一種基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法
【專(zhuān)利摘要】本發(fā)明涉及一種基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法，屬于軌道交通安全運(yùn)行維護(hù)領(lǐng)域。該方法從軌檢車(chē)獲取車(chē)軸和車(chē)體的頻域特征信號(hào)及高低不平順?lè)?；確定輸入特征和不平順?lè)档膮⒖贾?，?jì)算樣本的綜合相似度分布；構(gòu)造反映輸入與不平順?lè)抵g關(guān)系的投點(diǎn)統(tǒng)計(jì)表，并轉(zhuǎn)換得到輸入的證據(jù)矩陣表；確定輸入信息源的可靠性；利用證據(jù)推理規(guī)則融合樣本輸入激活的證據(jù)并從融合結(jié)果推理高低不平順?lè)?；?gòu)建優(yōu)化模型訓(xùn)練參數(shù)，基于最優(yōu)參數(shù)集合即可推理測(cè)試樣本的軌道高低不平順?lè)怠Ｔ摲椒芡ㄟ^(guò)安裝在普通列車(chē)上的傳感器獲得的振動(dòng)信號(hào)有效估計(jì)軌道高低不平順估計(jì)值，成本低，精度高，從而實(shí)現(xiàn)了軌道高低不平順?lè)档膶?shí)時(shí)監(jiān)測(cè)。
【專(zhuān)利說(shuō)明】
一種基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法，屬于軌道交 通安全運(yùn)行維護(hù)領(lǐng)域。
【背景技術(shù)】
[0002] 軌道作為承載列車(chē)運(yùn)行的鐵路系統(tǒng)基礎(chǔ)設(shè)施，其出現(xiàn)的任何損傷及故障都會(huì)對(duì)行 車(chē)效率及安全帶來(lái)重要的影響。軌道動(dòng)態(tài)檢查作業(yè)是鐵路軌道病害檢查、指導(dǎo)維修養(yǎng)護(hù)以 及保障行車(chē)安全的重要手段，其中軌道高低不平順度作為一個(gè)重要的檢測(cè)指標(biāo)，其能夠反 映軌道垂直幾何形變的程度。在正常的軌道高低平順度下，列車(chē)和軌道的相互作用力均勻， 列車(chē)運(yùn)行平穩(wěn)；當(dāng)軌道出現(xiàn)高低不平順時(shí)，列車(chē)運(yùn)行中會(huì)出現(xiàn)異常振動(dòng)，這使得列車(chē)與軌道 間垂直力出現(xiàn)增載或減載的變化。增載將引起輪對(duì)損傷，并進(jìn)一步加劇軌道高低不平順的 程度，大大縮短軌道的使用壽命;而減載時(shí)輪軌間接觸力小，導(dǎo)致脫軌事故，嚴(yán)重影響行車(chē) 安全。因此，有效的軌道不平順故障檢測(cè)技術(shù)的使用，能夠使鐵路維修工程師及時(shí)監(jiān)測(cè)到軌 道的異常狀態(tài)，并根據(jù)異常發(fā)生的程度對(duì)軌道進(jìn)行針對(duì)性的維護(hù)檢修。
[0003] 目前，國(guó)內(nèi)普遍采用GJ-4和GJ-5型軌檢車(chē)測(cè)量軌道不平順?lè)怠＠?，GJ-4型軌檢 車(chē)通過(guò)慣性測(cè)量方法計(jì)算軌道的垂直位移。具體地，GJ-4利用安裝在車(chē)體上的加速度計(jì)測(cè) 得車(chē)體的振動(dòng)加速度信號(hào)，將該信號(hào)進(jìn)行二次積分獲得車(chē)體的慣性位移，再利用車(chē)體上的 位移傳感器獲取的轉(zhuǎn)向架與軸箱之間的相對(duì)位移，慣性位移與相對(duì)位移的和即為軌道高低 不平順的垂直位移，最后利用測(cè)角器和陀螺儀測(cè)得的車(chē)體傾角對(duì)該垂直位移進(jìn)行修正，即 可得到最終的軌道高低不平順?lè)?。然而，軌檢車(chē)雖然能提供較為精確的不平順位移估計(jì) 值，但它也存在了兩個(gè)不可避免的問(wèn)題:一是軌檢車(chē)需要配備十分昂貴的測(cè)角器和陀螺儀， 同時(shí)這些設(shè)備的安裝需要極其苛刻的設(shè)計(jì)結(jié)構(gòu)，這些原因?qū)е铝塑墮z車(chē)的高額造價(jià);二是 軌檢車(chē)工作需要占用行車(chē)路線，且占用線路的時(shí)間較長(zhǎng)，這在國(guó)內(nèi)鐵路網(wǎng)絡(luò)需滿足全國(guó)如 此密集行車(chē)需求的背景下，迫使軌檢車(chē)的檢測(cè)周期間隔過(guò)長(zhǎng)，這使得軌檢車(chē)難以滿足目前 鐵路部門(mén)要求的對(duì)線路全天候監(jiān)測(cè)工作的需求，更不足以滿足中國(guó)龐大的鐵路網(wǎng)絡(luò)的實(shí)時(shí) 監(jiān)控的需求。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提出一種基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法，通 過(guò)在現(xiàn)行列車(chē)的車(chē)軸和車(chē)體上安裝加速度計(jì)，首先基于假定的初始輸入輸出參考值從加速 度采樣數(shù)據(jù)中提取證據(jù)，再評(píng)估證據(jù)的可靠性，然后構(gòu)建目標(biāo)函數(shù)訓(xùn)練證據(jù)推理模型參數(shù)， 最后通過(guò)融合證據(jù)的信度推理估計(jì)出軌道高低不平順?lè)?。該方法利用廉價(jià)且能夠簡(jiǎn)易安 裝的振動(dòng)加速度計(jì)即可估計(jì)軌道高低不平順?lè)担覍?shí)現(xiàn)了軌道高低不平順故障的實(shí)時(shí) 檢測(cè)。
