[发明专利]一种钢轨探伤数据降噪装置

说明书

本申请公开了一种钢轨探伤数据降噪装置，包括：时间序列切分模块，对钢轨探伤的超声波时间序列信号进行切分，形成若干条子序列数据；时间序列采样模块，对切分的每一条子序列数据进行数据采样；经验模态分解模块，利用经验模态分解不断从采样的子序列数据中获取多个本征模态函数分量；主成分分析去噪模块，根据噪声的能量利用主成分分析去除本征模态函数分量中的噪音；去噪数据还原模块，根据不同的采样率将所有不同子序列数据经去噪处理后的拟合值还原至原始时间尺度下，形成最终的时间序列数据。本申请能解决现有检测方式未考虑多尺度情况下的时间序列采样，以及未对多维度时间序列进行有效去噪，导致有用信息丢失的技术问题。

技术领域

本申请涉及信号处理及去噪技术领域，尤其涉及一种应用于超声波钢轨探伤数据的降噪装置。

背景技术

钢轨探伤是保障铁路安全运营的重要一环。目前大型钢轨探伤车的检测速度可达80km/h，但由于现场环境复杂，探头增益调节差异，以及操作人员技术积累程度存在差异等原因，采集到的超声波数据可能存在噪声干扰，对后期智能识别系统的伤损识别造成影响。在目前的一些较主流的钢轨探伤数据处理方案中，几乎都是在呈现的B型图基础上直接进行数据分析，缺少了数据清洗的步骤。而针对钢轨探伤B显数据进行降噪处理可以极大地提高数据质量，提高后期回放人员的伤损识别效率，提高铁路运营安全性。

在现有技术中，主要有以下技术方案与本申请相关：

现有技术1为深圳市比一比网络科技有限公司于2021年10月28日申请，并于2022年02月15日公开，公开号为CN114047259A的中国发明申请。该申请公开了一种基于时间序列多尺度钢轨伤损缺陷的检测方法，包括：S1、根据超声波探头类别的回声通道的原始轨道超声波数据进行数据切分及预处理；S2、设置采样系数对预处理后的切分数据进行采样获取不同尺度的采样数据；S3、对采集的不同尺度的钢轨探伤数据进行特征提取及特征融合；S4、对融合后的特征输入深度卷积神经网络连接softmax函数对时间序列进行分类；S5、根据卷积神经网络的识别结果得到钢轨伤损列表。该申请利用多尺度的钢轨超声波时间序列信号划分，能够明显提升伤损检出率以及极大程度降低漏报率。但是该申请采用多尺度数据并使用CNN网络进行特征提取，并未对数据进行有效的去噪，只是采用平滑函数处理，将造成有用信息的丢失。

现有技术2为王文波等人于2013年07月15日发表于《电子学报》2013年07期第1425-1430页的论文《基于主成分分析的经验模态分解消噪方法》。该论文针对非线性非平稳信号的去噪问题，提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法。该方法根据EMD的分解特性，利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理：首先利用“3σ法则”对第一层IMF进行细节信息提取，并估计每层IMF中所含噪声的能量；然后对IMF进行PCA变换，根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构，以去除IMF中的噪声。为验证该文方法的有效性，进行了数字仿真与实例应用实验。实验结果均表明，所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法，是一种有效的信号消噪新方法。但是该论文并非专门针对钢轨伤损分析，且其中针对平稳信号进行处理，没有考虑不同尺度时间信号去噪可以作为信号相互弥补的方法，无法避免有用信号的缺失。

发明内容

有鉴于此，本申请的目的在于提供一种钢轨探伤数据降噪装置，以解决现有钢轨伤损识别方式中未考虑多尺度情况下的时间序列采样，以及未对多维度时间序列进行有效去噪，导致有用信息丢失的技术问题。

为了实现上述发明目的，本申请具体提供了一种钢轨探伤数据降噪装置的技术实现方案，钢轨探伤数据降噪装置，包括：

时间序列切分模块，对钢轨探伤的超声波时间序列信号进行切分，形成若干条子序列数据；

时间序列采样模块，对所述时间序列切分模块切分的每一条子序列数据进行数据采样；