[發(fā)明專利]一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202210798522.5
• 申請(qǐng)日: 2022-07-06
• 公開（公告）號(hào): CN115127797A
• 公開（公告）日: 2022-09-30
• 發(fā)明（設(shè)計(jì)）人: 盧偉;馬驊;江興盟
• 申請(qǐng)（專利權(quán)）人: 鄭州鐵路職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G01M13/00
• 分類號(hào): G01M13/00;G01L5/24;B61K9/08;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 鄭州博派知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 41137
• 代理人: 榮永輝

1.一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，具體包括：

聲音采集模塊，聲學(xué)信號(hào)前端處理模塊，聲學(xué)信號(hào)分類模塊；

所述聲音采集模塊負(fù)責(zé)將鋼軌螺栓敲擊聲音信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，并將所述數(shù)字信號(hào)傳遞給所述聲學(xué)信號(hào)前端處理模塊；

所述聲學(xué)信號(hào)前端處理模塊負(fù)責(zé)對(duì)所述數(shù)字信號(hào)進(jìn)行噪聲濾除，得到濾除數(shù)字信號(hào)，并將所述濾除數(shù)字信號(hào)傳輸給聲學(xué)信號(hào)分類模塊，其中所述噪聲濾除根據(jù)所述鋼軌螺栓周邊環(huán)境噪聲類型，對(duì)所述周邊噪聲進(jìn)行分類型濾除，所述周邊環(huán)境噪聲類型包括腳步聲、車?guó)Q笛聲、以及風(fēng)噪聲；

所述聲學(xué)信號(hào)分類模塊負(fù)責(zé)根據(jù)所述濾除數(shù)字信號(hào)，采用分類算法，輸出故障分類結(jié)果。

2.如權(quán)利要求1所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，所述聲音采集模塊包括聲音獲取模塊、功率放大器、信號(hào)調(diào)理器、采樣/保持器、數(shù)/模轉(zhuǎn)換器。

3.如權(quán)利要求1所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，所述聲音獲取模塊采用至少包括2個(gè)麥克風(fēng)的麥克風(fēng)陣列。

4.如權(quán)利要求1所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，所述噪聲濾除的具體步驟為：

S1對(duì)所述數(shù)字信號(hào)中的腳步聲進(jìn)行檢測(cè)，若不存在所述腳步聲，則直接進(jìn)入步驟S2，若存在所述腳步聲，則將所述腳步聲消除后，進(jìn)入步驟S2；

S2對(duì)所述數(shù)字信號(hào)中的鳴笛聲進(jìn)行檢測(cè)，若不存在所述鳴笛聲，則直接進(jìn)入步驟S3，若存在所述鳴笛聲，則將所述鳴笛聲消除后，進(jìn)入步驟S3；

S3對(duì)所述數(shù)字信號(hào)中的風(fēng)噪聲進(jìn)行檢測(cè)，若不存在所述風(fēng)噪聲，則直接得到所述濾除數(shù)字信號(hào)，若存在所述鳴笛聲，則將所述風(fēng)噪聲消除后，得到所述濾除數(shù)字信號(hào)。

5.如權(quán)利要求1所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，所述腳步聲、所述鳴笛聲、所述風(fēng)噪聲均采用頻域特征進(jìn)行識(shí)別。

6.如權(quán)利要求1所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，還包括講話聲，在得到所述濾除數(shù)字信號(hào)后，需要進(jìn)一步對(duì)所述講話聲進(jìn)行識(shí)別，并進(jìn)行消除，其中首先將所述濾除數(shù)字信號(hào)進(jìn)行頻譜分析，得到頻域圖形，并采用基于SeNet的分類模型的識(shí)別算法對(duì)所述講話聲進(jìn)行識(shí)別。

7.如權(quán)利要求1所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，所述分類算法采用LSTM算法，其具體步驟為：

S21將所述濾除數(shù)字信號(hào)進(jìn)行處理，提取模態(tài)特征和頻域特征；

S22將所述時(shí)域特征和頻域特征送入到基于LSTM算法的分類模型中，得到分類結(jié)果；

S23根據(jù)分類結(jié)果確認(rèn)是否存在故障。

8.如權(quán)利要求1所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，所述分類算法采用GA-KNN算法和PSO-GRU算法。

9.如權(quán)利要求8所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，所述分類算法的具體步驟為：

S31將所述濾除數(shù)字信號(hào)進(jìn)行處理，提取模態(tài)特征、時(shí)域特征、頻域特征；

S32將所述模態(tài)特征送入到基于GA-KNN算法的分類模型中，得到KNN分類結(jié)果；

S33將所述時(shí)域特征和頻域特征送入到基于PSO-GRU算法的分類模型中，得到GRU分類結(jié)果；

S34根據(jù)所述KNN分類結(jié)果和所述GRU分類結(jié)果得到最終的分類結(jié)果。

10.如權(quán)利要求1所述的一種基于聲學(xué)的鋼軌螺栓松動(dòng)檢測(cè)裝置，其特征在于，所述分類結(jié)果為正常，輕微故障，故障。