[0005] 本發(fā)明提出的基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法，包括以下各步 驟：
[0006] (1)設(shè)定G J-4型軌檢車(chē)安裝在車(chē)軸與車(chē)體上的加速度計(jì)獲得車(chē)軸和車(chē)廂位置的時(shí) 域振動(dòng)加速度信號(hào)為^(〇和^(〇,其單位為G(重力加速度，9.8m/s 2)，軌檢車(chē)以100-120km/h的時(shí)速，每隔0.15-0.3m采樣一次加速度振動(dòng)信號(hào)，共采集Ts次，一般Ts>5000，則采 樣時(shí)刻t=l，2,…，Ts。設(shè)軌檢車(chē)在采樣時(shí)刻t利用慣性測(cè)量方法測(cè)得垂直位移為d(t)，其單 位為mm;
[0007] (2)將步驟（1)中每個(gè)采樣時(shí)刻的時(shí)域振動(dòng)加速度信號(hào)n (t)和^ (t)分別以5.25m 的窗口長(zhǎng)度進(jìn)行短時(shí)傅里葉變換，然后求得各頻域幅值絕對(duì)值的平均值作為車(chē)軸和車(chē)體的 頻域特征信號(hào)f:(t)和€2(t)，/KO eu1,4]，/2(〇 e[#,4]，其中44分別為輸入特 征信號(hào)fi(t)和f2(t)的最小和最大值。將垂直位移d(t)取絕對(duì)值記為IrUhlHOeth， 12]，其中1 1和12分別是1以〇的最小和最大值。將心(〇、5(〇和1^〇表示成樣本集合3 = {[fi(t)，f2(t)，Ir(t)] I t = l，2,…，Ts}，其中[fi(t)，f2(t)，Ir(t)]為一個(gè)樣本向量；
[0008] (3)設(shè)定軌道高低不平順?lè)礗r的結(jié)果參考值集合D= {Dn In = I，…，N}，頻域振動(dòng) 信號(hào)η的輸入?yún)⒖贾导蠟?兩，n 2，n為軌道高低不平順?lè)档慕Y(jié)果參考值 Ir的個(gè)數(shù)，心為頻域振動(dòng)信號(hào)^的參考值個(gè)數(shù)；
[0009] (4)將T個(gè)樣本向量[fKthfsUhlHt)]中的樣本對(duì)(fdthlrU))分別用定性信 息轉(zhuǎn)換方法變化為關(guān)于參考值相似度的形式，具體步驟如下：
[0010] (4-1)樣本對(duì)(Mt)JrU))的輸入值Mt)匹配參考值4的相似度分布為
[0011 ] S1W1U)) = HA1ri(Xi j) I /' =： 1,2] (I a)
[0012] 其中
[0014] ai，j'=〇 j' = i, · · · Ji, j'乒j, j+i (Ic)
[0015] Ct1,j表示輸入值乜⑴匹配參考值4的相似度；
[0016] (4-2)樣本對(duì)(fKthlrU))的結(jié)果值Ir(t)匹配參考值0"的相似度分布為
[0017] So(Ir(t)) = {(Dn, γ n) | n = I, . . . ,N} (2a)
[0018] 其中
[0020] γη,=0 η'= I,. . . ,Ν,η'^n,n+l (2c)
[0021] γη表示結(jié)果值Ir(t)匹配參考值Dn的相似度；
[0022] (4-3)根據(jù)步驟(4-1)和步驟(4-2)，樣本對(duì)(fdthlrU))可以被轉(zhuǎn)化地表示為相 似度分布的形式( ai,j 丫 n，ai,j+1 γ n，ai,j γ n+1，ai,j+1 γ n+1)，其中，ai,j γ "表不樣本對(duì)(fi(t)，Ir (t))中輸入值匹配參考值同時(shí)結(jié)果值Ir(t)匹配參考值0"的綜合相似度；
[0023] (5)根據(jù)步驟(4)，將樣本集S中的所有樣本對(duì)轉(zhuǎn)化為綜合相似度的形式，用它們可 構(gòu)造結(jié)果參考值和輸入?yún)⒖贾抵g的投點(diǎn)統(tǒng)計(jì)表，如下表1所示，其中a n, j表示所有輸入值 AU)匹配參考值$并且結(jié)果值Ir(t)匹配參考值0"的樣本對(duì)(fdthlrU))綜合相似度的 表示所有結(jié)果值Ir(t)匹配參考值Dn的樣本對(duì)綜合相似度的和， 表示所有輸入值。（〖）匹配參考值$的樣本對(duì)綜合相似度的和，并有


[0024]表1樣本對(duì)(fi(t)，Ir(t))的投點(diǎn)統(tǒng)計(jì)表
[0027] (6)根據(jù)步驟(5)中的投點(diǎn)統(tǒng)計(jì)表，可獲得當(dāng)輸入值fi (t)取參考值4；:時(shí)，結(jié)果值Ir (t)為參考值Dn的信度為
[0029] 并有，則可定義對(duì)應(yīng)于參考值4的證據(jù)為
[0030] A=H-U (4)
[0031]因此，可構(gòu)造出如表2所示的證據(jù)矩陣表來(lái)描述輸入fi和結(jié)果Ir之間的關(guān)系；
[0032]表2輸入fi的證據(jù)矩陣表
[0034] (7)定義證據(jù)的可靠性^描述輸入信息源A評(píng)估軌道高低不平順?lè)礗r的能力，具 體獲取步驟如下：
[0035] (7-1)定義輸入值fi(t)與結(jié)果值Ir(t)的相對(duì)變化值為
[0038] (7-2)根據(jù)(7-1)定義的相對(duì)變化值，可獲取反映輸入特征信號(hào)與不平順?lè)底兓?趨勢(shì)的評(píng)價(jià)因子為
