道岔转辙机的故障类别分析方法
【专利摘要】本发明公开了一种道岔转辙机的故障类别分析方法，该方法无需介入转辙机的电气控制系统，结果更加可靠和有说服力，通过该方法能够确定道岔转辙机的故障性质和故障位置，从而对设备的故障进行有效预测、分析和判断，有助于检修人员提前消除故障，避免可能的危害和损失，同时还能为转辙机的高发故障分析提供理论数据。
【专利说明】
道岔转辙机的故障类别分析方法
技术领域
[0001] 本发明涉及一种分析方法，具体涉及道岔转辙机的故障类别分析方法;属于轨道 交通技术领域。
【背景技术】
[0002] 随着城市地铁和高速铁路的快速发展，轨道交通网越发复杂化，在轨道变道或掉 头的位置往往需要使用一个或多个道岔转辙机对道岔进行搬运，因而，道岔转辙机的使用 频率极高，容易疲劳损坏。现有技术中对道岔转辙机的运行维护缺少有效的预警和分析方 法，无法实现预防性维修和防护，只能在故障发生后进行事后抢修，导致交通网线会出现不 可预测的短时间瘫痪;而且，事后抢修的方案无法对故障的发生和预防提供任何参考，不利 于转辙机的技术改进。随着轨道交通行车间隔的加密，对转辙机的维护和质量要求越来越 高，传统的"亡羊补牢"方式亟需改变，同时还要对道岔转辙机的故障预防提供更好的思路。
【发明内容】
[0003] 为解决现有技术的不足，本发明的目的在于提供一种道岔转辙机的故障类别分析 方法，以期为转辙机的故障预防和分析提供理论依据。
[0004] 为了实现上述目标，本发明采用如下的技术方案：
[0005] 本发明的道岔转辙机的故障类别分析方法，包括如下步骤：
[0006] S1、利用音频采集模块采集道岔转辙机动作时的音频信号，送入信号放大电路进 行信号放大，然后经模数转换后存储至存储模块；
[0007] S2、信号处理模块对存储模块中的信号逐一进行带通滤波器滤波、信号分帧、FFT 变换、归一化及倒谱提升，最后计算出特征码，根据特征码进行支持向量机训练生成模型文 件并进行分类存储；
[0008] S3、音频采集模块实时采集道岔转辙机工作时的音频信号并同时缓存n秒，采用与 步骤S2相同的方法计算出实时音频信号的特征码，并调取模型文件进行比对，通过信号判 断模块来判断道岔转辙机是否处于正常工作状态；
[0009] S4、等待采集下一段音频数据并重复步骤S3;如果道岔转辙机处于故障状态，则同 时调取之前缓存的n秒音频，并对该音频的故障类别进行判断和组合，输出故障代码。
[0010] 优选地，前述步骤S3中，音频缓存时间n$10s，这样方便后续进行故障类别分析时 及时调取原始音频。
[0011] 具体地，前述步骤S1中，音频采集模块包括一拾音器和安装支架，音频采集过程 中，拾音器紧贴转辙机的外壁，无需接入道岔转辙机的电气控制系统，大大提高了检测结果 的可靠性和准确性。
[0012] 再优选地，前述步骤S2中，模型文件分为如下两类:道岔转辙机正常工作和道岔转 辙机处于故障状态。当处于故障状态时，故障类别包括但不限于以下8类:道岔转辙机未推 送入位、道岔转辙机推送过度、第一螺栓过松、第一螺栓过紧、第二螺栓过松、第二螺栓过 紧、轨道间卡有异物以及道岔转辙机工作时未发出声音，每类故障的声音和位置均有所差 另IJ，因此计算出的特征码也是不同的，赋予故障类别分析的理论可行性。
[0013] 进一步优选地，前述步骤S3中，通过硬盘录像机中SDK包的解码回调函数进行实时 首频彳目号的米集。
[0014] 进一步地，前述步骤S2中，信号分帧的具体过程为:先将N个取样点集合成一个观 测单位，称为音框，两相邻音框之间具有一段重迭区域，此重迭区域包含了 M个取样点，M的 取值是N的1/2或1/3。
[0015]再进一步地，前述步骤S2中，通过FFT变换将音频信号转换到频域上的能量分布来 分析，使用乘汉明窗来加强音框左右端的连续性，音框化的信号为S(n)，n = 0，l，...N-l，N 为音框大小，乘汉明窗后为S' (n) = S(n)*W(n)，汉明窗W(n)的公式如下:W(n，a) = (l-a)-a* cos(2pi*n/(N_l))，其中，a表示设定的常量参数，0<a<l。
[0016]更进一步地，前述步骤S2中，归一化的具体过程为:把数据映射到(_1，1)范围内进 行处理，将有量纲表达式转变为无量纲表达式：
其 中，Dli)表示归一化处理后的结果，D(i)表示当前数值，D表示需要归一化处理的数据集，U 表示归一化的数据上限，L表示归一化的数据下限。
[0017]此外，前述步骤S2中，倒谱提升的具体过程为:将能量频谱能量乘以一组20个带通滤 波器，求得每个带通滤波器输出的对数能量s(m)二!(幻$瓜 < 鉍， 其中，M表示带通滤波器的数量，Hm(k)为带通滤波器的频率响应，
[0019] ^ 1 0 3
[0020 ] f(翁=聽f 綠- 处N表示傅立叶变换的点数;接着，将20个对数能量经离散余弦变换得到MFCC系数，求出L阶的倒谱 参数，L值为12,离散余弦转换公式如下：
