[發(fā)明專利]一種基于證據(jù)推理規(guī)則的軌道高低不平順幅值估計方法

有效

• 申請?zhí)枺?/td>: 201610274162.3
• 申請日: 2016-04-27
• 公開（公告）號: CN105923014B
• 公開（公告）日: 2018-01-02
• 發(fā)明（設(shè)計）人: 徐曉濱;鄭進(jìn);李建寧;黃大榮;侯平智
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: B61K9/08
• 分類號: B61K9/08
• 代理公司: 杭州奧創(chuàng)知識產(chǎn)權(quán)代理有限公司33272
• 代理人: 王佳健

1.一種基于證據(jù)推理規(guī)則的軌道高低不平順幅值估計方法，其特征在于該方法包括以下步驟：

(1)設(shè)定GJ-4型軌檢車安裝在車軸與車體上的加速度計獲得車軸和車廂位置的時域振動加速度信號為r₁(t)和r₂(t)，其單位為G(重力加速度，9.8m/s²)，軌檢車以100-120km/h的時速，每隔0.15-0.3m采樣一次加速度振動信號，共采集T_S次，T_S>5000，則采樣時刻t＝1,2,…,T_S；設(shè)軌檢車在采樣時刻t利用慣性測量方法測得垂直位移為d(t)，其單位為mm；

(2)將步驟(1)中每個采樣時刻的時域振動加速度信號r₁(t)和r₂(t)分別以5.25m的窗口長度進(jìn)行短時傅里葉變換，然后求得各頻域幅值絕對值的平均值作為車軸和車體的頻域特征信號f₁(t)和f₂(t)，其中分別為輸入特征信號f₁(t)和f₂(t)的最小和最大值；將垂直位移d(t)取絕對值記為Ir(t)，Ir(t)∈[l₁，l₂]，其中l(wèi)₁和l₂分別是Ir(t)的最小和最大值；將f₁(t)、f₂(t)和Ir(t)表示成樣本集合S＝{[f₁(t),f₂(t),Ir(t)]|t＝1,2,…,T_S}，其中[f₁(t),f₂(t),Ir(t)]為一個樣本向量；

(3)設(shè)定軌道高低不平順幅值Ir的結(jié)果參考值集合D＝{D_n|n＝1,…,N}，頻域振動信號f_i的輸入?yún)⒖贾导螻為軌道高低不平順幅值的結(jié)果參考值Ir的個數(shù)，J_i為頻域振動信號f_i的參考值個數(shù)；

(4)將T個樣本向量[f₁(t),f₂(t),Ir(t)]中的樣本對(f_i(t),Ir(t))分別用定性信息轉(zhuǎn)換方法變化為關(guān)于參考值相似度的形式，具體步驟如下：

(4-1)樣本對(f_i(t),Ir(t))的輸入值f_i(t)匹配參考值的相似度分布為

SI(fi(t))={(Aji,αi,j)|j=1,...,Ji;i=1,2}---(1a)]]>

其中

αi,j=Aj+1i-fi(t)Aj+1i-Aji,αi,j+1=1-αi,j,Aji≤fi(t)≤Aj+1i---(1b)]]>

α_i,j'＝0 j'＝1,...,J_i,j'≠j,j+1(1c)

α_i,j表示輸入值f_i(t)匹配參考值的相似度；

(4-2)樣本對(f_i(t),Ir(t))的結(jié)果值Ir(t)匹配參考值D_n的相似度分布為

S_O(Ir(t))＝{(D_n,γ_n)|n＝1,...,N}(2a)

其中

γn=Dn+1-Ir(t)Dn+1-Dn,γn+1=1-γn,Dn≤Ir(t)≤Dn+1---(2b)]]>

γ_n'＝0 n'＝1,...,N,n'≠n,n+1(2c)

γ_n表示結(jié)果值Ir(t)匹配參考值D_n的相似度；

(4-3)根據(jù)步驟(4-1)和步驟(4-2)，樣本對(f_i(t),Ir(t))可以被轉(zhuǎn)化地表示為相似度分布的形式(α_i,jγ_n,α_i,j+1γ_n,α_i,jγ_n+1,α_i,j+1γ_n+1)，其中，α_i,jγ_n表示樣本對(f_i(t),Ir(t))中輸入值匹配參考值同時結(jié)果值Ir(t)匹配參考值D_n的綜合相似度；

(5)根據(jù)步驟(4)，將樣本集S中的所有樣本對轉(zhuǎn)化為綜合相似度的形式，用它們可構(gòu)造結(jié)果參考值和輸入?yún)⒖贾抵g的投點統(tǒng)計表，如下表1所示，其中a_nx_j表示所有輸入值f_i(t)匹配參考值并且結(jié)果值Ir(t)匹配參考值D_n的樣本對(f_i(t),Ir(t))綜合相似度的和，表示所有結(jié)果值Ir(t)匹配參考值D_n的樣本對綜合相似度的和，表示所有輸入值f_i(t)匹配參考值的樣本對綜合相似度的和，并有