[0040] (7-3)根據(jù)(7-2)獲得的評(píng)價(jià)因子，可由下式計(jì)算輸入信息源匕的可靠性
[0042] (8)給定樣本集中的任意一組輸入樣本向量？(1:) = (;^(1:)42(1:))，根據(jù)步驟(6)獲 得的輸入證據(jù)矩陣表和步驟(7)獲得的輸入信息源可靠性，可利用證據(jù)推理規(guī)則推理出初 始的軌道高低不平順估計(jì)值/r⑴，具體步驟如下：
[0043] (8-1)對(duì)于輸入值fdt)，其必然落入某兩個(gè)參考值構(gòu)成的區(qū)間[<，^^]，此時(shí)這兩 個(gè)參考值對(duì)應(yīng)的證據(jù)《和'被激活，則輸入值Mt)的證據(jù)可由參考值證據(jù) < 和'以加權(quán) 和的形式獲得
[0046] (8-2)利用式(9a)和式(9b)獲得fi(t)和f2(t)的證據(jù)ei和Θ2,并設(shè)定初始證據(jù)權(quán)重 Wl = ri，利用證據(jù)推理規(guī)則對(duì)它們進(jìn)行融合，得到融合結(jié)果為
[0049] (8-3)根據(jù)步驟(8-2)得到融合結(jié)果0(F(t))，估計(jì)的高低不平順?lè)?r(/)可由下 式推理得到
[0051 ] (9)基于均方誤差構(gòu)建參數(shù)優(yōu)化模型，具體步驟如下：
[0052] (9-1)確定優(yōu)化參數(shù)集合盧彳丨,認(rèn)凡|卜1,2; ./=·-2,·,·，Λ-1; ./?==2，,·,,Λ/-1丨.，\^表示證據(jù) 的權(quán)重，其他參數(shù)分別設(shè)定為Di = Ii ,Dn= 12，.為 1 =心= 44 4 ;
[0053] (9-2)將最小化均方誤差作為優(yōu)化目標(biāo)函數(shù)
[0058]式(12b)_(12d)表示優(yōu)化參數(shù)需滿足的約束條件；
[0059] (9-3)利用基于梯度的方法或者非線性?xún)?yōu)化軟件包，如數(shù)學(xué)計(jì)算軟件Matlab中的 fmincon函數(shù)優(yōu)化該目標(biāo)函數(shù)，獲得最優(yōu)的參數(shù)集合P，從現(xiàn)行列車(chē)車(chē)軸和車(chē)體上安裝的加 速度計(jì)采集輸入特征信號(hào)，將其利用步驟(2)處理，再一次重復(fù)步驟(4)~步驟(8)即可得到 更為精確的軌道高低不平順估計(jì)值/r(〇。
[0060]本發(fā)明提出的基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法，根據(jù)軌跡車(chē)采 集的車(chē)軸和車(chē)體輸入特征信號(hào)與高低不平順?lè)底兓秶O(shè)定相應(yīng)的輸入與結(jié)果參考值； 利用定性信息轉(zhuǎn)換方法獲得樣本對(duì)關(guān)于輸入與結(jié)果參考值的綜合相似度，并構(gòu)造反映輸入 參考值與結(jié)果參考值關(guān)系的投點(diǎn)統(tǒng)計(jì)表;根據(jù)該表獲取各結(jié)果參考值對(duì)應(yīng)的證據(jù)，構(gòu)造證 據(jù)矩陣表;根據(jù)輸入特征信號(hào)反映不平順?lè)底兓厔?shì)的能力獲得輸入信息源的可靠性； 獲取樣本集每一組輸入樣本向量的證據(jù)，利用證據(jù)推理規(guī)則得到融合結(jié)果，從中推理得到 初始高低不平順估計(jì)值;構(gòu)建目標(biāo)函數(shù)訓(xùn)練優(yōu)化參數(shù)集合，從現(xiàn)行列車(chē)的車(chē)軸和車(chē)廂加速 度計(jì)獲取數(shù)據(jù)，根據(jù)優(yōu)化參數(shù)集合，重復(fù)上述步驟，獲得軌道高低不平順?lè)倒烙?jì)值。根據(jù) 本發(fā)明方法編制的程序(編譯環(huán)境LabView，C++等)可以在監(jiān)測(cè)計(jì)算機(jī)上運(yùn)行，并聯(lián)合傳感 器、數(shù)據(jù)采集器等硬件組成在線監(jiān)測(cè)系統(tǒng)，配置在普通列車(chē)上，從而實(shí)現(xiàn)軌道高低不平順?lè)?值的實(shí)時(shí)監(jiān)測(cè)。
【附圖說(shuō)明】
[0061 ]圖1是本發(fā)明方法的流程框圖；
[0062]圖2是本發(fā)明方法實(shí)施例中GJ-4型軌檢車(chē)所采集數(shù)據(jù)的車(chē)軸和車(chē)體頻域特征振動(dòng) 信號(hào)及對(duì)應(yīng)的軌道高低不平順?lè)到^對(duì)值；
[0063]圖3是本發(fā)明方法實(shí)施例中GJ-4型軌檢車(chē)所采集數(shù)據(jù)的軌道高低不平順?lè)倒烙?jì) 值。
[0064]具體實(shí)施方法
[0065]本發(fā)明提出的一種基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法，其流程框 圖如圖1所示，包括以下各步驟：
[0066] (1)設(shè)定G J-4型軌檢車(chē)安裝在車(chē)軸與車(chē)體上的加速度計(jì)獲得車(chē)軸和車(chē)廂位置的時(shí) 域振動(dòng)加速度信號(hào)為^(〇和^(〇,其單位為G(重力加速度，9.8m/s 2)，軌檢車(chē)以100-120km/h的時(shí)速，每隔0.15-0.3m采樣一次加速度振動(dòng)信號(hào)，共采集Ts次，一般Ts>5000，則采 樣時(shí)刻t=l，2,…，Ts。設(shè)軌檢車(chē)在采樣時(shí)刻t利用慣性測(cè)量方法測(cè)得垂直位移為d(t)，其單 位為mm;
