1.本发明涉及声学诊断技术领域，特别是涉及一种道岔转辙机故障声学诊断系统。
背景技术：
2.道岔转辙机用于转换列车不同运行方向，道岔转辙机、信号机、轨道电路是铁路信号系统中最关键的室外三大件，由于道岔转辙机长期置于室外，它的工作状态很容易受到外部环境(尖基轨间卡异物等)及极端天气(雨雪或结冰等)等因素的影响，道岔转辙机的故障问题是影响列车运行效率和运行安全的主要原因之一；当转辙机出现机械故障时，转辙机的物理结构会发生改变，从声学角度，在采集设备不变的前提下，一个声学信号的特征是由信号源和传播介质共同决定的，而转辙机物理结构的改变势必会引起信号源或传播介质的改变，从而引起声学信号特征的改变，只要我们能找出这些随着物理结构变化而发生改变的声学信号特征点并加以检测，就可以判断出转辙机是正常运转还是发生了故障；但是处理声学信号的时候会存在噪声消除不彻底、过度消噪、声学信号的特征子集选择不准确、故障类型多样等问题，使得不能够准确的区分正常转辙机的声学信号和异常转辙机的声学信号，以便及时发现道岔转辙机的机械故障，为了提高对道岔转辙机声学检测信号的准确性，可以及时采取措施降低列车运行风险，提高列车运行效率，本系统提供了一种道岔转辙机故障声学检测诊断系统。
技术实现要素：
3.针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种道岔转辙机故障声学诊断系统，评估模块通过对采集声学信号时的环境信息的分析和以有故障类型时声学信号的特点来与检测时的声学信号进行对比，数据分析模块将对声学信号的降噪过程和检测过程与环境信息的分析结果进行结合得到声学信号检测时的阈值，根据阈值选取不同采集时间段的声学信号的特征子集，从而提高了道岔转辙机的声学信号的检测的准确性。
4.其解决的技术方案是，一种道岔转辙机故障声学诊断系统，包括信号采集模块、存储模块、数据分析模块、信号预处理模块、声学检测模块、评估模块，信号采集模块用于采集道岔转辙机的检测数据信息，数据分析模块通过对检测数据信息进行分析得到环境影响参数和阈值；此系统管理过程具体如下：
5.(1)信号采集模块将采集到的检测道岔转辙机的检测数据信息上传至存储模块；
6.(2)数据分析模块可以对检测数据信息进行分析，首先对检测数据信息中的环境信息进行分析得到噪音影响参数和环境影响参数，再通过对环境影响参数、噪音影响参数的分析得到检测数据信息中的声学信号的特征选择时的选择阈值，具体分析过程如下：
7.步骤一、数据分析模块调取道岔转辙机的所有检测数据信息，调取检测数据信息中的采集时间信息，将采集时间信息中的采集时间段记为t1，t2，t3...t
n
，n表示采集的次数，由信号预处理模块根据评估模块对采集时间段的检测数据信息的评估分析结果得到主
要影响因素对不同的采集时间段采集的声学信号进行预处理得到预处理结果，并将预处理结果发送至数据分析模块，数据分析模块根据预处理结果中的过滤的噪声进行分析得到噪声影响参数；
8.步骤二、数据分析模块从环境信息中提取采集时间段的环境特征向量(x1，x2，x3...x
s
)，s表示的是环境特征变量的个数，由主成分分析法对每一个采集时间段的环境特征向量进行分析得到主要环境特征，具体过程的公式如下：
9.f
i
＝a
1i
x1+a
2i
x2+
…
+a
si
x
s
；
10.其中a
1i
、a
2i
、a
si
为环境特征向量中的元素的影响系数，i∈[1，n]，i表示是采集时间段的下标，通过主成分分析法分析f
i
得到了所有采集时间段对应的n个中的主要环境特征，每一个主要环境特征代表的是对应采集时间段中影响最大的环境特征，根据最大的环境特征对所有采集时间段内的声学信号的影响程度得到环境特征矩阵计算环境特征矩阵x的迹记为环境影响参数t；
[0011]
步骤三、数据分析模块根据信号预处理模块的预处理结果、环境特征矩阵x、噪音影响参数h和环境影响参数进一步进行分析得到选择声学信号的特征时的阈值g，检测数据信息中还包括每一个采集时间段的噪音强度、信噪比和声学信号，计算公式如下：
[0012][0013][0014]
其中g表示的是一个向量，g中的每一个元素代表对应采集时间段的阈值，i表示的是采集时间段的标号，i∈[1，n]；
[0015]
(3)声学检测模块根据数据分析模块分析得到的阈值选择合适的特征子集，声学检测模块对声学信号进行联合检测得到检测结果，当检测结果是道岔转辙机有故障时，检测模块向维修人员发送维修信息，由维修人员对道岔转辙机进行及时的检查和维修。
