重载列车运行状态识别方法及装置与流程

本发明涉及列车技术领域，特别涉及一种重载列车运行状态识别方法及装置。

背景技术：

目前，随着国家经济建设的发展需求，重载铁路建设将逐步转为发展重点，“货运重载”将与“客运高速”共同构成中国铁路发展两大趋势。但与此同时，重载铁路的快速发展使其在运营安全，尤其是列车运行状态监测方面面临巨大的挑战。因此，实时准确掌握重载列车当前的行驶位置、行驶方向和速度等信息对于重载铁路运行安全至关重要。

技术实现要素：

本发明提供一种重载列车运行状态识别方法，包括：

获取列车在轨道上运行时所述轨道的振动信息；

根据所述振动信息，获取所述列车在所述轨道上运行时产生的运行信号图；

根据所述运行信号图和/或所述振动信息，识别所述列车的运行状态信息。

在一个实施例中，所述根据所述振动信息，获取所述列车在所述轨道上运行时产生的运行信号图，包括：

获取所述列车在所述轨道上运行时每个采样周期采集到的所述轨道的多个振动信息；

根据多个采样周期采集到的所述轨道的多个振动信息，获取所述运行信号图，其中，所述振动信息包括振幅和振动产生位置。

在一个实施例中，所述根据多个采样周期采集到的所述轨道的多个振动信息，获取所述运行信号图，包括：

将多个采样周期采集到的所述轨道的多个振动信息进行差值运算，获取所述多个采样周期下所述轨道上同一位置的振幅差；

根据所述轨道上同一位置的振幅差，获取所述列车在所述轨道上运行时产生的参考信号图；

利用边缘检测方法对所述参考信号图进行边缘修正，以得到所述运行信号图。

在一个实施例中，所述利用边缘检测方法对所述参考信号图进行边缘修正，以得到所述运行信号图，包括：

利用所述边缘检测方法对所述参考信号图进行高斯滤波，以得到对应的平滑信号图；

获取所述平滑信号图在四个预设方向上的梯度信息；

根据所述梯度信息对所述平滑波纹图进行非极大值抑制，获得非极大抑制后图像；

利用动态变化的双阈值，对所述非极大抑制后图像进行处理，以得到所述运行信号图。

在一个实施例中，所述根据所述运行信号图和/或所述振动信息，识别所述列车的运行状态信息，包括：

根据所述运行信号图和/或所述振动信息，识别所述列车的长度、所述列车每个采样周期在所述轨道上的位置、所述列车的行驶方向、所述列车的行驶速度和所述列车的载重。

本发明还提供一种重载列车运行状态识别装置，包括：

第一获取模块，用于获取列车在轨道上运行时所述轨道的振动信息；

第二获取模块，用于根据所述振动信息，获取所述列车在所述轨道上运行时产生的运行信号图；

识别模块，用于根据所述运行信号图和/或所述振动信息，识别所述列车的运行状态信息。

在一个实施例中，所述第二获取模块包括：

第一获取子模块，用于获取所述列车在所述轨道上运行时每个采样周期采集到的所述轨道的多个振动信息；

第二获取子模块，用于根据多个采样周期采集到的所述轨道的多个振动信息，获取所述运行信号图，其中，所述振动信息包括振幅和振动产生位置。

在一个实施例中，所述第二获取子模块包括：

第一获取单元，用于将多个采样周期采集到的所述轨道的多个振动信息进行差值运算，获取所述多个采样周期下所述轨道上同一位置的振幅差；

第二获取单元，用于根据所述轨道上同一位置的振幅差，获取所述列车在所述轨道上运行时产生的参考信号图；

修正单元，用于利用边缘检测方法对所述参考信号图进行边缘修正，以得到所述运行信号图。

在一个实施例中，所述修正单元包括：

滤波子单元，用于利用所述边缘检测方法对所述参考信号图进行高斯滤波，以得到对应的平滑信号图；

获取子单元，用于获取所述平滑信号图在四个预设方向上的梯度信息；

第一处理子单元，用于根据所述梯度信息对所述平滑波纹图进行非极大值抑制，获得非极大抑制后图像；

第二处理子单元，用于利用动态变化的双阈值，对所述非极大抑制后图像进行处理，以得到所述运行信号图。

在一个实施例中，所述识别模块包括：

识别子模块，用于根据所述运行信号图和/或所述振动信息，识别所述列车的长度、所述列车每个采样周期在所述轨道上的位置、所述列车的行驶方向、所述列车的行驶速度和所述列车的载重中的至少一项。