[0067] (2)將步驟（1)中每個(gè)采樣時(shí)刻的時(shí)域振動(dòng)加速度信號(hào)n (t)和^ (t)分別以5.25m 的窗口長(zhǎng)度進(jìn)行短時(shí)傅里葉變換，然后求得各頻域幅值絕對(duì)值的平均值作為車(chē)軸和車(chē)體的 頻域特征信號(hào)：?1(1：)和€2(1：)，/1(/ 1)€[沁，5'丨]，./2(/)￡[彳,>5>2 2]，其中1511，>^，彳，4分別為輸入特 征信號(hào)fi(t)和f 2(t)的最小和最大值。將垂直位移d(t)取絕對(duì)值記為IrUhlHOeth， 12]，其中11和1 2分別是1以〇的最小和最大值。將心(〇、5(〇和1^〇表示成樣本集合3 = {[fi(t)，f2(t)，Ir(t)] I t = l，2,…，Ts}，其中[fi(t)，f2(t)，Ir(t)]為一個(gè)樣本向量；
[0068] (3)設(shè)定軌道高低不平順?lè)礗r的結(jié)果參考值集合D= {Dn |n = l，…，N}，頻域振動(dòng) 信號(hào)乜的輸入?yún)⒖贾导蠟?K丨/=1，...,./,_l· /=1,2，N為軌道高低不平順?lè)档慕Y(jié)果參考值 Ir的個(gè)數(shù)，心為頻域振動(dòng)信號(hào)^的參考值個(gè)數(shù)；
[0069]為了便于對(duì)輸入?yún)⒖贾岛徒Y(jié)果參考值的理解，這里舉例說(shuō)明。設(shè)從軌檢車(chē)采集了 Ts = 8429組樣本向量構(gòu)成樣本集合，樣本集合中的數(shù)據(jù)經(jīng)步驟(2)預(yù)處理后，可得軌道高低 不平順?lè)礗r的取值范圍為[O，12]，頻域特征信號(hào)f jPf 2的取值范圍分別為[O，5]和[O， 0.021 ]，則可設(shè)軌道高低不平順?lè)礗r的結(jié)果參考值集合D= {0,2,4,6,8，10，12}4=9;車(chē) 軸頻域特征信號(hào)f 1的輸入?yún)⒖贾导螦1 = {0，0.45，0.85，1.3，1.7，5}，J1 = 6;車(chē)體頻域特征 信號(hào)f2的輸入?yún)⒖贾导螦2= {0,0.002,0.004,0.006,0.007,0.008,0.01,0.015,0.021}， j2 = 9〇
[0070] (4)將T個(gè)樣本向量[fKthfsUhlHt)]中的樣本對(duì)(fdthlrU))分別用定性信 息轉(zhuǎn)換方法變化為關(guān)于參考值相似度的形式，具體步驟如下：
[0071 ] (4-1)樣本對(duì)(f i(t)，Ir(t))的輸入值fi(t)匹配參考值4的相似度分布為
[0076] a。表示輸入值乜(t)匹配參考值4的相似度；
[0077] (4-2)樣本對(duì)(fKthlrU))的結(jié)果值Ir(t)匹配參考值0"的相似度分布為
[0080] γη,=0 η'= 1,. . . ,Ν,η'^n,n+l (2c)
[0081] γη表示結(jié)果值Ir(t)匹配參考值Dn的相似度；
[0082] (4-3)根據(jù)步驟(4-1)和步驟(4-2)，樣本對(duì)(fdthlrU))可以被轉(zhuǎn)化地表示為相 似度分布的形式( ai,j 丫 n，ai,j+1 γ n，ai,j γ n+1，ai,j+1 γ n+1)，其中，ai,j γ "表不樣本對(duì)(fi(t)，Ir (t))中輸入值匹配參考值同時(shí)結(jié)果值Ir(t)匹配參考值0"的綜合相似度；
[0083] 為了加深對(duì)樣本對(duì)(fdthlrU))的綜合相似度的理解，這里假設(shè)一個(gè)樣本向量 [fKthfdthIrU)] = [0.3979,0.0135,9.1956]，沿用步驟(3)例子假定的輸入和結(jié)果參 考值集合，由式（Ia)-(Ic)可得輸入值f K t)匹配參考值的相似度為a1; : = 0.1159,(^,2 = 0.8841;輸入值f2(t)匹配參考值的相似度為α2,7 = 〇. 3067，α2,8 = 〇. 6933;結(jié)果值Ir(t)匹配 參考值的相似度為γ 5 = 0.4022, γ 6 = 0.5978,進(jìn)而可獲得樣本對(duì)(fKthlrU))的綜合相 似度分布（αι,ι y5，ai,2y5，ai,iy6，ai,2y6) = (0.0466，0· 35556，0· 0693，0· 5285);樣本對(duì)(f2 (t)，Ir(t))的綜合相似度分布（α2,7γ 5，α2,8γ 5，α2,7γ6，α2,8γ 6) = (0.1234,0.2788， 0.1833,0.4145)。
[0084] (5)根據(jù)步驟(4)，將樣本集S中的所有樣本對(duì)轉(zhuǎn)化為綜合相似度的形式，用它們可 構(gòu)造結(jié)果參考值和輸入?yún)⒖贾抵g的投點(diǎn)統(tǒng)計(jì)表，如下表1所示，其中a n, j表示所有輸入值 f^t)匹配參考值4并且結(jié)果值Ir(t)匹配參考值0"的樣本對(duì)(fdthlrU))綜合相似度的 和，A, 表示所有結(jié)果值1 r (t)匹配參考值D η的樣本對(duì)綜合相似度的和， 表示所有輸入值h(t)匹配參考值4的樣本對(duì)綜合相似度的和，并有
[0085]表1樣本對(duì)(fi(t)，Ir(t))的投點(diǎn)統(tǒng)計(jì)表