[0016]
所述评估模块对检测数据信息中的环境信息和已经检测出来的故障信息进行评估分析得到主要影响因素，所述信号预处理模块再根据主要影响因素对不同的采集的时间段的声学信号进行预处理得到预处理结果，具体分析过程如下：
[0017]
步骤1、评估分析模块对检测数据信息中的环境信息和已经检测出来的故障信息进行评估分析得到每一个采集时间段对应的主要影响因素；
[0018]
步骤2、以第一个采集时间段t1为起点进行迭代，将n个采集时间段分为n
‑
1个采集元组，相邻的两个采集时间段为一个采集元组；
[0019]
步骤3、当一个采集元组对应的主要影响因素相同时，信号预处理模块从存储模块中调取声学信号的不同的降噪处理方法，并利用不同的降噪处理方法对一个采集元组内的两个采集时间段内的声学信号进行处理得到两个降噪处理结果，两个降噪处理结果为经过降噪处理以后的降噪声学信号，计算两个降噪声学信号的相关关系系数；
[0020]
步骤4、当一个采集元组对应的主要影响因素不相同时，采用相同的降噪处理方法得到两个降噪处理结果，也计算出两个降噪处理结果的相关关系系数，根据相关关系系数得到相关关系向量r＝(r1，r2，r3...r
n
‑1)，相关关系系数的计算方程如下：
[0021][0022]
其中n为降噪以后的降噪声学信号的特征集中特征的个数，x，y是信号的特征向量，x(j)，y(j)表示的是第j个特征的参量值，信号预处理模块通过分析得到的预处理结果包括相关关系向量、过滤的噪声、被过滤的声学信号，并将预处理结果发送至数据分析模块。
[0023]
所述评估分析模块对检测数据信息中的环境信息和已经检测出来的故障信息进行评估分析得到每一个采集时间段对应的主要影响因素，故障信息中包括故障对应的声学信号、采集时间段、降噪处理方法、环境信息、故障类型，对相同故障类型的故障信息中的环境信息进行分析，计算所有的环境影响因素对故障的影响程度，并计算出不同环境影响因素对故障的影响程度的固定比值，使得固定比值与故障类型相对应，评估模块对不同的采集时间段进行分析时，分析每一个采集时间段的比值，并与固定比值进行比较，比值中占比最大的环境影响因素确定为主要影响因素，并将每一个采集时间段内的主要影响因素发送至信号预处理模块。
[0024]
所述数据分析模块根据预处理结果中的过滤的噪声和相关关系向量进行分析得到噪声影响参数，首先计算过滤前后每一个采集时间段的声学信号的信噪比之差，再根据信噪比之差对相关关系向量中的每一个元素进行加权得到噪声影响参数，所述数据采集模块对道岔转辙机的各个部位进行监控，每隔一个时间段采集一次道岔转辙机运行的声学信号。
[0025]
由于以上技术方案的采用，本发明与现有技术相比具有如下优点；
[0026]
1.系统的评估模块通过对已有的环境信息和故障的检测结果的分析得到了环境影响因素比值，再利用环境影响因素比值得到主要影响因素，再将主要影响因素发送通过至信号预处理模块，信号预处理模块利用主要影响因素先对各个采集时间段内的环境信息进行判断，根据判断的结果进行选择不同的降噪方法对声学信号进行预处理，通过对比一个采集元组内的不同种方法对相同主要影响因素的采集元组内的采集时间段的声学信号的预处理结果的对比得到相关关系系数，利用相关关系系数来反映降噪过程中对不同的信号的降噪误差的产生。
[0027]
2.数据分析模块再通过对评估模块的评估结果和信号预处理模块的预处理结果和环境信号的分析，首先对信号预处理模块的预处理结果进行分析得到噪声影响参数，再对采集时间段内的环境信息进行分析得到环境影响参数，再通过对预处理结果、噪声影响参数、环境影响参数来得到一个阈值，通过阈值对声学信号的特征子集进行选取，不同的阈值的选择下可以对应不同的特征子集，通过阈值的选取来提高对道岔转辙机的故障声学信号的检测的准确性，解决了声学信号的特征选取带来的误差。
附图说明
[0028]
图1为本系统的整体模块图；
[0029]
图2为本系统的整体计算流程图；
[0030]
图3为信号预处理模块的分析流程图；
[0031]
图4为数据分析模块的分析流程图。
具体实施方式
[0032]
有关本发明的前述及其他技术内容、特点与功效，在以下配合参考附图1至图4对实施例的详细说明中，将可清楚的呈现。以下实施例中所提到的结构内容，均是以说明书附图为参考。
[0033]
