高鐵鋼軌傷損分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及高鐵鋼軌傷損檢測(cè)領(lǐng)域，尤其涉及一種高鐵鋼軌傷損分類方法。
【背景技術(shù)】
[0002] 隨著科技進(jìn)步，高鐵運(yùn)輸技術(shù)快速發(fā)展，高速鐵路的安全運(yùn)營(yíng)面臨嚴(yán)峻的挑戰(zhàn)。忽 略影響高速鐵路正常運(yùn)行的人為因素，列車車輛和鋼軌的狀況對(duì)于車輛安全運(yùn)行具有重要 影響。事實(shí)上，鋼軌傷損情況是鐵路運(yùn)輸出現(xiàn)安全事故的主要原因。鋼軌傷損常見的類型 有核傷、縱向裂紋、水平裂紋等很多種。尤其鋼軌在列車運(yùn)動(dòng)中受到強(qiáng)烈沖擊、擠壓等會(huì)更 大程度的影響鋼軌的健康狀況。因此發(fā)展快速、準(zhǔn)確的鋼軌傷損分類技術(shù)對(duì)于高鐵的安全 運(yùn)行至關(guān)重要。
[0003] 超聲波技術(shù)很早就用于鋼軌傷損的檢測(cè)，包括基于傳統(tǒng)超聲技術(shù)探傷車等設(shè)備， 但超聲檢測(cè)技術(shù)容易受到鋼軌表面情況的影響，其探測(cè)速度也無(wú)法滿足高鐵的傷損檢測(cè)速 度需求?；诔晫?dǎo)波技術(shù)的鋼軌探傷法采用長(zhǎng)波長(zhǎng)和低頻的超聲波來檢測(cè)軌道，能實(shí)現(xiàn) 大范圍快速檢測(cè)，但對(duì)微小的傷損效果不好，只有當(dāng)傷損發(fā)展到一定程度才能明顯檢測(cè)?；?于電磁超聲技術(shù)的鋼軌檢測(cè)法是利用電磁效應(yīng)車產(chǎn)生超聲波來檢測(cè)鋼軌傷損，但容易引入 噪聲，且超聲轉(zhuǎn)換效率低，其他圖像技術(shù)等方法也都存在著性價(jià)比低和不能對(duì)整個(gè)軌道的 傷損準(zhǔn)確分類等問題?？梢?，目前已有方法無(wú)法滿足高鐵鋼軌傷損分類檢測(cè)的速度和準(zhǔn)確 性的要求。
[0004] 算法用于整個(gè)鋼軌實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的不同階段，而當(dāng)鋼軌出現(xiàn)傷損時(shí)利用所提出的 非負(fù)張量分解和極限學(xué)習(xí)機(jī)的鋼軌傷損分類方法在信息中心對(duì)鋼軌出現(xiàn)何種傷損進(jìn)行詳 細(xì)分析，取得良好速度和識(shí)別率且具有一定魯棒性。

【發(fā)明內(nèi)容】

[0005] 針對(duì)目前已有的鋼軌傷損分類方法存在處理速度慢和準(zhǔn)確性差的問題，提出一種 基于非負(fù)張量分解和極限學(xué)習(xí)機(jī)的鋼軌傷損分類方法。本發(fā)明的基本思路是首先利用小 波分析的方法提取有損信號(hào)的時(shí)域和頻域局部特征，對(duì)同一測(cè)量點(diǎn)結(jié)合不同車廂建立三維 張量信號(hào)，將數(shù)據(jù)擴(kuò)展到高維空間，得到非負(fù)張量，引入奇異值分解對(duì)非負(fù)張量分解進(jìn)行改 進(jìn)，用改進(jìn)的非負(fù)張量分解算法提取隱藏的信息，針對(duì)非負(fù)張量分解速度慢的問題，引入極 限學(xué)習(xí)機(jī)來對(duì)傷損信號(hào)進(jìn)行識(shí)別分類。
[0006] 在信號(hào)處理時(shí)，信息中心收到的振動(dòng)信號(hào)是非穩(wěn)定、非線性信號(hào)，故利用小波分析 的方法提取其特征，對(duì)得到的張量引入非負(fù)性的限制條件，使在精確度和解釋度都能達(dá)到 很好效果具有實(shí)際意義。利用高維張量模型的TUCKER分解可有效地實(shí)現(xiàn)模型降維及特征 提取。但TUCKER分解的結(jié)果只有當(dāng)核張量在超對(duì)角線位置上存在非零量時(shí)，且滿足1 1 = I2= I 3的條件，TUCKER分解轉(zhuǎn)變?yōu)镃P分解，才具有唯一分解結(jié)果，故利用TUCKER分解在 數(shù)據(jù)壓縮上優(yōu)勢(shì)，并對(duì)其因子矩陣和核張量施加正交性、稀疏性及非負(fù)性約束，則得到的CP 分解就會(huì)變?yōu)榉秦?fù)張量分解（NTD)。本發(fā)明采用非負(fù)張量分解方法進(jìn)行振動(dòng)信號(hào)的特征提 取。