[0087] 為了便于理解上表所示的投點(diǎn)統(tǒng)計(jì)表，沿用步驟(3)中的樣本集合與參考值集合， 根據(jù)步驟(4)獲得樣本集合所有Ts = 8429個(gè)樣本對(duì)(fKthlrU))的綜合相似度分布，即可 構(gòu)造出投點(diǎn)統(tǒng)計(jì)表，如下表3所示
[0088] 表3樣本對(duì)(fKthlrU))的投點(diǎn)統(tǒng)計(jì)表
[0090] (6)根據(jù)步驟(5)中的投點(diǎn)統(tǒng)計(jì)表，可獲得當(dāng)輸入值fi(t)取參考值4時(shí)，結(jié)果值Ir (t)為參考值Dn的信度為
[0092]并有Σ二允、,=1，則可定義對(duì)應(yīng)于參考值4的證據(jù)為
[0094]因此，可構(gòu)造出如表2所示的證據(jù)矩陣表來(lái)描述輸入fi和結(jié)果Ir之間的關(guān)系；
[0095]表2輸入fi的證據(jù)矩陣表
[0097] 繼續(xù)沿用步驟(5)中輸入特征信號(hào)心的投點(diǎn)統(tǒng)計(jì)表加深對(duì)上表所示的證據(jù)矩陣表 的理解。根據(jù)表3,由式⑶和式⑷可得輸入值A(chǔ)⑴取參考值4=0時(shí)對(duì)應(yīng)的證據(jù)為
[0098] =[0.2914, 0,1085, 0.068? 0, 0.0765, 0.3402, 0.1145]
[0099] 同樣地，可求取其它參考值對(duì)應(yīng)的證據(jù)，那么即可構(gòu)建輸入A的證據(jù)矩陣表，如表 4所示
[0100] 表4輸入的證據(jù)矩陣表
[0102] (7)定義證據(jù)的可靠性^描述輸入信息源A評(píng)估軌道高低不平順?lè)礗r的能力，具 體獲取步驟如下：
[0103] (7-1)定義輸入值f i (t)與結(jié)果值Ir (t)的相對(duì)變化值為
[0106] (7-2)根據(jù)(7-1)定義的相對(duì)變化值，可獲取反映輸入特征信號(hào)與不平順?lè)底兓?趨勢(shì)的評(píng)價(jià)因子為
[0108] (7-3)根據(jù)(7-2)獲得的評(píng)價(jià)因子，可由下式計(jì)算輸入信息源匕的可靠性
[0110]為了加深對(duì)可靠性Γι的理解，在前例所采集樣本集合的基礎(chǔ)上，可獲得
則反映輸入特征信號(hào)與不平順?lè)底兓厔?shì)的 評(píng)價(jià)因子由式(5)-式(7)得&^ = 2890.2294，&5 = 354.6389，那么利用（8)式即可獲得輸入 信息源的可靠性為
[0113] (8)給定樣本集中的任意一組輸入樣本向量？(1:) = (;^(1:)彳2(1:))，根據(jù)步驟(6)獲 得的輸入證據(jù)矩陣表和步驟(7)獲得的輸入信息源可靠性，可利用證據(jù)推理規(guī)則推理出初 始的軌道高低不平順估計(jì)仉/〃(/)，具體步驟如下：
[0114] (8-1)對(duì)于輸入值fdt)，其必然落入某兩個(gè)參考值構(gòu)成的區(qū)間[4,4η]，此時(shí)這兩 個(gè)參考值對(duì)應(yīng)的證據(jù)4和< +1被激活，則輸入值h (t)的證據(jù)可由參考值證據(jù)e丨和^+1以加權(quán) 和的形式獲得
[0115] ei = {(Dn,Pn,i) ,n = I, . . . ,N} (9a)
[0116] A.i (9b)
[0117] (8-2)利用式(9a)和式(9b)獲得f i( t)和f 2( t)的證據(jù)ei和e2,并設(shè)定初始證據(jù)權(quán)重 Wl = ri，利用證據(jù)推理規(guī)則對(duì)它們進(jìn)行融合，得到融合結(jié)果為 [0118] 0(F(t)) = {(Dn,Pn,e(2)) ,η = I, . . . ,N} (10a)
[0120] (8-3)根據(jù)步驟(8-2)得到融合結(jié)果0(F(t))，估計(jì)的高低不平順?lè)礽r(〇可由下 式推理得到
[0122]為了加深對(duì)步驟（8)的理解，沿用步驟（4)的樣本向量[fKthfdthlHt)] = [0.3979,0.0135,9.1956]為例說(shuō)明如何獲取高低不平順估計(jì)值備⑴。根據(jù)步驟(4)可知該 樣本輸入f I (t)以相似度Ct1, : = 0.1159,(^,2 = 0.8841激活證據(jù)-和￡4，輸入5(〇以相似度 α2,7 = 0.3067，α2,8 = 〇·6933激活證據(jù)￡>丨和￡>82。根據(jù)（9)式得到ei= [0.1185,0.0939,0.1163， 0.0188,0.0489,0.3025,0.3010]，e2 = [0,0,0.0026,0.1344,0.3633,0.3322,0.1676]，然 后利用式（IOb)的證據(jù)推理融合規(guī)則，可得融合結(jié)果為0(11(0) = ((0^0),(02,0),(03, 0.0026)，（D4,0.1316) ,(D5,0.3572) ,(D6,0.3381 )，（D7,0.1706)}將上述融合結(jié)果代入（11) 式，即可得估計(jì)不平順?lè)禐?br>[0124] (9)基于均方誤差構(gòu)建參數(shù)優(yōu)化模型，具體步驟如下：
[0125] (9-1)確定優(yōu)化參數(shù)集合戶{4，認(rèn)，術(shù)卩=1，2;產(chǎn)2:5..:.』-1 :;?=25.:..界1}鐵表示證據(jù)的 權(quán)重，其他參數(shù)分別設(shè)定為Di = Ii ,Dn= 12，4.= ?1，Jj1 =皂，42 = ? = 4 ;
