[發(fā)明專利]基于列車軸箱垂向加速度信號(hào)的車輪多邊形波深估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011324148.2
• 申請(qǐng)日: 2020-11-23
• 公開（公告）號(hào): CN112381027B
• 公開（公告）日: 2022-08-19
• 發(fā)明（設(shè)計(jì)）人: 陳是扦;謝博;王開云;凌亮;翟婉明
• 申請(qǐng)（專利權(quán)）人: 西南交通大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/00;G01B17/00
• 代理公司: 成都為知盾專利代理事務(wù)所(特殊普通合伙) 51267
• 代理人: 李漢強(qiáng)

1.一種基于列車軸箱垂向加速度信號(hào)的車輪多邊形波深估計(jì)方法，其特征在于，包括如下步驟：

1)信號(hào)獲取：采集列車在不同速度等級(jí)、不同階次和不同波深條件下軸箱的垂向加速度響應(yīng)信號(hào)；

2)信號(hào)提取：將采集軸箱垂向加速度信號(hào)進(jìn)行時(shí)域、頻域和時(shí)頻域特征提取，構(gòu)建訓(xùn)練集；

3)數(shù)據(jù)預(yù)處理：對(duì)訓(xùn)練集進(jìn)行歸一化和主成分分析，得到歸一化的訓(xùn)練集和降維后的訓(xùn)練集；

5)建立極限學(xué)習(xí)機(jī)模型：將降維后的訓(xùn)練集作為極限學(xué)習(xí)機(jī)的輸入，將歸一化處理后的訓(xùn)練集中車輪多邊形波深作為極限學(xué)習(xí)機(jī)的輸出，建立極限學(xué)習(xí)機(jī)模型；

6)建立粒子群優(yōu)化的極限學(xué)習(xí)機(jī)模型：

6.1)隨機(jī)初始化由極限學(xué)習(xí)機(jī)的輸入權(quán)值ω和隱含層偏差b組成的粒子種群；

6.2)用極限學(xué)習(xí)機(jī)的車輪多邊形波深估計(jì)值與其對(duì)應(yīng)的實(shí)際值來獲得粒子群算法的適應(yīng)度值，基于粒子的適應(yīng)度值計(jì)算粒子的個(gè)體最優(yōu)和全局最優(yōu)；

6.3)基于粒子的個(gè)體最優(yōu)和全局最優(yōu)得到最優(yōu)輸入權(quán)值ω和最優(yōu)隱含層偏差b，根據(jù)所得最優(yōu)輸入權(quán)值ω和最優(yōu)隱含層偏差b計(jì)算輸出權(quán)值矩陣，得到基于粒子群優(yōu)化極限學(xué)習(xí)機(jī)的車輪多邊形波深估計(jì)模型；

7)預(yù)估計(jì)算：對(duì)車輪多邊形波深進(jìn)行估計(jì)，將測(cè)試集數(shù)據(jù)輸入到上述粒子群優(yōu)化的極限學(xué)習(xí)機(jī)模型中，得到車輪多邊形波深的估計(jì)值。

2.根據(jù)權(quán)利要求1所述的一種基于列車軸箱垂向加速度信號(hào)的車輪多邊形波深估計(jì)方法，其特征在于，步驟2)中時(shí)域特征包括：絕對(duì)值的平均值、有效值、峰值、峭度、偏度、均方根、方差、標(biāo)準(zhǔn)差、峰值因子、波形因子、脈沖因子和裕度因子；頻域特征包括：重心頻率、頻率方差和均方頻率；時(shí)頻域特征包括：小波尺度熵、小波能量熵和小波奇異譜熵。

3.根據(jù)權(quán)利要求1所述的一種基于列車軸箱垂向加速度信號(hào)的車輪多邊形波深估計(jì)方法，其特征在于，步驟3)中歸一化處理為：將不同速度、階次、波深以及對(duì)應(yīng)的加速度特征數(shù)據(jù)建立訓(xùn)練集數(shù)據(jù)樣本庫(kù)為X＝[x₁,x₂,…x_n]^T，對(duì)X進(jìn)行歸一化處理，歸一化方法采用線性函數(shù)歸一化方法。

4.根據(jù)權(quán)利要求3所述的一種基于列車軸箱垂向加速度信號(hào)的車輪多邊形波深估計(jì)方法，其特征在于，步驟3)中將訓(xùn)練集數(shù)據(jù)樣本庫(kù)中的速度、階次和加速度特征數(shù)據(jù)進(jìn)行主成分分析，得到降維后的主成分?jǐn)?shù)據(jù)，步驟為

1)計(jì)算樣本x_i經(jīng)標(biāo)準(zhǔn)化處理后的協(xié)方差矩陣Y；

2)求出協(xié)方差矩陣Y的各特征值λ和對(duì)應(yīng)的特征向量μ；

3)根據(jù)特征向量矩陣得到樣本庫(kù)數(shù)據(jù)的主成分Z＝{z₁,z₂,…z_n}，根據(jù)從大到小排列的各主成分特征值按(1)式計(jì)算相應(yīng)的方差貢獻(xiàn)率G，將累計(jì)方差貢獻(xiàn)率達(dá)到設(shè)定閾值條件的前k個(gè)主成分作為降維后的數(shù)據(jù)樣本

5.根據(jù)權(quán)利要求4所述的一種基于列車軸箱垂向加速度信號(hào)的車輪多邊形波深估計(jì)方法，其特征在于，累計(jì)方差貢獻(xiàn)率閾值設(shè)定為95％-97％。

6.根據(jù)權(quán)利要求3所述的一種基于列車軸箱垂向加速度信號(hào)的車輪多邊形波深估計(jì)方法，其特征在于，所述訓(xùn)練集數(shù)據(jù)樣本庫(kù)為X＝[x₁,x₂,…x_n]^T，其中每行表示一個(gè)樣本，每列表示一類特征。

7.根據(jù)權(quán)利要求6所述的一種基于列車軸箱垂向加速度信號(hào)的車輪多邊形波深估計(jì)方法，其特征在于，所述數(shù)據(jù)樣本庫(kù)為在不同速度條件下，均勻設(shè)置車輪多邊形階次與波深條件下所采集的加速度響應(yīng)特征數(shù)據(jù)。