敏;孫明健;馮乃章;王勝利
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)(威海)
• 主分類號(hào): G01N29/04
• 分類號(hào): G01N29/04;G01N29/44
• 代理公司: 無(wú)
• 代理人: 無(wú)

1.一種高鐵鋼軌傷損在線監(jiān)測(cè)方法，在高速鐵路軌道沿線，按一定的距離安裝加速度傳感器，采集鋼軌的振動(dòng)信號(hào)，并構(gòu)成傳感器網(wǎng)絡(luò)；接著利用傳感器節(jié)點(diǎn)的處理器對(duì)是否存在傷損進(jìn)行判斷，若存在傷損，則傷損的信號(hào)將通過(guò)傳感器網(wǎng)絡(luò)送到信息中心或者探傷車進(jìn)行報(bào)警和進(jìn)一步的處理，其特征在于：其中對(duì)傷損進(jìn)行判斷的方法是按照下面的步驟完成的：

(1)首先采集不同鋼軌傷損類型的振動(dòng)信號(hào)和無(wú)傷損的振動(dòng)信號(hào)，并對(duì)振動(dòng)信號(hào)進(jìn)行低通濾波，得到維數(shù)為n×p的訓(xùn)練數(shù)據(jù)集V^train，記為樣本標(biāo)簽對(duì)應(yīng)有傷損和無(wú)傷損分別設(shè)置成1和0；

(2)對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行稀疏非負(fù)矩陣分解，得到

Vn×ptrain≈Wn×ktrainHk×ptrain]]>

式中，k≤min(n，p)。是基矩陣，其每一行表示提取到的特征，是系數(shù)矩陣，列h_i表示第i個(gè)樣本在特征空間的表達(dá)；

(3)把作為訓(xùn)練樣本，和對(duì)應(yīng)的樣本標(biāo)簽輸入支持向量機(jī)進(jìn)行二值分類訓(xùn)練，得到完成訓(xùn)練的支持向量機(jī)；

(4)對(duì)于采集的要判斷是否存在傷損的振動(dòng)信號(hào)，進(jìn)行低通濾波，得到維數(shù)為n×r的測(cè)試數(shù)據(jù)集V^test，記為設(shè)p+r＝m；

(5)將測(cè)試數(shù)據(jù)集投影到特征空間，得到測(cè)試樣本在特征空間的表達(dá)即

Vn×rtest≈Wn×ktrainHk×rtest]]>

該計(jì)算是和已知，求解的過(guò)程，是一個(gè)非負(fù)約束最小二乘問(wèn)題，采用交替最小二乘算法迭代計(jì)算完成；

(6)把作為測(cè)試樣本輸入完成訓(xùn)練的支持向量機(jī)進(jìn)行分類，當(dāng)輸出標(biāo)簽為1則表示有傷損，否則表示無(wú)傷損；

前述的非負(fù)矩陣分解問(wèn)題，是對(duì)于一個(gè)非負(fù)數(shù)據(jù)矩陣V以及分解的秩數(shù)K(K≤min(N，M))，將V近似分解為一個(gè)N×K的非負(fù)矩陣W和一個(gè)K×M的非負(fù)矩陣H的乘積，即

V＝WH+E

上式中，E是一個(gè)N×M的矩陣，表示殘差矩陣，在進(jìn)行分解時(shí)，要利用代價(jià)函數(shù)來(lái)衡量近似分解的效果，代價(jià)函數(shù)采用基矩陣W和增益系數(shù)矩陣H之間的歐氏距離

DF(V||WH)=min12||V-WH||F2]]>其中W，H≥0

上式中，當(dāng)且僅當(dāng)V＝WH時(shí)，取得極小值0；

前述的稀疏非負(fù)矩陣分解，采用下面的計(jì)算步驟完成：

a)對(duì)矩陣W進(jìn)行矩陣初始化；

b)確定最大迭代數(shù)和精度要求；

c)按下式中最小二乘準(zhǔn)則求取矩陣H：

上式中，符號(hào)表示Moore-Penrose偽逆，而[Y]₊表示對(duì)Y施加嚴(yán)格意義上的正約束；

d)將矩陣H中所有值為負(fù)的元素設(shè)置為0；

e)按下式中最小二乘準(zhǔn)則求取矩陣W：

f)將矩陣W中所有值為負(fù)的元素設(shè)置為0；

g)重復(fù)步驟c～f，直到代價(jià)函數(shù)計(jì)算結(jié)果滿足精度要求，或者達(dá)到最大迭代數(shù)，計(jì)算完成；

前述的交替最小二乘算法，是指上述的稀疏非負(fù)矩陣分解算法中去掉步驟a)之后的計(jì)算步驟；

前述的矩陣初始化，是按照如下的方法完成的：

假設(shè)A為一個(gè)秩為r的n×m的矩陣，則有

A=Σj=1rλjujxjT]]>

其中，λ₁≥λ₂≥…≥λ_r＞0，λ_j表示矩陣A的非零奇異值特征值(1≤j≤r)，且u_j，x_j為奇異向量，對(duì)任意k≤r，秩為k的最佳2范數(shù)逼近A(k)可以很容易地從前k個(gè)元素的和中獲得，即

A(k)=Σj=1kλjC(j)]]>

式中，這里，假設(shè)A是非負(fù)的，利用上式可以產(chǎn)生一個(gè)矩陣來(lái)逼近A，因此能夠?yàn)榫仃囂峁┯行У某跏蓟?，矩陣初始化的具體步驟如下：

a)計(jì)算矩陣A最大的k個(gè)奇異值對(duì)，并寫成A＝USX^T的奇異值形式，其中S為包含非零奇異值特征值的矩陣，U和X是酉矩陣；

b)由Perron-Frobenius定理可知，若A是一個(gè)非負(fù)矩陣，u₁，x₁也應(yīng)是非負(fù)的，所以這里令W的第一列類似地，令H的第一行

c)當(dāng)2≤j≤k時(shí)，考慮正交性的要求，u_j和x_j可能出現(xiàn)負(fù)數(shù)元素的情況。對(duì)于矩陣取正數(shù)部分則這里令W的第j列類似地，H的第j行H(j,:)=S(j,j)C+(j)xjT.]]>