[0126] (9-2)將最小化均方誤差作為優(yōu)化目標(biāo)函數(shù)
[0130] D2<D3<---<Dn-i (12d)
[0131] 式(12b)_(12d)表示優(yōu)化參數(shù)需滿足的約束條件；
[0132] (9-3)利用基于梯度的方法或者非線性?xún)?yōu)化軟件包，如數(shù)學(xué)計(jì)算軟件Matlab中的 fmincon函數(shù)優(yōu)化該目標(biāo)函數(shù)，獲得最優(yōu)的參數(shù)集合P，從現(xiàn)行列車(chē)車(chē)軸和車(chē)體上安裝的加 速度計(jì)采集輸入特征信號(hào)，將其利用步驟(2)處理，再一次重復(fù)步驟(4)~步驟(8)即可得到 更為精確的軌道高低不平順估計(jì)值*的。
[0133] 以下結(jié)合附圖，詳細(xì)介紹本發(fā)明方法的實(shí)施例：
[0134] 本發(fā)明方法的流程圖如圖1所示，核心部分是:從軌檢車(chē)采集車(chē)軸和車(chē)體時(shí)域振動(dòng) 加速度信號(hào)及垂直位移;將采集的數(shù)據(jù)經(jīng)過(guò)短時(shí)傅里葉變換，獲取每個(gè)采樣時(shí)刻對(duì)應(yīng)的頻 域特征信號(hào)，并將垂直位移取絕對(duì)值得到高低不平順?lè)?確定輸入特征信號(hào)和高低不平 順?lè)档膮⒖贾导?，并?jì)算它們關(guān)于參考值的綜合相似度分布;利用樣本集合的綜合相 似度分布構(gòu)造反映輸入信號(hào)與不平順?lè)抵g關(guān)系的投點(diǎn)統(tǒng)計(jì)表；由投點(diǎn)統(tǒng)計(jì)表轉(zhuǎn)換得到 輸入特征信號(hào)的證據(jù)矩陣表;確定輸入信息源的可靠性;利用證據(jù)推理規(guī)則融合輸入樣本 向量激活的證據(jù)并從融合結(jié)果推理高低不平順估計(jì)值;構(gòu)建參數(shù)優(yōu)化模型訓(xùn)練參考值及證 據(jù)權(quán)重構(gòu)成的參數(shù)集合，最后基于最優(yōu)參數(shù)集合重復(fù)上述步驟推理測(cè)試樣本軌道高低不平 順?lè)怠?br>[0135] 以下結(jié)合我國(guó)某既有干線下行區(qū)段（1584.5103km~1586.86735km)采集的數(shù)據(jù)為 例，詳細(xì)介紹本發(fā)明方法的各個(gè)步驟。
[0136] 1、實(shí)驗(yàn)數(shù)據(jù)的采集及預(yù)處理
[0137] GJ-4型軌檢車(chē)以100km/h的速度行駛，每隔0.25m采集一次時(shí)域振動(dòng)信號(hào)，貝拱計(jì) 采集T= (1586.86735-1584.5103)+ (0.25*10-3) =9428組樣本數(shù)據(jù)，從中隨機(jī)選取Ts = 8429組樣本作為訓(xùn)練樣本集合，剩余樣本用于優(yōu)化后推理模型的測(cè)試，將每個(gè)時(shí)刻的振動(dòng) 時(shí)域信號(hào)經(jīng)窗口長(zhǎng)度為5.25m的短時(shí)傅里葉變換，然后將各頻率幅值的絕對(duì)值求平均后得 到最終的h(t)和f 2(t)，而每個(gè)時(shí)刻采集的高低不平順?lè)等〗^對(duì)值得到Ir(t)，那么即可 得到樣本集合S = {[fi(t)，f2(t)，Ir(t)] I t=l，2，···，Ts}，且fi(t) e [0,5.0]，f2(t)e[0, 0.021]，Ire[0，12]〇
[0138] 2、頻域特征(t)和f2 (t)及不平順?lè)到^對(duì)值Ir (t)參考值的選取
[0139] 設(shè)軌道高低不平順?lè)礗r的結(jié)果參考值集合0={0,2,4,6,8，10，12}，共計(jì)~=9個(gè) 參考值;車(chē)軸頻域特征信號(hào)f 1的輸入?yún)⒖贾导螦1 = {0，0.45，0.85，1.3，1.7，5}，共計(jì)J1 = 6 個(gè)參考值；車(chē)體頻域特征信號(hào)f 2的輸入?yún)⒖贾导螦2 ={0，0.002，0.004，0.006，0.007， 0 · 008，0 · 01，0 · 015，0 · 021}，共計(jì)J2 = 9個(gè)參考值。
[0140] 3、獲取樣本對(duì)(fi(t)，Ir(t))關(guān)于參考值的綜合相似度形式，構(gòu)造樣本對(duì)(fi(t)， 1 r (t))的投點(diǎn)統(tǒng)計(jì)表
[0141] 利用本發(fā)明方法步驟(4)獲得Ts = 8429組訓(xùn)練樣本集合中所有樣本對(duì)(fi(t)，Ir (t))的綜合相似度分布，構(gòu)造如本發(fā)明方法步驟(5)中表1所示的投點(diǎn)統(tǒng)計(jì)表，輸入樣本對(duì) (MtUrU))和(f2(t)，Ir(t))的投點(diǎn)統(tǒng)計(jì)表分別如下表5和表6所示
[0142] 表5樣本對(duì)(fKthlrU))的投點(diǎn)統(tǒng)計(jì)表
[0144]表6樣本對(duì)(f2(t)，Ir(t))的投點(diǎn)統(tǒng)計(jì)表
[0146] 4、根據(jù)本發(fā)明方法步驟(6)求取輸Af1各參考值對(duì)應(yīng)的證據(jù)，并構(gòu)造證據(jù)矩陣表