一种道岔转辙机故障声学诊断系统，包括信号采集模块、存储模块、数据分析模块、信号预处理模块、声学检测模块、评估模块，信号采集模块用于采集道岔转辙机的检测数据信息，数据分析模块通过对检测数据信息进行分析得到环境影响参数和阈值；在声学检测中，对声学信号检测的准确性之间影响了道岔转辙机故障检测的准确性，但是声学信号的采集、传输、预处理、检测的各个阶段都会收受到很多外界因素的影响，通过对采集声学信号时的环境信息和已经检测的检测信息对声学信号的降噪和特征选取，可以提高声声学信号检测的准确性，此系统管理过程具体如下：
[0034]
(1)信号采集模块将采集到的检测道岔转辙机的检测数据信息上传至存储模块；
[0035]
(2)数据分析模块可以对检测数据信息进行分析，首先对检测数据信息中的环境信息进行分析得到噪音影响参数和环境影响参数，再通过对环境影响参数、噪音影响参数的分析得到检测数据信息中的声学信号的特征选择时的选择阈值，具体分析过程如下：
[0036]
步骤一、数据分析模块调取道岔转辙机的所有检测数据信息，调取检测数据信息中的采集时间信息，将采集时间信息中的采集时间段记为t1，t2，t3...t
n
，n表示采集的次数，由信号预处理模块根据评估模块对采集时间段的检测数据信息的评估分析结果得到主要影响因素对不同的采集时间段采集的声学信号进行预处理得到预处理结果，并将预处理结果发送至数据分析模块，数据分析模块根据预处理结果中的过滤的噪声进行分析得到噪声影响参数，声学信号中的噪声是不可能被完全消除的，通过提高声学信号的信噪比可以更准确的检测声学信号中到道岔转辙机出现故障异常时的异常信号，声学信号的噪声受到环境信息的影响，采集时的环境对到道岔转辙机的故障也有一定的影响；
[0037]
步骤二、数据分析模块从环境信息中提取采集时间段的环境特征向量(x1，x2，x3...x
s
)，s表示的是环境特征变量的个数，由主成分分析法对每一个采集时间段的环境特征向量进行分析得到主要环境特征，具体过程的公式如下：
[0038]
f
i
＝a
1i
x1+a
2i
x2+
…
+a
si
x
s
；
[0039]
其中a
11
为环境特征向量中的每一个元素的影响系数，i∈[1，n]，i表示是采集时间段的下标，上述公式是一个环境特征向量对应的其中一个公式，通过一个环境特征向量的s个对应的公式进行主成分分析得到对应的f
i
，通过主成分分析法分析f
i
得到了所有采集时间段对应的n个中的主要环境特征，每一个主要环境特征代表的是对应采集时间段中影响最大的环境特征，确定的最大环境特征对声学信号的影响程度不同，计算出影响最大的环境特征对声学信号的每一个声学特征的影响程度得到一个环境影响向量，根据每一个采集时间段的环境影响向量得到环境特征矩阵，根据主要环境特征对所有采集时间段内的声学信号的影响程度得到环境特征矩阵计算环境特征矩阵x的迹记为环境影响参数t；
[0040]
步骤三、数据分析模块根据信号预处理模块的预处理结果、环境特征矩阵x、噪音影响参数h和环境影响参数进一步进行分析得到选择声学信号的特征时的阈值g，检测数据
信息中还包括每一个采集时间段的噪音强度、信噪比和声学信号，计算公式如下：
[0041][0042][0043]
其中g表示的是一个向量，g中的每一个元素代表对应采集时间段的阈值，t表示的都是环境影响参数，h表示的是噪音影响参数，c表示的是环境的加权数，i表示的是采集时间段的标号，i∈[1，n]；
[0044]
(3)声学检测模块根据数据分析模块分析得到的阈值选择合适的特征子集，声学检测模块对声学信号进行联合检测得到检测结果，当检测结果是道岔转辙机有故障时，检测模块向维修人员发送维修信息，由维修人员对道岔转辙机进行及时的检查和维修。
[0045]
所述评估模块对检测数据信息中的环境信息和已经检测出来的故障信息进行评估分析得到主要影响因素，所述信号预处理模块再根据主要影响因素对不同的采集的时间段的声学信号进行预处理得到预处理结果，信号预处理模块是对信号采集模块采集的声学信号进行降噪处理，采用的降噪方式是存储在存储模块中的降噪方法，不同的声学信号采用不同的降噪方法进行降噪，使得采用不同降噪方法的动态降噪过程对声学信号的降噪程度不会伤害到声学信号本身，具体分析过程如下：
[0046]
步骤1、评估分析模块对检测数据信息中的环境信息和已经检测出来的故障信息进行评估分析得到每一个采集时间段对应的主要影响因素；
[0047]
步骤2、以第一个采集时间段t1为起点进行迭代，将n个采集时间段分为n
‑
1个采集元组，相邻的两个采集时间段为一个采集元组；
[0048]
