[發(fā)明專利]一種用于鋼軌波磨智能檢測多分類的數(shù)據(jù)增強方法

有效

• 申請?zhí)枺?/td>: 202210801680.1
• 申請日: 2022-07-08
• 公開（公告）號: CN114878691B
• 公開（公告）日: 2022-10-25
• 發(fā)明（設計）人: 劉曉龍;溫澤峰;肖新標;梁樹林
• 申請（專利權）人: 西南交通大學
• 主分類號: G01N29/04
• 分類號: G01N29/04;G01N29/44;G01N29/48;G06K9/62
• 代理公司: 成都東恒知盛知識產(chǎn)權代理事務所(特殊普通合伙) 51304
• 代理人: 羅江

本發(fā)明涉及鋼軌波磨技術領域，涉及一種用于鋼軌波磨智能檢測多分類的數(shù)據(jù)增強方法，包括：一，根據(jù)現(xiàn)場測試，獲取足夠多的無波磨情況下以及復雜波磨情況下的輪軌噪聲測試樣本；二，分別對實測無波磨情況下的輪軌噪聲樣本和復雜波磨情況下的輪軌噪聲樣本進行小波包分解，得到從低頻到高頻的小波包節(jié)點，選出需增強樣本的目標節(jié)點；三，將復雜波磨情況下分解得到目標節(jié)點替換到無波磨情況下的對應節(jié)點位置，組成僅包含目標波磨的節(jié)點組合；四，對上述僅包含目標波磨的節(jié)點組合進行小波包重構得到時域樣本，并對時域樣本添加隨機白噪聲，增加信號的隨機性，最終得到僅含有目標波磨的輪軌噪聲樣本。本發(fā)明能較佳地實現(xiàn)目標樣本增強。

技術領域

本發(fā)明涉及鋼軌波磨技術領域，具體地說，涉及一種用于鋼軌波磨智能檢測多分類的數(shù)據(jù)增強方法。

背景技術

基于機器學習的鋼軌短波波磨的智能檢測與大多數(shù)其他類型的機械故障檢測（如軸承故障診斷）有著很大的差異，最主要的一點是現(xiàn)實中鋼軌的波浪型磨耗形式十分復雜，復雜幅值的多諧波疊加，導致鋼軌波磨分類類型眾多，單從波長方面講，就可能存在若干種單一波長形式，如，31.5mm，40mm，50mm等，以及若干中復合波長形式，如31.5-40mm，31.5-50mm，40-50mm，以及31.5-40-50mm等。在現(xiàn)實中，大多數(shù)情況下，短波波磨是以某種復合波長的形式存在，這種情況可以獲取足夠數(shù)量的輪軌噪聲樣本，而單一波長雖然不像復合波長形式那么常見，仍然會在特定的軌道類型以及特定的曲線半徑處出現(xiàn)，因此，相比于復合波長情況下，單一波長時的輪軌噪聲樣本會少很多。如果再把波磨幅值分類考慮進來，那么無論是單一波長情況還是復合波長情況，不同幅值等級下的輪軌噪聲樣本就更加難以獲取。首先，由于試驗條件限值，不可能在整個打磨周期對不同幅值水平下的輪軌噪聲進行測試；其次，鋼軌復合波長情況下的波磨幅值發(fā)展基本上無規(guī)律可循，例如，31.5-40mm的復合波磨，在某一階段可能是由31.5mm占據(jù)主導，隨著列車的運營，也有可能會出現(xiàn)40mm的波磨迅速發(fā)展而占據(jù)主導地位。最后，鋼軌波磨情況下的輪軌噪聲情況，無法像軸承故障診斷可以在實驗室中模擬不同類型、不同程度的故障，從而獲取足夠的樣本。在這種情況下，主要的鋼軌短波波磨分類樣本就會出現(xiàn)嚴重的不平衡，從而導致分類預測結果出現(xiàn)嚴重誤差。

發(fā)明內(nèi)容

本發(fā)明的內(nèi)容是提供用于鋼軌波磨智能檢測多分類的數(shù)據(jù)增強方法，其能夠解決樣本不平衡帶來的分類精度低的問題。

根據(jù)本發(fā)明的一種用于鋼軌波磨智能檢測多分類的數(shù)據(jù)增強方法，其包括以下步驟：

第一步，根據(jù)現(xiàn)場測試，獲取足夠多的無波磨情況下以及復雜波磨情況下的輪軌噪聲測試樣本；

第二步，分別對實測無波磨情況下的輪軌噪聲樣本S_0,j和復雜波磨情況下的輪軌噪聲樣本S_i,j進行小波包分解，0表示無波磨，j表示樣本數(shù)量，i表示波磨波長類型或波磨幅值類型，i根據(jù)分類目的而定；得到從低頻到高頻的小波包節(jié)點N_k,i,j，k表示小波包節(jié)點序號，k由分解層數(shù)決定；選出需增強樣本的目標節(jié)點N_d,i,j；

第三步，將復雜波磨情況下分解得到目標節(jié)點替換到無波磨情況下的對應節(jié)點位置，組成僅包含目標波磨的節(jié)點組合；

第四步，對上述僅包含目標波磨的節(jié)點組合進行小波包重構得到時域樣本，并對時域樣本添加隨機白噪聲，增加信號的隨機性，最終得到僅含有目標波磨的輪軌噪聲樣本。

作為優(yōu)選，第一步中，復雜包含兩方面，第一是波長，第二是幅值，對于兩種分類目標均相同，兩種分類目標為波長分類和幅值分類。