[0147] 根據(jù)本發(fā)明方法步驟(5)獲得各輸入h的投點(diǎn)統(tǒng)計(jì)表之后，依照本發(fā)明方法的步 驟(6)獲得輸Af1各參考值對(duì)應(yīng)的證據(jù)，進(jìn)而構(gòu)造出輸入A的證據(jù)矩陣表，如下表7和表8所 示
[0148] 表7輸入的證據(jù)矩陣表
[0151] 表8輸入f2的證據(jù)矩陣表
[0152]
[0153] 5、根據(jù)本發(fā)明方法步驟(7)獲得輸入信息源的可靠性，具體過(guò)程如下：
[0154] 根據(jù)本發(fā)明方法步驟（2)
則依照 本發(fā)明方法步驟(7)的式(5)-式(7)可計(jì)算反映輸入特征信號(hào)與不平順?lè)底兓厔?shì)的評(píng) 價(jià)因子為afi = 2890.2294，af2 = 354.6389,那么利用(8)式即可獲得輸入信息源的可靠性為
[0157] 6、根據(jù)本發(fā)明方法步驟(8)推理訓(xùn)練樣本集合中每組樣本的初始軌道高低不平順 估計(jì)值/r⑴。例如樣本向量出(〇,5(〇，1^〇] = [0.3979,0.0135,9.1956]，根據(jù)本發(fā)明 方法步驟⑷可得該樣本輸入fi(t)以相似度Ci1,: = 0.1159,CX1,2 = 〇.8841激活證據(jù)$和，輸 入(t)以相似度α2,7 = 〇. 3067，α2,8 = 〇 . 6933激活證據(jù)672和e82 6根據(jù)本發(fā)明方法步驟(8)的 (9)式得到ei = [0.1185,0.0939,0.1163,0.0188,0.0489,0.3025,0.3010]，e2= [0,0， 0.0026,0.1344,0.3633,0.3322,0.1676]，然后利用式步驟（8)式（IOb)的證據(jù)推理融合規(guī) 貝丨J，可得融合結(jié)果為〇(U(t)) = ((0^0),(02,0),(03,0.0026),(04,0.1316),(05,0.3572)， (D6，0.3381 )，（D7，0.1706)}將上述融合結(jié)果代入步驟(8)的（11)式，即可得估計(jì)不平順?lè)?為/r⑴=9,0851。同樣地，可以計(jì)算所有訓(xùn)練樣本的軌道高低不平順估計(jì)值，進(jìn)而可獲得訓(xùn) 練樣本集合的初始不平順估計(jì)幅值均方誤差為與剩余測(cè)試樣本的初始 不平順估計(jì)幅值的均方誤差
[0158] 7、根據(jù)本發(fā)明方法步驟(9)構(gòu)建參數(shù)優(yōu)化模型，可得訓(xùn)練后的投點(diǎn)統(tǒng)計(jì)表和證據(jù) 矩陣表，分別如下表9至表12所示。
[0159] 表9樣本對(duì)(fKthlrU))訓(xùn)練后的投點(diǎn)統(tǒng)計(jì)表
[0161] 表10樣本對(duì)(f2(t)，Ir(t))訓(xùn)練后的投點(diǎn)統(tǒng)計(jì)表
[0162]
[0163]表11輸入&訓(xùn)練后的證據(jù)矩陣表
[0166] 表12輸入f2訓(xùn)練后的證據(jù)矩陣表
[0167]
獲得表 9至表12之后，根據(jù)本發(fā)明方法的步驟(8)重新獲得融合結(jié)果并推理得到更精確的軌道高低 不平順估計(jì)值，進(jìn)而可獲得訓(xùn)練樣本集合訓(xùn)練后的不平順估計(jì)幅值均方誤差為 MSELi,胃= 0.0343與剩余測(cè)試樣本的初始不平順估計(jì)幅值的均方誤差MSEi胃=0.1186。 顯然，利用經(jīng)過(guò)訓(xùn)練后的參數(shù)集合推理得到的軌道不平順估計(jì)值的全局精度被大幅提高。
【主權(quán)項(xiàng)】
1. 一種基于證據(jù)推理規(guī)則的軌道高低不平順?lè)倒烙?jì)方法，其特征在于該方法包括以 下步驟： (1) 設(shè)定GJ-4型軌檢車(chē)安裝在車(chē)軸與車(chē)體上的加速度計(jì)獲得車(chē)軸和車(chē)廂位置的時(shí)域振 動(dòng)加速度信號(hào)為η⑴和r2(t)，其單位為G(重力加速度，9.8m/s 2)，軌檢車(chē)以100-120km/h的 時(shí)速，每隔〇. 15-0.3m采樣一次加速度振動(dòng)信號(hào)，共采集Ts次，一般Ts>5000，則采樣時(shí)刻t = 1，2，…，Ts;設(shè)軌檢車(chē)在采樣時(shí)刻t利用慣性測(cè)量方法測(cè)得垂直位移為d( t)，其單位為mm; (2) 將步驟（1)中每個(gè)采樣時(shí)刻的時(shí)域振動(dòng)加速度信號(hào)。(〇和^(〇分別以5.25!11的窗 口長(zhǎng)度進(jìn)行短時(shí)傅里葉變換，然后求得各頻域幅值絕對(duì)值的平均值作為車(chē)軸和車(chē)體的頻域 特征信號(hào)€i(t)和€ 2(t)，/辦)e[4]，/2(i) e[if,4]，其中4，λ〗，彳，#分別為輸入特征信 號(hào)fi(t)和f2(t)的最小和最大值;將垂直位移d(t)取絕對(duì)值記為^(。，^(^^[^，^，其 中l(wèi)i和h分別是Ir(t)的最小和最大值;將fi(t)、f2(t)和Ir(t)表示成樣本集合S= {[fi(t)， f2(t)，Ir(t)] I t=l，2，···，Ts}，其中[fi(t)，f2(t)，Ir(t)]為一個(gè)樣本向量； (3) 設(shè)定軌道高低不平順?lè)礗r的結(jié)果參考值集合D= {Dn I n = 1，…，N}，頻域振動(dòng)信號(hào) 乜的輸入?yún)⒖贾导蠟?