步骤3、当一个采集元组对应的主要影响因素相同时，信号预处理模块从存储模块中调取声学信号的不同的降噪处理方法，并利用不同的降噪处理方法对一个采集元组内的两个采集时间段内的声学信号进行处理得到两个降噪处理结果，两个降噪处理结果为经过降噪处理以后的降噪声学信号，计算两个降噪声学信号的相关关系系数；
[0049]
步骤4、当一个采集元组对应的主要影响因素不相同时，采用相同的降噪处理方法得到两个降噪处理结果，也计算出两个降噪处理结果的相关关系系数，根据相关关系系数得到相关关系向量r＝(r1，r2，r3...r
n
‑1)，相关关系系数的计算方程如下：
[0050][0051]
其中n为降噪以后的降噪声学信号的特征集中特征的个数，x，y是信号的特征向量，x(j)，y(j)表示的是第j个特征的参量值，信号预处理模块通过分析得到的预处理结果包括相关关系向量、过滤的噪声、被过滤的声学信号，并将预处理结果发送至数据分析模块。
[0052]
所述评估分析模块对检测数据信息中的环境信息和已经检测出来的故障信息进行评估分析得到每一个采集时间段对应的主要影响因素，故障信息中包括故障对应的声学信号、采集时间段、降噪处理方法、环境信息、故障类型，评估模块利用存储模块中存储的包括检测结果的检测信息进行分析，检测信息中包括故障信息，通过对故障信息和环境信息的分析使得故障信息与环境信息对应，对相同故障类型的故障信息中的环境信息进行分析，计算所有的环境影响因素对故障的影响程度，影响程度的计算利用了逻辑回归的方法，
计算出每一个环境影响因素对应的的影响系数，并利用影响系数计算出不同环境影响因素对故障的影响程度的固定比值，使得固定比值与故障类型相对应，评估模块对不同的采集时间段进行分析时，分析每一个采集时间段的比值，并与固定比值进行比较，比值中占比最大的环境影响因素确定为主要影响因素，并将每一个采集时间段内的主要影响因素发送至信号预处理模块。
[0053]
所述数据分析模块根据预处理结果中的过滤的噪声和相关关系向量进行分析得到噪声影响参数，首先计算过滤前后每一个采集时间段的声学信号的信噪比之差，再根据信噪比之差对相关关系向量中的每一个元素进行加权得到噪声影响参数，所述数据采集模块对道岔转辙机的各个部位进行监控，每隔一个时间段采集一次道岔转辙机运行的声学信号。
[0054]
所述声学检测模块是根据数据分析模块分析的结果对信号预处理模块进行降噪处理以后的声学信号进行联合检测，根据数据分析模块分析处理出来的阈值进行选择不同的声学信号特征子集，再利用声学信号特征子集和机器学习中的分析方法对声学信号的进行检测分析，对声学信号进行判断，再利用机器学习中的分析方法对声学信号的特征子集进行训练，从而再对声学信号进行检测处理，将道岔转辙机带有故障的异常信号检测出来。
[0055]
本发明具体使用时，系统主要包括信号采集模块、存储模块、数据分析模块、信号预处理模块、声学检测模块、评估模块，信号采集模块用于采集道岔转辙机的检测数据信息，并将检测数据信息存储于存储模块中，评估模块通过对已有的环境信息和故障的检测结果分析得到了环境影响因素比值，再利用环境影响因素比值得到主要影响因素，再将主要影响因素发送通过至信号预处理模块，信号预处理模块利用主要影响因素先对各个采集时间段内的环境信息进行判断，根据判断的结果进行选择不同的降噪方法对声学信号进行预处理，通过对比一个采集元组内的不同种方法对相同主要影响因素的采集元组内的采集时间段的声学信号的预处理结果的对比得到相关关系向量，数据分析模块对信号预处理模块预处理结果的相关关系向量进行分析得到噪声影响参数，再对采集时间段内的环境信息进行分析得到环境影响参数，最后通过对预处理结果、噪声影响参数、环境影响参数来得到一个阈值，通过阈值对声学信号的特征子集进行选取，不同的采集时间段的声学信号的选择特征子集的阈值可以不同，不同的阈值的选择下可以对应不同的特征子集，通过阈值的选取来提高对道岔转辙机的故障声学信号的检测的准确性，解决了声学信号的特征选取带来的误差，解决选择的特征参数过多时,特征分析、训练模型所需的时间长引起的模型复杂和推广能力下降的问题,也避免了特征参数过少时难以涵盖不同的异常转辙机声音类型和分类的准确性显著降低的问题。
[0056]
以上所述是结合具体实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施仅局限于此；对于本发明所属及相关技术领域的技术人员来说，在基于本发明技术方案思路前提下，所作的拓展以及操作方法、数据的替换，都应当落在本发明保护范围之内。