时域特征值阈值是通过 对大量无核伤钢轨的识别信号的分析得到的，即将原始加速度与无核伤钢轨对应的加速度 做差之后得到的修正数据，可采用200%的相对偏差作为阈值（即修正数据大于两组无核伤 钢轨特征值之差的两倍）。
[0036] 优选地，步骤S3.2进一步包括如下子步骤：
[0037] S3.2.1、对数据库中已知存在核伤故障的转向架的横向、垂向加速度信号和正常 钢轨的转向架的横向、垂向加速度信号同时进行连续小波分析，通过对比，获得核伤故障信 号的故障特征频带；
[0038] S3.2.2、将初步判定存在钢轨核伤的待检测信号的故障特征频带内的信号幅值与 正常钢轨在该频带内的阈值比较，若初步判定存在钢轨核伤的待检测信号的在故障特征频 带内的幅值超过正常钢轨在该频带内的阈值，则判定初步判定存在钢轨核伤的待检测信号 存在钢轨核伤，得到第二步判定存在钢轨核伤的待检测信号。
[0039] 正常钢轨在该故障特征频带内的阈值是通过对大量实测数据的分析得到的，即将 原始加速度与无核伤钢轨对应的加速度做差之后得到的修正数据，可采用200%的相对偏 差作为阈值(即修正数据大于两组无核伤钢轨特征值之差的两倍）。
[0040] 优选地，步骤S3.3进一步包括如下子步骤：
[0041 ] S3.3.1、对第二步判定存在钢轨核伤的待检测信号进行信号经验模态分解，得到 第二步判定存在钢轨核伤的待检测信号的各级模态分量；
[0042] S3.3.2、若第二步判定存在钢轨核伤的待检测信号的高频第一级模态分量中存在 W型波动信号，则判定第二步判定存在钢轨核伤的待检测信号存在钢轨核伤，得到最终判定 存在钢轨核伤的待检测信号。
[0043]本发明的有益效果如下：
[0044]本发明所述技术方案能够实现在车辆经过钢轨时的实时检测，不受时间的限制， 且不存在人工检测易发生人为失误的问题。本发明所需要的硬件设备为三向传感器和数据 传输与采集设备，该类设备技术发展成熟，成本低。软件需求为数据处理处理程序，计算容 量小，对计算设备要求不高。综上所述，本发明所述技术方案能够有效的提高钢轨核伤的检 测效率和实时性，且软件和硬件需求不会造成成本的明显增加。
【附图说明】
[0045]下面结合附图对本发明的【具体实施方式】作进一步详细的说明。
[0046] 图1示出基于运营车辆的钢轨核伤检测系统的示意图。
[0047] 图2示出基于运营车辆的钢轨核伤检测方法的流程图。
【具体实施方式】
[0048] 为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说 明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体 描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
[0049] 实施例1
[0050] 如图1所示，本实施例提供的基于运营车辆的钢轨核伤检测系统，包括：
[0051] 加速度传感器，根据车辆运行过程中的振动产生转向架的横向、垂向加速度信号， 用以检测车辆运行过程中车体的振动状态；
[0052]信号采集及预处理单元，以固定的采样频率采集横向、垂向加速度信号并进行预 处理，产生各采样时刻的待检测信号；
[0053]信号处理单元，对各采样时刻的待检测信号依次进行时域特征值分析识别钢轨核 伤、连续小波分析识别钢轨核伤和经验模态分解识别钢轨核伤。
[0054] 其中
[0055] 信号采集及预处理单元对采集到的横向、垂向加速度信号进行预处理包括:对采 集到的横向、垂向加速度信号进行隔离处理、模数转换和数字滤波。
[0056] 信号处理单元包括：
[0057] 信号时域特征值分析模块，对各采样时刻的待检测信号进行时域特征值分析识别 钢轨核伤，得到初步判定存在钢轨核伤的待检测信号；
[0058] 信号连续小波分析模块，对初步判定存在钢轨核伤的待检测信号进行连续小波分 析识别钢轨核伤，得到第二步判定存在钢轨核伤的待检测信号；
[0059] 信号经验模态分解模块，对第二步判定存在钢轨核伤的待检测信号进行信号经验 模态分解，得到最终判定存在钢轨核伤的待检测信号。
