[发明专利]一种基于噪声和图像信息融合的轨道异常情况检测方法

权利要求书

1.一种基于噪声和图像信息融合的轨道异常情况检测方法，其特征在于，包括如下步骤：

步骤1：在火车底部安装一个普通相机与声音传感器，普通相机获取火车运动时的轨道图像，声音传感器获取火车运动时轨道发出的音频信号，并对其进行预处理，将音频信号与图像进行多信息融合，并采用轨道故障检测和分级网络进行实时识别与判断轨道磨损程度，分为：完好、轻微瑕疵、瑕疵严重三个程度；

步骤2：若为轻微瑕疵、瑕疵严重，采用GPS与铁轨特征分析结合的方法对轨道故障进行实时定位，并上传至轨道健康管理平台，进行时域图像匹配，得到时间序列排列图像组；

步骤3：在轨道健康管理平台中得出轨道修前评估报告，通过双评机制得出维修建议，进行判断是否应该维修，若不需要维修则进行结案、存档；若需要维修，则派遣相关部门和人员，并记录派遣时间和执行人员；维修好之后得出修后评估报告，交与专家进行评审该次维修是否完成，若完成则进行结案、存档；若还存在问题，则重新进行步骤3，直至专家评审该次维修已完成。

2.根据权利要求1所述的基于噪声和图像信息融合的轨道异常情况检测方法，其特征在于，步骤1中音频信号预处理包括如下步骤：

步骤1.1.1：对声音传感器获取的.wav格式的音频文件使用python中的scipy库和numpy库，得到该声音文件的信号数组与采样频率；

步骤1.1.2预加重：将音频信号通过一个高通滤波器，

H(Z)＝1-μz^-1

其中μ的值取0.95；

步骤1.1.3分帧、加窗：选择汉明窗，进行帧移，分帧的时候在帧与帧之间重叠一部分，取值为0到1/2之间；

步骤1.1.4：再通过离散傅里叶变化得到能量谱图；

步骤1.1.5：Mel滤波器组：Mel频率与实际频率的具体关系为如下：

Mel(f)＝2595*log₁₀(1+f/700)

将能量谱图通过一组Mel尺度的三角形滤波器组，定义一个有M个滤波器的滤波器组，采用的滤波器为三角滤波器，M取26，并计算通过每个滤波器的信号的能量，之后再对26个能量取对数，得到对数-梅尔谱图。

3.根据权利要求1所述的基于噪声和图像信息融合的轨道异常情况检测方法，其特征在于，步骤1中轨道故障检测和分级网络进行实时识别与判断轨道磨损程度的具体步骤如下：

步骤1.2.1：数据准备：对对数-梅尔谱图、轨道图像进行标注，标注信息为轨道磨损情况，即c_i＝0表示轨道未存在瑕疵，c_i＝1表示轨道存在轻微瑕疵，c_i＝2表示轨道存在严重瑕疵，将标注数据样本按照4∶1划分为训练集、测试集；

步骤1.2.2：轨道故障检测和分级网络结构：轨道故障检测和分级网络结构包括输入、卷积层、池化层；

轨道故障检测和分级网络结构由7个卷积层、3个池化层、一个全连接层组成；卷积层通过卷积操作对输入图像进行降维和特征抽取，通过卷积操作，完成对输入图像的降维和特征抽取，并进行池化操作；

步骤1.2.3：轨道故障检测和分级网络模型训练：对网络进行权值的初始化，输入数据经过卷积层、池化层、全连接层的向前传播得到输出值，求出网络的输出值与目标值之间的误差，将误差传回网络中，根据误差进行权值更新；

步骤1.2.4：轨道故障检测和分级网络模型使用：将轨道图像、对数-梅尔谱图输入到训练好的模型中，网络输出为该轨道磨损程度，即c_i。