[0007] 奇異值分解（SVD)能對(duì)數(shù)據(jù)中變化最大的張量進(jìn)行識(shí)別且提高其收斂速度和魯 棒性，本發(fā)明采用奇異值分解的方法進(jìn)行非負(fù)張量的初始化。
[0008] 本發(fā)明提供一種高鐵鋼軌傷損分類方法，對(duì)將時(shí)域特征、頻域特征和多個(gè)車廂特 征綜合考慮而利用小波分析方法得到的特征數(shù)據(jù)進(jìn)行非負(fù)張量分解，選交替最小二乘法作 為其迭代準(zhǔn)則，在用SVD算法改進(jìn)NTD分解，提高其收斂速度，利用改進(jìn)的NTD特征提取方 法提取特征，接著引入極限學(xué)習(xí)機(jī)算法實(shí)現(xiàn)了對(duì)鋼軌傷損的實(shí)時(shí)分類，分類識(shí)別算法不僅 速度快準(zhǔn)確率高且具有魯棒性。其特征在于：其中對(duì)鋼軌傷損分類的方法是按照下面的步 驟完成的：
【主權(quán)項(xiàng)】
1. 一種高鐵鋼軌傷損分類方法，對(duì)將時(shí)域特征、頻域特征和多個(gè)車廂特征綜合考慮而 利用小波分析方法得到的特征數(shù)據(jù)進(jìn)行非負(fù)張量分解，選交替最小二乘法作為其迭代準(zhǔn) 貝1J，在用高階奇異值分解改進(jìn)非負(fù)張量分解，提高其收斂速度，利用改進(jìn)的非負(fù)張量分解特 征提取算法提取特征，接著引入極限學(xué)習(xí)機(jī)算法實(shí)現(xiàn)了對(duì)鋼軌傷損的實(shí)時(shí)分類，分類識(shí)別 算法不僅速度快準(zhǔn)確率高且具有魯棒性，其特征在于對(duì)鋼軌傷損分類的方法是按照下面的 步驟完成的： (1) 首先采集不同鋼軌傷損類型信號(hào)建立數(shù)據(jù)庫(kù)，采用小波分析方法處理通過帶通 濾波器的頻率點(diǎn)，構(gòu)建時(shí)域、頻域、車廂的張量信號(hào)，針對(duì)信號(hào)局部特征取函數(shù)簇為 b(t)}，函數(shù)表達(dá)式為
，進(jìn)行連續(xù)小波變換得出Morlet小波函數(shù)為
(2) 對(duì)所得張量進(jìn)行TUCKER分解得到的因子矩陣和核張量施加正交性、稀疏性約束， 使核張量只在超對(duì)角線的位置上存在非零量且滿足I 1= I 2= I 3的條件，對(duì)此模型施加非 負(fù)性約束，變?yōu)榉秦?fù)TUCKER分解，非負(fù)TUCKER分解簡(jiǎn)寫為NTD ; (3) 選交替最小二乘算法作為NTD的迭代準(zhǔn)則提高其收斂速度，交替最小二乘算法 準(zhǔn)則為：
尋找使得誤差張量最小的核張量殳以及因子矩陣
(4) 采用高階奇異值分解來對(duì)所得核張量及因子矩陣進(jìn)行優(yōu)化，分解過程分為兩步； a) 對(duì)于η = 1，2, -·，Ν，計(jì)算張量A的展開矩陣A(n)，并對(duì)其進(jìn)行奇異值分解，使得A(n) =U(n)S(n)V(n)T，正交矩陣U(n)是A (n)的主左奇異向量，交替地對(duì)協(xié)方差矩陣進(jìn)行特征值分解，
b) 利用反演公式來計(jì)算核張量，當(dāng)因子矩陣和核張量都是正交的時(shí)候，S= AX1Uw tX2U(2)t…X nU(n)t; (5) 利用NTD進(jìn)行特征提取，包括訓(xùn)練和測(cè)試兩個(gè)步驟；先將原始數(shù)據(jù)集A分為兩部 分，得到一大一小兩個(gè)數(shù)據(jù)集，其中把較大的數(shù)據(jù)集作為訓(xùn)練數(shù)據(jù)集B，將較小的數(shù)據(jù)集當(dāng) 作測(cè)試數(shù)據(jù)集C ;接著對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，得到特征空間以及訓(xùn)練集特征；然后，將測(cè)試集 的數(shù)據(jù)從原空間投影到訓(xùn)練所得到的特征空間，得到測(cè)試集的特征； (6) 將訓(xùn)練集特征和測(cè)試集特征作為參數(shù)輸入極限學(xué)習(xí)機(jī)得到分類結(jié)果；前述的基于 NTD的特征提取算法中訓(xùn)練和測(cè)試采用下邊步驟計(jì)算完成： a) 訓(xùn)練是為尋找N個(gè)因子矩陣或基矩陣X(n)以及核張量￡(k)，假設(shè)數(shù)據(jù)集有均為N階 張量的K個(gè)樣本，記e ，A(N+1)看作聯(lián)結(jié)張量B € N+1維的矩陣化 形式，子張量通過確定張量S的第Ν+1維的k值來得到，_