本公开的实施例提供的技术方案可以包括以下有益效果：

在获取到列车在轨道上运行时轨道的振动信息后，可根据该振动信息，获取列车的运行信号图，进而根据该运行信号图和/或振动信息，自动识别列车的运行状态信息，从而对列车的长度、位置、行驶方向、行驶速度和载重等至少一项信息进行实时准确识别。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是根据一示例性实施例示出的一种重载列车运行状态识别方法的流程图。

图2是根据一示例性实施例示出的另一种重载列车运行状态识别方法的流程图。

图3a是根据列车在2018-05-05-10-56时刻轨道上不同位置的振幅差获得的参考信号图的截图。

图3b是在图3a的基础上利用传统的canny边缘检测方法获得的运行信号图的截图。

图3c是在图3a的基础上利用本发明的canny边缘检测方法获得的运行信号图的截图。

图3d是相关技术中的canny边缘检测方法的流程图。

图3e是x轴方向的梯度模板的示意图。

图3f是y轴方向的梯度模板的示意图。

图3g是45°方向的梯度模板的示意图。

图3h是135°方向的梯度模板的示意图。

图4是根据一示例性实施例示出的一种重载列车运行状态识别装置的框图。

图5是根据一示例性实施例示出的另一种重载列车运行状态识别装置的框图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

为了解决上述技术问题，本公开实施例提供了一种重载列车运行状态识别方法，该方法适用于列车信息识别程序、系统或装置中，其执行主体为终端或者服务器，如图1所示，该方法包括步骤s101至步骤s103，其中：

在步骤s101中，获取列车在轨道上运行时轨道的振动信息。

轨道可以是钢轨或铁轨；在获取振动信息时，可利用轨道两旁的备用通信光缆作为光纤传感器，与通信机房的光信号处理设备共同构成分布式光纤振动监测(das)系统，对列车运行时钢轨振动产生的振动进行不间断的周期性采样。

列车可以为重载列车。

在步骤s102中，根据振动信息，获取列车在轨道上运行时产生的运行信号图。

运行信号图是轨道位置与时间的关系图，而该图中每个像素点的像素值与振动信息相对应，每个采样周期下每个轨道位置对应的振动信息不同，该运行信号图中该轨道位置像素值也就不同。

在步骤s103中，根据运行信号图和/或振动信息，识别列车的运行状态信息。

在获取到列车在轨道上运行时轨道的振动信息后，可根据该振动信息，获取列车的运行信号图，进而根据该运行信号图和/或振动信息，自动识别列车的运行状态信息，从而对列车的长度、位置、行驶方向、行驶速度和载重等至少一项信息进行实时准确识别。

如图2所示，在一个实施例中，上述图1中的步骤s102，即根据振动信息，获取列车在轨道上运行时产生的运行信号图，可以包括：

步骤s201中，获取列车在轨道上运行时每个采样周期采集到的轨道的多个振动信息；

每个采样周期采集到的轨道的多个振动信息即每个采样周期轨道上每个位置的振动幅度。而振动信息除了轨道上每个位置的振幅还可以包括振动时间即采样周期。

采样周期可以是毫秒级的，如每秒采集200、300次等，以便于提高获取的振动信息的准确性，进而确保运行信号图的准确性。

步骤s202中，根据多个采样周期采集到的轨道的多个振动信息，获取运行信号图，其中，振动信息包括振幅和振动产生位置(即轨道上的每个位置)，多个采样周期采集到的轨道的多个振动信息即n个采样周期下每个采样周期采集到的轨道上的不同位置的振动信息。

在获取运行信号图时，可先获取列车在轨道上运行时每个采样周期采集到的轨道上各位置的振动信息即上述多个振动信息，然后根据多个采样周期采集到的多个振动信息，准确获取运行信号图，以便于之后识别列车的运行状态信息。

在一个实施例中，根据多个采样周期采集到的轨道的多个振动信息，获取运行信号图，包括：

将多个采样周期采集到的轨道的多个振动信息进行差值运算，获取多个采样周期下轨道上同一位置的振幅差；

在进行差值运算之前，可对振动信息进行去噪处理(即去除环境、电路、电子元器件等噪声)，去噪方法可以是多尺度小波分解与重构(sym8小波，3级)。

另外，获取振幅差的方式可以如下：若多个相邻采样周期分别为t1采样周期、t2采样周期、t3采样周期……tn采样周期，t1采样周期下轨道上位置a的振幅为a1、t2采样周期下位置a的振幅为a2、t3采样周期下位置a的振幅为a3，……，tn采样周期下位置a的振幅为an，则t1采样周期下位置a的振幅差可以为a1-a2，t2采样周期下位置a的振幅差为a2-a3，……，tn-1采样周期下位置a的振幅差为an-1-an。当然，如果这些振动差是负值，则可取绝对值。

