[发明专利]基于DRSN和person相关系数的道床故障预警方法

说明书

本发明公开一种基于DRSN和person相关系数的道床故障预警方法，包括以下步骤：获取道床的多条振动响应信号；计算每条信号的有效值；以其中一条信号的有效值作为基准有效值，将其余信号按照其有效值与基准有效值的比例进行幅值缩放，得到训练样本；利用训练样本训练DRSN网络模型；将道床结构状态正常和结构状态未知的振动响应信号进行幅值缩放，然后分别输入到DRSN网络模型中，提取特征向量；利用person相关系数计算两个特征向量的相关性，并与预设阈值进行比较，判断道床是否出现故障。本发明针对列车速度差异对响应幅值的影响，提出利用有效值来减弱幅值的差异；针对环境噪声严重和信号发生突变的情况，利用残差收缩卷积神经网络抑制信号的噪声并提取其特征。

技术领域

本发明属于道床故障预警领域，具体涉及一种基于DRSN和person相关系数的道床故障预警方法。

背景技术

随着城市经济的增长和人口出行的巨大需求，越来越多的交通方式涌现出来，其中地铁由于承载能力强、速度快和不占用地面空间等一系列优点，获得了越来越多的关注。地铁线路服役周期长且地铁道床作为地铁交通的重要地下基础设施，其结构不可避免受到列车荷载地长期反复作用、材料老化及其耦合作用的影响从而产生劣化和故障；如果不对地铁道床严加检查与维护会造成严重的生命与财产损失及恶劣的社会影响；但是采用人力检查的成本过于昂贵且费时。近年来，随着通信网络、信号处理、人工智能等技术的不断发展，加速了地铁监测系统的实用化和工程应用研究。地铁结构健康监测是一种对地铁结构状况开展监控与评估的有效方法，可以为地铁结构道床的维护和管理提供决策依据与指导。搜集并分析长期、连续的地铁道床监测数据，可对服役道床结构的潜在病害或故障进行预警和报警。

通过沿线道床的分布式光纤传感监测，可以采集列车在运行过程中不同测区道床受激产生的振动响应。深度学习技术与结构健康监测的结合十分有利于分析和处理监测系统采集的大量数据。由于地铁道床在铺设时，周边环境以及地质结构的不同，当忽略列车运行速度差异对结构振动响应影响时，相同测区产生的振动响应特征具有一致性，不同测区产生的振动响应特征则存在差异性。该前提下，在列车通过激励下，拾取同一测区道床受激产生的振动响应，度量振动信号间的相关性，可以为道床结构故障预警提供指导性意见。由于地铁结构的地质环境复杂，健康监测系统采集数据中往往存在信号突变以及复杂噪声，直接度量原始信号的相关性，会使道床故障预警准确性较低。因此，抑制原始信号中复杂噪声并提取其特征后开展特征间的相关性度量，对提升故障预警的准确性意义重大。

发明内容

本发明的目的在于，提供一种基于DRSN和person相关系数的道床故障预警方法，抑制道床振动信号噪声，提升道床结构故障预警可靠性。

本发明所采用的技术方案如下：

一种基于DRSN和person相关系数的道床故障预警方法，包括以下步骤：

获取道床的多条振动响应信号；

计算每条振动响应信号的有效值，有效值计算公式如下：

式中，Val表示有效值，n表示时间点的个数，m_i表示时间点i的振动响应幅值；

以其中一条振动响应信号的有效值作为基准有效值，将其余振动响应信号按照其有效值与基准有效值的比例进行幅值缩放，得到训练样本；

利用训练样本训练DRSN网络模型；

将道床结构状态正常和结构状态未知的振动响应信号进行幅值缩放，然后分别输入到DRSN网络模型中，提取特征向量；

利用person相关系数计算两个特征向量的相关性，并与预设阈值进行比较，判断道床是否出现故障。

优选地，两次进行幅值缩放后，均对振动响应信号进行长度切割。

优选地，切割形成的相邻样本重叠部分数据点。