[0060] 实施例2
[0061] 如图2所示，本实施例提供的基于运营车辆的钢轨核伤检测方法，包括步骤：
[0062] S1、利用加速度传感器根据车辆运行过程中的振动产生转向架的横向、垂向加速 度信号；
[0063] S2、以固定的采样频率采集横向、垂向加速度信号并进行预处理，产生各采样时刻 的待检测信号；
[0064] S3、对各采样时刻的待检测信号依次进行时域特征值分析识别钢轨核伤、连续小 波分析识别钢轨核伤和经验模态分解识别钢轨核伤，得到最终判定存在钢轨核伤的待检测 信号。
[0065] 其中
[0066]步骤S2中的预处理进一步包括:对采集到的横向、垂向加速度信号进行隔离处理、 模数转换和数字滤波。
[0067] 步骤S3进一步包括如下子步骤：
[0068] S3.1、对各采样时刻的待检测信号进行时域特征值分析识别钢轨核伤，得到初步 判定存在钢轨核伤的待检测信号；
[0069] S3.2、对初步判定存在钢轨核伤的待检测信号进行连续小波分析识别钢轨核伤， 得到第二步判定存在钢轨核伤的待检测信号；
[0070] S3.3、对第二步判定存在钢轨核伤的待检测信号进行信号经验模态分解，得到最 终判定存在钢轨核伤的待检测信号。
[0071] 步骤S3.1进一步包括如下子步骤：
[0072] S3.1. 1、计算待检测信号的时域特征值:平均值Xu、峰值Xmax和有效值Xrms，公式如 下：
[0073]
[0074]
[0075]
[0076]公式中，Xl为第i个采样时刻的待检测信号，η为采样点个数；
[0077] S3.1.2、将待检测信号的时域特征值与时域特征值阈值比较，若待检测信号的时 域特征值中至少有一项数值超过该数值的阈值，则判定待检测信号存在钢轨核伤，得到初 步判定存在钢轨核伤的待检测信号。
[0078]时域特征值阈值包括:均值阈值、峰值阈值、有效值阈值;时域特征值阈值是通过 对大量无核伤钢轨的识别信号的分析得到的，即将原始加速度与无核伤钢轨对应的加速度 做差之后得到的修正数据，可采用200%的相对偏差作为阈值（即修正数据大于两组无核伤 钢轨特征值之差的两倍）。
[0079] 步骤S3.2进一步包括如下子步骤：
[0080] S3.2.1、对数据库中已知存在核伤故障的转向架的横向、垂向加速度信号和正常 钢轨的转向架的横向、垂向加速度信号分别进行隔离处理、模数转换和数字滤波的预处理 并同时进行连续小波分析，通过对比，获得核伤故障信号的故障特征频带，所谓故障特征频 带就是存在故障的信号与正常的信号比较，在哪个频率范围内幅值会有很大的变化，该频 率范围就被作为故障特征频带；
[0081] S3.2.2、将初步判定存在钢轨核伤的待检测信号的故障特征频带内的信号幅值与 正常钢轨在该频带内的阈值比较，若初步判定存在钢轨核伤的待检测信号的在故障特征频 带内的幅值超过正常钢轨在该频带内的阈值，则判定初步判定存在钢轨核伤的待检测信号 存在钢轨核伤，得到第二步判定存在钢轨核伤的待检测信号。
[0082] 正常钢轨在该故障特征频带内的阈值是通过对大量实测数据的分析得到的，即将 原始加速度与无核伤钢轨对应的加速度做差之后得到的修正数据，可采用200%的相对偏 差作为阈值(即修正数据大于两组无核伤钢轨特征值之差的两倍）。
[0083] 步骤S3.3进一步包括如下子步骤：
[0084] S3.3.1、对第二步判定存在钢轨核伤的待检测信号进行信号经验模态分解，得到 第二步判定存在钢轨核伤的待检测信号的各级模态分量；
[0085] S3.3.2、若第二步判定存在钢轨核伤的待检测信号的高频第一级模态分量中存在 W型波动信号，则判定第二步判定存在钢轨核伤的待检测信号存在钢轨核伤，得到最终判定 存在钢轨核伤的待检测信号。
[0086] 步骤S3.3的经验模态分解采用希尔伯特黄变换的方法，
[0087]希尔伯特黄变换即Hilbert-Huang变换，可简称为HHT，对待检测信号进行希尔伯 特黄变换实质是对信号进行平稳化处理，包括两个信号分析过程，即经验模态分解(EMD分 解)和希尔伯特变换(Hilbert变换）。通过信号的EMD分解，可以将原始信号中的不同尺度的 波动