[发明专利]一种基于信息熵理论的钢轨紧固件状态检测方法

说明书

本发明提供一种基于信息熵理论的钢轨紧固件状态检测方法，涉及钢轨状态检测技术领域。本发明利用加速度传感器以设定的频率来采集铁轨竖直方向加速度，并上传到云端服务器。对采集到的数据，去除趋势项之后采用CSAE的概念来度量钢轨系统的混乱或分散程度，对系统能量分布的均匀性进行量化表征。根据CSAE值判断钢轨紧固件的状态：钢轨紧固件松动或脱落时CSAE值较正常拧紧状态时CSAE值较小。本方法可以大大减少人力资源消耗，且信息反馈及时，硬件成本低。

技术领域

本发明涉及钢轨状态检测技术领域，尤其涉及一种基于信息熵理论的钢轨紧固件状态检测方法。

背景技术

铁路紧固件状态的检测对铁路安全至关重要，但人工检测铁路紧固件状态的方法无法完成繁重的铁路维护任务，不能顺应铁路技术高速发展的趋势。目前有许多基于图像的紧固件检测方法。Yang和Feng等人提供了一些用于检测轨道紧固件缺陷的图像处理和模式识别技术。Mazzeo等人描述了一个基于视觉的系统，它可以自动检测将铁轨固定到枕木上的紧固螺栓的缺失或存在。但这些方法不能检测紧固件的松动程度，因为它们从顶部获取整个紧固件的视图。一些研究人员将注意力集中在结构光的方法上，用摄像机获取在目标上产生结构光模式。Garcia等人提出了一种基于结构光的轨道测量系统，用于评估轨距和检测缺失的轨道紧固件。Aytekin等人利用结构化光传感器构建了实时铁路紧固件检测系统，检测缺失的六角头紧固件。上述基于结构光传感器的方法都只能准确地检测出轨道紧固件的缺失，没有一种方法能够识别部分磨损或松动的紧固件。Q.Mao等人提出了一种基于结构光传感器的高速铁路紧固件严格检测方法。从结构光传感器中获取精确密集的紧固件点云，利用决策树分类器不仅可以检测到缺失的紧固件，还可以检测到部分磨损或松动的紧固件。缺点是精度受外界环境的影响，对紧固件松动程度的敏感性较低。X.Gibert等人提出一种新的铁路紧固件检测算法，探究了深度卷及神经网络在分类识别中的优势。

基于振动数据的结构损伤识别在结构健康监测中有着广阔的应用前景。物体的振动特性会受到结构物理性质改变的影响。近年来，许多学者通过建立不同的动力学模型，分析了轨下支撑(紧固件或轨枕)失效时轮轨系统的动态响应，并在紧固件的检测方面取得了许多进展。Xu等提出，钢轨紧固件的失效会增强车轮与钢轨之间的相互作用，并且这种相互作用随着列车运行速度的增加而显著增加。Wang等人提出了一种识别钢轨紧固件松动的方法，采用自功率密度法对安装在钢轨头部的四个加速度传感器的振动信号进行分析。Zhou和Wei等人提出了一种基于小波包能谱的方法，对振动信号进行小波分解，识别紧固件松动前后的频域能量变化。该方法可以识别松脱紧固件，但精度与小波的选择有关。Zhao等设计了一个无线传输的数据采集系统，以应变电压为评价指标，可以检测缺失或断裂的钢轨扣件。但是该系统需要安装在钢轨的底部，安装和移动十分困难。

发明内容

本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于信息熵理论的钢轨紧固件状态检测方法，实现对铁路紧固件状态的检测。

为解决上述技术问题，本发明所采取的技术方案是：

本发明提供一种基于信息熵理论的钢轨紧固件状态检测方法，包括以下步骤：

步骤1：在铁轨扣件之上和扣件之间的轨腰位置安装λ个加速度传感器，利用加速度传感器以设定的频率来采集铁轨竖直方向加速度，将铁轨竖直方向加速度作为原始数据并上传到云端服务器；

步骤2：对采集到的原始数据，去除趋势项之后采用CSAE的概念来度量钢轨系统的混乱或分散程度，进而对钢轨系统能量分布的均匀性进行量化表征，得到CSAE值；

步骤2.1：使用R语言获得去除趋势项之后的数据；

步骤2.2：根据步骤2.1中得到的数据，采用二维分割的方法得到加速度信号的计数数据{θ}＝{θ₁,θ₂,…,θ_n}；

步骤2.3：计算分割后的计数数据所对应的频率；