表1 樣本對(fi(t)Ir(t))的投點統(tǒng)計表

(6)根據(jù)步驟(5)中的投點統(tǒng)計表，可獲得當(dāng)輸入值f_i(t)取參考值時，結(jié)果值Ir(t)為參考值D_n的信度為

βn,ji=an,j/δnΣk=1N(ak,j/δk)---(3)]]>

并有則可定義對應(yīng)于參考值的證據(jù)為

eji=[β1,ji,β2,ji,...,βN,ji]---(4)]]>

因此，可構(gòu)造出如表2所示的證據(jù)矩陣表來描述輸入f_i和結(jié)果Ir之間的關(guān)系；

表2 輸入f_i的證據(jù)矩陣表

(7)定義證據(jù)的可靠性r_i描述輸入信息源f_i評估軌道高低不平順幅值Ir的能力，具體獲取步驟如下：

(7-1)定義輸入值f_i(t)與結(jié)果值Ir(t)的相對變化值為

Cfi(t)=fi(t)maxt,t∈{1,2,...,Ts}(fi(t))---(5)]]>

CIr(t)=Ir(t)maxt,t∈{1,2,...,Ts}(Ir(t))---(6)]]>

(7-2)根據(jù)(7-1)定義的相對變化值，可獲取反映輸入特征信號與不平順幅值變化趨勢的評價因子為

afi=Σt=1Ts|CIr(t)-Cfi(t)|---(7)]]>

(7-3)根據(jù)(7-2)獲得的評價因子，可由下式計算輸入信息源f_i的可靠性

ri=mink,k∈{1,2}(afk)afi---(8)]]>

(8)給定樣本集中的任意一組輸入樣本向量F(t)＝(f₁(t),f₂(t))，根據(jù)步驟(6)獲得的輸入證據(jù)矩陣表和步驟(7)獲得的輸入信息源可靠性，可利用證據(jù)推理規(guī)則推理出初始的軌道高低不平順估計值具體步驟如下：

(8-1)對于輸入值f_i(t)，其必然落入某兩個參考值構(gòu)成的區(qū)間此時這兩個參考值對應(yīng)的證據(jù)和被激活，則輸入值f_i(t)的證據(jù)可由參考值證據(jù)和以加權(quán)和的形式獲得

e_i＝{(D_n,p_n,i),n＝1,...,N}(9a)

pn,i=αi,jβn,ji+αi,j+1βn,j+1i---(9b)]]>

(8-2)利用式(9a)和式(9b)獲得f₁(t)和f₂(t)的證據(jù)e₁和e₂，并設(shè)定初始證據(jù)權(quán)重w_i＝r_i，利用證據(jù)推理規(guī)則對它們進(jìn)行融合，得到融合結(jié)果為

O(F(t))＝{(D_n,p_n,e(2)),n＝1,...,N}(10a)

pn,e(2)=m^n,e(2)Σk⊆Dm^n,e(2)m^n,e(2)=[(1-r2)mn,1+(1-r1)mn,2]+ΣB∩C=nmB,1mC,2---(10b)]]>

(8-3)根據(jù)步驟(8-2)得到融合結(jié)果O(F(t))，估計的高低不平順幅值可由下式推理得到

I^r(t)=Σn=1NDnpn,e(2)---(11)]]>

(9)基于均方誤差構(gòu)建參數(shù)優(yōu)化模型，具體步驟如下：

(9-1)確定優(yōu)化參數(shù)集合w_i表示證據(jù)的權(quán)重，其他參數(shù)分別設(shè)定為D₁＝l₁,D_N＝l₂,

(9-2)將最小化均方誤差作為優(yōu)化目標(biāo)函數(shù)

minPξ(P)=1TsΣt=1Ts(I^r(t)-Ir(t))2---(12a)]]>

s.t.0≤w_i≤1,i＝1,2(12b)

Aj-1i<Aji<Aj+1i,j=2,...,Ji-1---(12c)]]>

D₂<D₃<…<D_N-1(12d)

式(12b)-(12d)表示優(yōu)化參數(shù)需滿足的約束條件；

(9-3)利用基于梯度的方法或者非線性優(yōu)化軟件包，獲得最優(yōu)的參數(shù)集合P，從現(xiàn)行列車車軸和車體上安裝的加速度計采集輸入特征信號，將其利用步驟(2)處理，再一次重復(fù)步驟(4)～步驟(8)即可得到更為精確的軌道高低不平順估計值