根据轨道上同一位置的振幅差，获取列车在轨道上运行时产生的参考信号图；

参考信号图是由列车在轨道上运行时对轨道带来的振动所产生的振动信息转换而来的灰度图，该灰度图的横轴为轨道的位置distance，纵轴为采样周期time，而灰度图中(d1，t1)这一位置的像素点的像素值与轨道上d1位置在t1采样周期下的振幅差a1-a2相对应，而由于有列车经过时和没有列车经过时，同一位置的振幅差不同，相应地，该同一位置的像素点的像素值也就不同，因而，基于该参考信号图可确定出列车的两端(即车头和车尾的边缘)，进而可识别出列车的运行状态信息。

利用边缘检测方法对参考信号图进行边缘修正，以得到运行信号图。

通过进行差值运算，可获取多个采样周期下轨道上同一位置的振幅差，以去掉振动幅值中的高速噪音、仪器误差等干扰，进而根据多个采样周期下整个轨道上不同轨道位置的振幅差进行图像转换，得到列车在轨道上运行时产生的参考信号图即灰度图，然后利用边缘检测方法对参考信号图进行边缘修正，从而得到准确的运行信号图，进而提高列车运行状态信息的识别准确性。

边缘检测方法即改进后的canny边缘检测算法。

在一个实施例中，利用边缘检测方法对参考信号图进行边缘修正，以得到运行信号图，包括：

利用边缘检测方法对参考信号图进行高斯滤波，以得到对应的平滑信号图；

获取平滑信号图在四个预设方向上的梯度信息；

四个预设方向即0°、45°、90°和135°方向。梯度信息即梯度的强度和梯度的方向。

根据梯度信息对平滑波纹图进行非极大值抑制，获得非极大抑制后图像；

利用动态变化的双阈值，对非极大抑制后图像进行处理，以得到运行信号图。

在获取运行信号图时，可对参考信号图进行高斯滤波，以得到平滑信号图，然后获取四个方向上的梯度信息，进而进行非极大值抑制，以得到非极大抑制后图像，最后利用动态变化的双阈值，对非极大抑制后图像进行处理，去除噪声点，即可得到具有明确边缘的运行信号图。

相关技术中的canny边缘检测算法中的双阈值(即阈值上界和阈值下界)是固定不变的，且预设方向只有两个分别是0°、90°(即x轴和y轴)，因而，本申请通过利用改进后的边缘检测方法(即获取上述四个预设方向上的梯度信息以及动态变化的双阈值)相比于利用相关技术中的canny算法而言，可提高运行信号图的准确性。

在一个实施例中，根据运行信号图和/或振动信息，识别列车的运行状态信息，包括：

根据运行信号图和/或振动信息，识别列车的长度、列车每个采样周期在轨道上的位置、列车的行驶方向、列车的行驶速度和列车的载重中的至少一项。运行信号图的横轴为位置，纵轴为采样周期。

在获取运行信号图时，可准确识别列车的运行状态信息，而运行信号图为瀑布图如图3c所示，其中，该瀑布图是倾斜的带状图，而该带状图的宽度是列车的长度、带状图的位置是列车的位置，带状图的倾斜方向是车行驶的方向，带状图的反斜率是车的行驶速度，即图3c中间的密集白色像素点所形成的白色区域就是瀑布图，该白色区域的宽度是列车的长度、白色区域边缘两端的位置即列车在轨道上的位置。

由于列车的载重不同，轨道上同一位置的振幅会有所不同，因而，可根据轨道上不同位置的振幅的大小准确确定列车的载重，当然为了确保载重的准确性，可利用多个采样周期下轨道上不同位置的振幅的大小进行均值算法等不同运算处理，以得到列车的载重。

下面将进一步详细说明本发明的canny边缘检测方法：

1)如图3d所示，这是相关技术中的canny边缘检测方法。

2)改进的边缘检测算法

传统canny算法使用2×2邻域(即0～90°、90～180°、180～270°、270～360°这4个邻域)内有限差分来计算图像梯度幅值，其缺点是受噪声影响较大，容易造成误检和漏检。本发明对传统canny算法进行改进，增加45°和135°这两个方向梯度。四个方向上的一阶梯度分量gx、gy、g45、g135可分别由如下所示的四个一阶梯度模板对滤波后的图像进行卷积得到。而新的梯度和角度如下：

