[发明专利]基于轨道位移的车轮多边形磨耗检测方法及数据采集设备

权利要求书

1.一种基于轨道位移的车轮多边形磨耗检测方法，其特征在于，包括：

S1、分别建立多边形车轮和正常车轮引起的钢轨垂向振动位移信号建立数据库；所述钢轨垂向振动位移信号测量过程为：

A1、通过激光位移传感器测量钢轨垂向振动位移信号；

A2、将一维的钢轨垂向振动位移信号转化成二维的图像信号；

S2、分别采用步骤S1中的两个数据库对深度卷积神经网络进行训练，得到多边形车轮信号识别的模型与正常车轮信号识别的模型；

S3、向经步骤S2训练后的深度卷积神经网络输入当前采集的钢轨垂向振动位移信号，该深度卷积神经网络输出识别结果，所述识别结果为多边形车轮或正常车轮。

2.根据权利要求1所述的一种基于轨道位移的车轮多边形磨耗检测方法，其特征在于，步骤S3之后还包括：将识别结果与车辆对应，具体为：结合铁路运营部门的该条线路的车辆运营信息，将识别结果与具体的车辆对应起来。

3.根据权利要求1所述的一种基于轨道位移的车轮多边形磨耗检测方法，其特征在于，步骤A1所述激光位移传感器安装于相邻两个轨枕之间道床的中心位置。

4.根据权利要求1所述的一种基于轨道位移的车轮多边形磨耗检测方法，其特征在于，所述步骤A2之前还包括：对步骤A1的钢轨垂向振动位移信号提取冲击振动成分处理。

5.根据权利要求4所述的一种基于轨道位移的车轮多边形磨耗检测方法，其特征在于，所述提取冲击成分的实现过程为：采用多层移动平均法求出步骤A1所采集钢轨垂向振动位移信号的车辆重力作用波形，然后由步骤A1所采集钢轨垂向振动位移信号减去对应的车辆重力作用波形得到冲击振动成分。

6.根据权利要求1所述的一种基于轨道位移的车轮多边形磨耗检测方法，其特征在于，步骤A2采用格兰姆角场矩阵将一维的钢轨垂向振动位移信号转化成二维的图像信号。

7.根据权利要求1所述的一种基于轨道位移的车轮多边形磨耗检测方法，其特征在于，步骤S2所述深度卷积神经网络为改进的AlexNet，具体为将AlexNet的最后一层的输出数量参数改为2。

8.一种基于轨道位移的车轮多边形磨耗数据采集设备，其特征在于，包括：激光位移传感器、数字信号采集器、电源模组、工程控制计算机、无线网络模块、远程控制终端；远程控制终端通过无线网络模块控制工程控制计算机，数字信号采集器在工程控制计算机的控制下采集激光位移传感器数据，所述激光位移传感器用于测量钢轨垂向振动位移信号。

9.根据权利要求8所述的一种基于轨道位移的车轮多边形磨耗数据采集设备，其特征在于，所述远程控制终端还包括映射模块，具体为结合铁路运营部门的该条线路的车辆运营信息，将采集的激光位移传感器数据与具体的车辆对应起来。

10.根据权利要求8所述的一种基于轨道位移的车轮多边形磨耗数据采集设备，其特征在于，所述激光位移传感器安装于相邻两个轨枕之间道床的中心位置。