【摘 要】
：
故障监测是轨道交通系统中的一个热门问题,对乘客的乘车安全有着重要意义。而地铁作为城市轨道交通的重要组成部分,为了保障其运行安全,对设备工况进行实时监测是十分必要的。目前列车故障的在线监测手段主要是基于振动信息、温度信息、视频图像信息的设备状态监测。本文借鉴地铁工作人员利用听诊法去识别设备故障的方式,以声音作为研究对象,提出了基于声学特征融合和声源定位的方法实时监测地铁行驶过程中底架设备的工作状态。
论文部分内容阅读
故障监测是轨道交通系统中的一个热门问题,对乘客的乘车安全有着重要意义。而地铁作为城市轨道交通的重要组成部分,为了保障其运行安全,对设备工况进行实时监测是十分必要的。目前列车故障的在线监测手段主要是基于振动信息、温度信息、视频图像信息的设备状态监测。本文借鉴地铁工作人员利用听诊法去识别设备故障的方式,以声音作为研究对象,提出了基于声学特征融合和声源定位的方法实时监测地铁行驶过程中底架设备的工作状态。轨道列车声学监测技术具有非接触式采集、监测效率高、早期故障预警等优点,拥有很大的发展潜力。本文利用模式识别方法,通过采集原始声音数据进行分析处理,构建智能化的机器学习模型识别地铁运行过程中可能出现的故障异响,然后将模型识别出的异响信号利用声源定位算法进行定位,为工作人员检修提供帮助。针对上述问题,主要研究工作如下:1.在列车底架设备附近布放传声器阵列采集地铁运行中的声学信号,利用峭度对冲击信号的敏感性,提出了改进的时谱峭度特征。同时从听觉角度入手,与反映人耳声学特性的梅尔倒谱系数进行特征融合,搭建神经网络模型,对故障异响和正常行驶的背景噪声（包含轨道接缝处的轮轨冲击噪声）进行分类识别,并将其与改进前的特征进行比较。实验结果表明,对于设备故障异响,本文提出的方法在地铁时速为20km/h的情况下准确率高达99.7%,40km/h、60km/h时速下的监测准确率也分别达到97.0%和86.2%。对于踏面缺陷异响,在现有的数据集上取得了100%的监测准确率,有效改善了异响识别性能。2.利用线性传声器阵列结构和基于时间延迟的声源定位方法,对产生异响的设备进行定位。由于地铁行驶产生的背景噪声比较强烈,提出了相位平滑加权（PHST）函数对时延估计的精度进行优化。在地铁时速为20km/h情况下,该定位方法的最大误差不超过5°,可以准确辨认故障设备方位。最后,通过验证地铁异响的识别与定位结果,体现了本文所提监测方法的可靠性。
其他文献
在光电子学中,伴随着能量释放的激子-激子湮灭是典型的非辐射复合现象。该现象会导致光致发光量子产率显著地下降,从而严重地降低了光电子器件的最大效率,所以在半导体制造中一般会对其进行严格抑制。近年来,科学家们提出了多种抑制方法,其中激光辐照法、引入缺陷法和施加应变法已经成为了抑制二维过渡金属硫族化合物中激子-激子湮灭的有效手段。然而,这是以损坏材料的原子结构为代价的,因此也限制了以上方法的实际应用。为
随着风电行业的迅猛发展,同时也暴露出风电机组故障及不良运行状态等一些突出问题,这些问题影响了风力发电效率,并且造成了极大的经济损失。风电变桨轴承作为风电机组传动系统和影响风电发电效率的关键部件,是发生故障频率较高的部位,提高对变桨轴承的振动监测能力已迫在眉睫。加速度作为振动中重要的监测参数,可以判断设备的安全运行情况,利用加速度传感器可以很好地实现对变桨轴承的振动监测。随着应用场景的复杂性,现有的