得出每个音框的特征有13维，包含1个对数能量和12个倒频谱参数，再求倒频谱参数相对于 时间的斜率，公式如下：
其中，Ct表示第t个位置的 倒谱系数;最后，加上差量运算即产生26维的特征向量，得到特征码。
[0021] 本发明的有益之处在于:本发明的故障类别分析方法无需介入转辙机的电气控制 系统，结果更加可靠和有说服力，通过该方法能够确定道岔转辙机的故障性质和位置，从而 对设备的故障进行有效预测、分析和判断，有助于检修人员提前消除故障，避免可能的危害 和损失，同时还能为转辙机的高发故障分析提供理论数据。
【附图说明】
[0022] 图1是本发明的道岔转辙机的故障类别分析方法的流程图。
【具体实施方式】
[0023] 以下结合附图和具体实施例对本发明作具体的介绍。
[0024] 参见图1，本发明的道岔转辙机的故障类别分析方法包括如下步骤：
[0025] S1、利用音频采集模块采集道岔转辙机动作时的音频信号，送入信号放大电路进 行信号放大，然后经模数转换后存储至存储模块。
[0026] 具体地，音频采集模块包括一拾音器和安装支架，音频采集过程中，拾音器紧贴转 辙机的外壁，无需接入道岔转辙机的电气控制系统，大大提高了检测结果的可信度和准确 性。
[0027] S2、信号处理模块对存储模块中的信号逐一进行带通滤波器滤波，以对频谱进行 平滑化，并消除谐波，突显原先语音的共振峰，同时能够减少后续运算量;然后经信号分帧、 FFT变换、归一化及倒谱提升，最后计算出特征码，根据特征码进行支持向量机训练生成模 型文件并进行分类存储;这里的模型文件可分为如下两类:道岔转辙机正常工作和道岔转 辙机处于故障状态。
[0028]其中，当道岔转辙机处于故障状态时，按照故障类别进行分类，故障类别包括但不 限定于以下8类:道岔转辙机未推送入位、道岔转辙机推送过度、第一螺栓过松、第一螺栓过 紧、第二螺栓过松、第二螺栓过紧、轨道间卡有异物以及道岔转辙机工作时未发出声音，实 际检测过程中，如有其他故障类型，直接加入一个新的故障类别和故障代码即可。
[0029] S3、音频采集模块通过硬盘录像机中SDK包的解码回调函数实时采集道岔转辙机 工作时的音频信号并同时缓存n秒(n$10s)，采用与步骤S2相同的方法计算出实时音频信 号的特征码，并调取模型文件进行比对，通过信号判断模块来判断道岔转辙机是否处于正 常工作状态；
[0030] S4、等待采集下一段音频数据并重复步骤S3;如果道岔转辙机处于故障状态，则同 时调取之前缓存的n秒音频，并对该音频的故障类别进行判断和组合，输出故障代码。
[0031] 本发明中，对特征码的计算过程进行了创新，这样能够得到干扰少、精度高的特征 码，从而提高判断的准确性，具体包括如下几个方面：
[0032] (1)、在步骤S2中，信号分帧的具体过程为:先将N(N通常为256或512)个取样点集 合成一个观测单位，称为音框(Frame)，两相邻音框之间具有一段重迭区域，此重迭区域包 含了M个取样点，M的取值是N的1/2或1/3,这样就能避免相邻两个音框的变化过大，提高音 框连续性，从而进一步提高特征码提取的准确性。
[0033] (2)、由于音频信号在时域上的变化很难看出其特性，因而，在步骤S2中，通过FFT 变换将音频信号转换到频域上的能量分布来分析，使用乘汉明窗来加强音框左右端的连续 性，音框化的信号为3(1〇，11 = 0，1，...^1，~为音框大小，乘汉明窗后为5/(11) = 5(11)*1(11)， 汉明窗W(n)的公式如下:W(n，a) = (l-a)-a*cos(2pi*n/(N-l))，其中，a表示设定的常量参 数，0<a<l〇
[0034] (3)、归一化:把数据映射到(-1，1)范围内进行处理，将有量纲表达式转变为无量 纲表达式：
其中，Dli)表示归一化处理后的结果，D (i)表示当前数值，D表示需要归一化处理的数据集，U表示归一化的数据上限1，L表示归一 化的数据下限-1。
[0035] (4)、倒谱提升(合并差量倒频谱参数）：将能量频谱能量乘以一组20个带通滤波 器，求得每个带通滤波器输出的对数能量3(出）二比(1：:^%.(1(斯)^(1〇)>()13111:1^ 其中，M表示带通滤波器的数量，为带通滤波器的频率响应，
[_ d'smw: 1
[0038]心(灸）二找$ k《N，式中x(n)为输入的音频信号，此处 N表示傅立叶变换的点数;接着，将20个对数能量经离散余弦变换得到MFCC系数，求出L阶的倒谱 参数，L值为12，离散余弦转换公式如下
得出每个音框的特征有13维，包含1个对数能量和12个倒频谱参数，再求倒频谱参数相对于 时间的斜率，公式如下：
其中，Ct表示第t个位置的 倒谱系数;最后，加上差量运算即产生26维的特征向量，得到特征码。