=1，2，N為軌道高低不平順?lè)档慕Y(jié)果參考值Ir的 個(gè)數(shù)，心為頻域振動(dòng)信號(hào)^的參考值個(gè)數(shù)； (4) 將T個(gè)樣本向量[&(〇32(〇，1^〇]中的樣本對(duì)(心(〇，&(〇)分別用定性信息轉(zhuǎn) 換方法變化為關(guān)于參考值相似度的形式，具體步驟如下： (4-1)樣本對(duì)(fl(t)，Ir(t))的輸入值乜(〖)匹配參考值4的相似度分布為ai,j，=0 j'=1, · · · ji, j'^j, j + 1 (lc) C4, j表示輸入值f i (t)匹配參考值的相似度； (4-2)樣本對(duì)(fdthlHt))的結(jié)果值Ir(t)匹配參考值0"的相似度分布為 S〇(Ir(t)) = {(Dn, γ η) I n = 1,. . . ,N} (2a) 其出yn,=0 η'= 1,... ,Ν,η'^n,n+l (2c) γη表示結(jié)果值Ir(t)匹配參考值Dn的相似度； (4-3)根據(jù)步驟(4-1)和步驟(4-2)，樣本對(duì)(fdthlHt))可以被轉(zhuǎn)化地表示為相似度 分布的形式(ai,j y n，ai,j+1 γη，α?,』γη+1，α?,』+1 γη+1)，其中，ai,j 丫"表不樣本對(duì)(fi(t)，Ir(t)) 中輸入值匹配參考值4，同時(shí)結(jié)果值Ir(t)匹配參考值0"的綜合相似度； (5) 根據(jù)步驟(4)，將樣本集S中的所有樣本對(duì)轉(zhuǎn)化為綜合相似度的形式，用它們可構(gòu)造 結(jié)果參考值和輸入?yún)⒖贾抵g的投點(diǎn)統(tǒng)計(jì)表，如下表1所示，其中a n,j表示所有輸入值fi(t) 匹配參考值4并且結(jié)果值Ir(t)匹配參考值0"的樣本對(duì)（f^thlrU))綜合相似度的和， δ?=Σ^心，表示所有結(jié)果值1r(t)匹配參考值Dn的樣本對(duì)綜合相似度的和，1 = 表 示所有輸入值fdt)匹配參考值4的樣本對(duì)綜合相似度的和，并有=尤； 表1樣本對(duì)(心(0，1^〇)的投點(diǎn)統(tǒng)計(jì)表(6) 根據(jù)步驟(5)中的投點(diǎn)統(tǒng)計(jì)表，可獲得當(dāng)輸入值fdt)取參考值#時(shí)，結(jié)果值Ir(t)為 參考值Dn的信度為因此，可構(gòu)造出如表2所示的證據(jù)矩陣表來(lái)描述輸入匕和結(jié)果Ir之間的關(guān)系； 表2輸入fi的證據(jù)矩陣表(7) 定義證據(jù)的可靠性^描述輸入信息源h評(píng)估軌道高低不平順?lè)礗r的能力，具體獲 取步驟如下： (7-1)定義輸入值fi (t)與結(jié)果值Ir (t)的相對(duì)變化值為(7-2)根據(jù)(7-1)定義的相對(duì)變化值，可獲取反映輸入特征信號(hào)與不平順?lè)底兓厔?shì) 的評(píng)價(jià)因子為(7-3)根據(jù)(7-2)獲得的評(píng)價(jià)因子，可由下式計(jì)算輸入信息源匕的可靠性(8) 給定樣本集中的任意一組輸入樣本向量？(〇 = (&(〇，f2(t))，根據(jù)步驟(6)獲得的 輸入證據(jù)矩陣表和步驟(7)獲得的輸入信息源可靠性，可利用證據(jù)推理規(guī)則推理出初始的 軌道高低不平順估計(jì)值/r(/)，具體步驟如下： (s-ι)對(duì)于輸入值Mt)，其必然落入某兩個(gè)參考值構(gòu)成的區(qū)間Μ?,4+1]，此時(shí)這兩個(gè)參 考值對(duì)應(yīng)的證據(jù)<和'被激活，則輸入值fi(t)的證據(jù)可由參考值證據(jù)沁和'以加權(quán)和的 形式獲得 ei = {(Dn,pn,i) ,n= 1,. . . ,N} (9a) U尤+?.川我Ui (9b) (8-2)利用式(9a)和式(9b)獲得fi(t)和f2(t)的證據(jù)ei和e2,并設(shè)定初始證據(jù)權(quán)重Wi = η，利用證據(jù)推理規(guī)則對(duì)它們進(jìn)行融合，得到融合結(jié)果為 0(F(t)) = {(Dn,pn,e(2)),n=l,. . . ,N} (10a)(8-3)根據(jù)步驟(8-2)得到融合結(jié)果0(F(t))，估計(jì)的高低不平順?lè)?/⑴可由下式推理 得到(9) 基于均方誤差構(gòu)建參數(shù)優(yōu)化模型，具體步驟如下： (9-1)確定優(yōu)化參數(shù)集合盧彳4 ,A"uv|/_=l，2: /=2,…,Jrl; 丨丨，Wi表示證據(jù)的權(quán) 重，其他參數(shù)分別設(shè)定為Di=ii，DN=h，4 =也4 =4, 42 =λ2,< (9-2)將最小化均方誤差作為優(yōu)化目標(biāo)函數(shù)式(12b)-(12d)表示優(yōu)化參數(shù)需滿足的約束條件； (9-3)利用基于梯度的方法或者非線性?xún)?yōu)化軟件包，獲得最優(yōu)的參數(shù)集合P，從現(xiàn)行列 車(chē)車(chē)軸和車(chē)體上安裝的加速度計(jì)采集輸入特征信號(hào)，將其利用步驟(2)處理，再一次重復(fù)步 驟(4)~步驟(8)即可得到更為精確的軌道高低不平順估計(jì)值/>(〇。
【文檔編號(hào)】B61K9/08GK105923014SQ201610274162
【公開(kāi)日】2016年9月7日
【申請(qǐng)日】2016年4月27日
【發(fā)明人】鄭進(jìn), 徐曉濱
【申請(qǐng)人】杭州電子科技大學(xué)