近年来,深度神经网络模型在计算机视觉、自然语言处理、语音识别等领域取得了令人瞩目的成果,推动了人工智能的发展。然而,为了处理日益复杂的智能任务,神经网络模型结构变得越来越深且越来越宽,其对应的参数量和计算量也在成倍增长,这对于神经网络模型的部署带来了巨大的挑战。大量的研究工作对神经网络模型的参数、结构、输入样本等进行了分析,尝试从不同的方向探索如何压缩模型的参数量以及减少模型执行的计算量。现有的深
拉曼光镊（Laser tweezers Raman spectroscopy,LTRS）是一种单细胞特性检测技术,它继承了光学镊子能够在液相环境中对透明微粒进行无损操控的能力以及拉曼光谱强大的检测分析能力。利用该技术可以实现在生理环境下对单个细胞的俘获与操控,同时完成对细胞分子化学结构的检测。在当前世界疫情严峻形势的大背景下,检验检疫是进行国际间贸易的必要环节,而血液的鉴别又是检验检疫流程中的重要
双足机器人相比于其他的移动机器人,其适应性和灵活性更强,在复杂的地面环境更容易实现稳定行走。对双足机器人的研究有助于探索人类行走的规律,为康复医疗器械和高危作业等方面的研究提供理论基础。Geyer所提出的双足弹簧负载倒立摆（Spring-Loaded Inverted Pendulum,SLIP）模型,相比于传统的刚性腿双足机器人模型,更能体现人类行走的主要特征,具有更低的能耗,和更加自然的行走步
人体动作识别在视频信息检索、公共视频监控、人机交互、科学认知等方面有着重要的应用价值,是计算机视觉、模式识别和机器学习等众多学科的交叉研究领域。在机器学习领域中,通常的建模方法建立的模型有生成式模型和判别式模型。对于以时间序列数据表示的人体动作,本文的研究聚焦于可解释性较好的生成式模型中用于处理时间序列的隐马尔科夫模型。由于人体动作识别的性能依赖于动作的表示方式,针对传统隐马尔科夫模型简单地以离散
在轻薄型毛精纺面料的经纬向按一定规律间隔排列水溶性维纶纱,并进行交织,经后整理退维溶解,在面料表面获得规律排列的孔洞效应。阐述了产品技术规格及生产工艺流程,对经纬纱支、维纶纱的水溶温度与间隔根数、织物密度和紧度、后整理退维点选择等进行了优化设计,对主要工序的工艺参数与技术要点进行了说明。测试结果表明,成品各项指标符合产品标准与设计要求。面料孔洞清晰圆整、排列平直,成品呢面整洁、手感滑糯、轻柔飘逸。
无人车在车速较高和行驶环境较为复杂情况下对车辆的路径规划、决策以及控制的实时性要求较高。本文针对如何保证无人驾驶汽车在高速、紧急以及路面附着较差的工况下能够成功完成对突发障碍物安全稳定的规避和对目标路径的准确跟踪,同时还能够确保车辆的稳定性这一目前国内外的难题开展研究,论文的主要研究工作和创新性如下:提出了一种基于五次多项式的全局路径规划与一种基于点质量法的局部路径规划算法相结合的方法。基于五次多
信息中心网络（Information-Centric Networking,ICN）成为未来网络发展的趋势,支持无处不在的缓存特性。网络切片作为新一代网络的关键技术,能够实现基于ICN服务的架构。但ICN切片在缓存资源的使用及部署等方面仍存在诸多问题,例如:缓存资源浪费问题、缓存节点存在空载开销问题等。因此,本文深入研究ICN切片,并使用博弈论方法进一步优化ICN切片的缓存资源分配和动态部署方案。
极化SAR具有全天时、全天候和可穿透植被等特点,同时又具有较高的分辨率,因此在土壤湿度反演方面可以发挥重要作用。但是由于地面信息较为复杂,特别是土壤粗糙度和植被的影响较为严重,因此现有的模型都不能较好的建模土壤湿度与极化SAR数据之间复杂的表征关系,同时极化散射机理与定量化参数之间物理关系也没有得到深入的研究。充分挖掘极化SAR数据现有特征与量化参数之间的物理联系并且将深度学习技术与传统反演模型相