改进后的梯度计算方法充分考虑了8邻域内(即0～45°、45～90°、90～135°、135～180°、180～225°、225～270°、270～315°和315～360°这8个邻域)的梯度情况，使得梯度的计算更为准确。

参见图3e所示的(a)x轴方向的梯度模板、图3f所示的(b)y轴方向的梯度模板、图3g所示的(c)45°方向的梯度模板和图3h所示的(d)135°方向的梯度模板。

其次，传统canny算法需要人为预先设定高低阈值(即双阈值)，阈值设置过高可能导致边缘断裂、不连续，阈值设置过低可能会检测出虚假边缘或丢失局部边缘。受铁路沿线环境噪声的影响，本文利用基于ostu算法的自适应阈值选取方法，提高列车识别的准确度。具体操作如下：

设{0,1,2，…，l-1}表示大小为m×n的图像中l个不同的灰度级，灰度值为k的像素点出现的概率记为p(k)，l＝8，m、n分别是灰度图中横向和纵向的像素数目，k的取值范围为0～255，那么：

如果存在阈值t(0<t<l-1)把图像分成前景和背景两类，前景部分像素灰度值范围[0,t]，背景部分像素灰度值范围[t+1,l-1]，那么前景、背景占整个图像的比例分别为公式1、公式2，前景、背景灰度均值分别为公式3、公式4，整幅图像灰度均值为公式5，前景与背景的类间方差为公式6。

公式1：

公式2：

公式3：

公式4：

公式5：μ＝ω0(t)μ0(t)+ω1(t)μ1(t)

公式6：

最佳阈值即是g(t)最大时的t值，如果满足条件的t值不唯一，则对所有的t值取平均值，该平均值作为canny算法中的高阈值th，再利用tl＝0.5*th求出低阈值tl。将ostu算法引入canny算法，使得改进的canny算法可根据图像自身特点选择最合适的阈值，增强了算法的自适应能力。

在本发明中，以万吨满轴编组列车为研究对象，该列车由4台ss618313大功率机车牵引，挂载132节c64k型车厢，则实际长度30×4+132×13.438+135×0.845＝2007.891米。而图3a、图3b、图3c分别是列车2018-05-05-10-56时刻的运行信号(差值处理后得到)、传统canny算法和改进的canny算法识别结果。

如图4所示，本发明还提供一种重载列车运行状态识别装置，包括：

第一获取模块401，被配置为获取列车在轨道上运行时轨道的振动信息；

第二获取模块402，被配置为根据振动信息，获取列车在轨道上运行时产生的运行信号图；

识别模块403，被配置为根据运行信号图和/或振动信息，识别列车的运行状态信息。

如图5所示，在一个实施例中，第二获取模块402包括：

第一获取子模块4021，被配置为获取列车在轨道上运行时每个采样周期采集到的轨道的多个振动信息；

第二获取子模块4022，被配置为根据多个采样周期采集到的轨道的多个振动信息，获取运行信号图，其中，振动信息包括振幅和振动产生位置。

在一个实施例中，第二获取子模块包括：

第一获取单元，被配置为将多个采样周期采集到的轨道的多个振动信息进行差值运算，获取多个采样周期下轨道上同一位置的振幅差；

第二获取单元，被配置为根据轨道上同一位置的振幅差，获取列车在轨道上运行时产生的参考信号图；

修正单元，被配置为利用边缘检测方法对参考信号图进行边缘修正，以得到运行信号图。

在一个实施例中，修正单元包括：

滤波子单元，被配置为利用边缘检测方法对参考信号图进行高斯滤波，以得到对应的平滑信号图；

获取子单元，被配置为获取平滑信号图在四个预设方向上的梯度信息；

第一处理子单元，被配置为根据梯度信息对平滑波纹图进行非极大值抑制，获得非极大抑制后图像；

第二处理子单元，被配置为利用动态变化的双阈值，对非极大抑制后图像进行处理，以得到运行信号图。

在一个实施例中，识别模块包括：

识别子模块，被配置为根据运行信号图和/或振动信息，识别列车的长度、列车每个采样周期在轨道上的位置、列车的行驶方向、列车的行驶速度和列车的载重中的至少一项。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

最后，本发明中的重载列车运行状态识别装置适用于终端设备。例如，可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。