原文传递
基于声学特征融合和声源定位的地铁异响监测
| 论文题名： | 基于声学特征融合和声源定位的地铁异响监测 |
| 关键词： | 地铁列车;异响监测;时谱峭度;神经网络;声源定位 |
| 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。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。 |
| 作者： | 朱航 |
| 专业： | 安全科学与工程 |
| 导师： | 万洪杰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京化工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