[0039] 综上，本发明的故障类别分析方法无需介入转辙机的电气控制系统，结果更加可 靠和有说服力，通过该方法能够确定道岔转辙机的故障性质和位置，从而对设备的故障进 行有效预测、分析和判断，有助于检修人员提前消除故障，避免可能的危害和损失，同时还 能为转辙机的高发故障分析提供理论数据。
[0040] 以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该 了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的 技术方案，均落在本发明的保护范围内。
【主权项】
1. 道岔转辙机的故障类别分析方法，其特征在于，包括如下步骤： 51、 利用音频采集模块采集道岔转辙机动作时的音频信号，送入信号放大电路进行信 号放大，然后经模数转换后存储至存储模块； 52、 信号处理模块对存储模块中的信号逐一进行带通滤波器滤波、信号分帧、FFT变换、 归一化及倒谱提升，最后计算出特征码，根据特征码进行支持向量机训练生成模型文件并 进行分类存储； 53、 音频采集模块实时采集道岔转辙机工作时的音频信号并同时缓存η秒，采用与步骤 S2相同的方法计算出实时音频信号的特征码，并调取模型文件进行比对，通过信号判断模 块来判断道岔转辙机是否处于正常工作状态； 54、 等待采集下一段音频数据并重复步骤S3;如果道岔转辙机处于故障状态，则同时调 取之前缓存的η秒音频，并对该音频的故障类别进行判断和组合，输出故障代码。2. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤S3 中，音频缓存时间10s。3. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤SI 中，音频采集模块包括一拾音器和安装支架，所述拾音器紧贴转辙机的外壁。4. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤S2 中，模型文件分为如下两类:道岔转辙机正常工作和道岔转辙机处于故障状态。5. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤S4 中，故障类别包括以下8类:道岔转辙机未推送入位、道岔转辙机推送过度、第一螺栓过松、 第一螺栓过紧、第二螺栓过松、第二螺栓过紧、轨道间卡有异物以及道岔转辙机工作时未发 出声音。6. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤S3 中，通过硬盘录像机中SDK包的解码回调函数进行实时音频信号的采集。7. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤S2 中，信号分帧的具体过程为:先将N个取样点集合成一个观测单位，称为音框，两相邻音框之 间具有一段重迭区域，此重迭区域包含了M个取样点，M的取值是N的1/2或1/3。8. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤S2 中，通过FFT变换将音频信号转换到频域上的能量分布来分析，使用乘汉明窗来加强音框左 右端的连续性，音框化的信号为3(11)，11 = 0，1，..』-14为音框大小，乘汉明窗后为5/(11)= S(n)*W(n)，汉明窗W(n)的公式如下:W(n，a) = (l-a)-a*cos(2pi*n/(N-l))，其中，a表示设 定的常量参数，〇<a<l。9. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤S2 中，归一化的具体过程为:把数据映射到(_1，1)范围内进行处理，将有量纲表达式转变为无 量纲表达式：=,:二;：二)x (" - L) + L其中，D' (i)表示归一化处理后的结果， D(i)表示当前数值，D表示需要归一化处理的数据集，U表示归一化的数据上限，L表示归一 化的数据下限。10. 根据权利要求1所述的道岔转辙机的故障类别分析方法，其特征在于，所述步骤S2 中，倒谱提升的具体过程为:将能量频谱能量乘以一组20个带通滤波器，求得每个带通滤波 器输出的对数爾 表示带通滤波器的数量，H < k < 式中x(n)为输入的音频信号，此处N表示傅立叶变换的点数;接着，将20个对数能量经离散 余弦变换得到MFCC系数，求出L阶的倒谱参数，L值为12,离散余弦转换公式如下：得出每个音框的特征右1 3維.包僉1个对撒能看·和1 9个任I丨瓶矣数，再求倒频谱参数相对于时间的斜率，公式如 其中，Ct表示第t个位置的倒谱系数;最后，加 上差量运算即产生26维的特征向量，得到特征码。
【文档编号】B61L5/06GK105882687SQ201610316708
【公开日】2016年8月24日
【申请日】2016年5月13日
【发明人】王维, 林鹤立, 孙林, 李子涵
【申请人】南京雅信科技集团有限公司