:)，對(duì)N+1維核張 量G '的子張量￡(k)通過確定張量
等價(jià)于張量積B形式 PX1XwX2X^…XNX(N);分解得到核張量再將其矩陣化，得出訓(xùn)練數(shù)據(jù)集的特征； b) 在測(cè)試階段，把基矩陣X(k)固定，再求解核張量變?yōu)橐粋€(gè)非負(fù)約束最小二乘問 題，采用交替最小二乘算法來迭代直到收斂，以得到測(cè)試集的特征數(shù)據(jù)； 前述的極限學(xué)習(xí)機(jī)分類識(shí)別部分采用下邊步驟計(jì)算完成： a) 極限學(xué)習(xí)機(jī)算法簡(jiǎn)稱ELM，算法中隱藏結(jié)點(diǎn)參數(shù)隨機(jī)指定，其隱藏層輸出用行 向量h(x) = Di1(X),…，hjx)]表示，L為隱藏結(jié)點(diǎn)個(gè)數(shù)，X為輸入樣本；假定訓(xùn)練 數(shù)據(jù)集有N個(gè)訓(xùn)練樣本（ Xi，tj，Xi為輸入樣本，％為標(biāo)簽，單隱層神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模 型Ηβ =T中，H為隱藏層的輸出矩陣，β為輸出權(quán)值，T為目標(biāo)向量；ELM的輸出為
^其中a」為第j個(gè)隱藏結(jié)點(diǎn)的輸入權(quán)值;b」為第i個(gè)隱藏 結(jié)點(diǎn)的偏差；為第j個(gè)隱藏結(jié)點(diǎn)的輸出權(quán)值；Xi)表示第j個(gè)隱藏結(jié)點(diǎn)的輸出函 數(shù)；且h (Xi)為隱藏層關(guān)于Xi的輸出向量，能夠?qū)維輸入空間映射到L維特征空間； b) ELM求解僅需求解一個(gè)極小范數(shù)的最小二乘問題，采用Moore-Penrose廣義逆來求 解；ELM的目標(biāo)是使訓(xùn)練誤差最小及不同類別數(shù)據(jù)的間距最大，ξ/= [ξ u，…，Ii,Jt是 m個(gè)關(guān)于訓(xùn)練樣本Xi的輸出結(jié)點(diǎn)的誤差，這里C是一個(gè)正則規(guī)劃參數(shù)用來平衡訓(xùn)練誤差最 小化和邊緣距最大化這兩個(gè)指標(biāo)；ELM的最優(yōu)化問題為： 最小化
關(guān)于：Ii(Xi) β = tj-ξ/，i = 1，2，…，NELM 的二 次優(yōu)化問題為：
μ為引入 ' ^ I =1 / =1 j-\ 的拉格朗日乘子，a = [Ci1，…，αΝ]τ，求偏導(dǎo)，可得輸出矩陣β為
故ELM面對(duì)二分類問題時(shí)的決策方程為
同時(shí)ELM用一個(gè)分類器實(shí)現(xiàn)多類別數(shù)據(jù)分類，arg Hiaxfi(X) ie[l，2, ···，!!!]為其對(duì) 應(yīng)決策方程，m為類別的數(shù)目。
【專利摘要】本發(fā)明提供一種高鐵鋼軌傷損分類方法，其主要思想是：首先利用小波分析方法提取有損信號(hào)的時(shí)域和頻域局部特征，對(duì)同一測(cè)量點(diǎn)結(jié)合不同車廂建立三維張量信號(hào)，將數(shù)據(jù)擴(kuò)展到多維空間得到非負(fù)張量，采用交替最小二乘算法作為非負(fù)張量分解的迭代準(zhǔn)則，接著引入奇異值分解對(duì)非負(fù)張量的初始化進(jìn)行改進(jìn)，利用改進(jìn)的非負(fù)張量分解方法提取隱藏的特征，最后引入極限學(xué)習(xí)機(jī)算法實(shí)現(xiàn)對(duì)鋼軌傷損的實(shí)時(shí)分類。本發(fā)明方法可以準(zhǔn)確對(duì)鋼軌傷損信號(hào)進(jìn)行分類，提高了傷損分類的速度和準(zhǔn)確性且具有較好魯棒性。本發(fā)明提出的基于鋼軌傷損分類方法優(yōu)于已有方法，可以獲得更好的識(shí)別效果，可以在鋼軌傷損分類領(lǐng)域廣泛應(yīng)用。
【IPC分類】G06K9-62
【公開號(hào)】CN104751169
【申請(qǐng)?zhí)枴緾N201510016567
【發(fā)明人】陳玉敏, 馬立勇, 孫明健, 王勝利
【申請(qǐng)人】哈爾濱工業(yè)大學(xué)（威海）
【公開日】2015年7月1日
【申請(qǐng)日】2015年1月10日