基于音频分析的列车行驶安全检测技术研究

摘要

铁路运输在交通行业中占据着主导地位。列车一旦发生故障可能会严重影响其正常运行，得不到及时处理，将造成难以估量的损失，因此对列车故障检测具有重要意义。针对列车行驶过程中丰富的声音信息，本文提出一种基于音频分析的列车故障检测方法。 列车运行环境较为复杂，完备的故障样本难以获得，因此基于有监督学习的故障识别方法难以展开有效的应用。目前针对列车故障诊断常用的方法有:图像诊断法、加速度诊断法和位移诊断法等，但这些方法都存在缺点。音频信号具有相对采集方便和非接触测量等优点，结合无监督K-均值聚类算法，可较好的应用于列车故障诊断。 本文对基于音频分析的列车故障诊断技术进行了初步的研究，主要工作内容如下:1、介绍并分析了声波的传播特性，为列车的音频分析提供了理论基础。2、对比并分析了无监督学习和有监督学习算法，根据实际需要，采用无监督学习算法。3、应用小波包算法对列车音频信号进行分析，并构造特征向量。4、提出无监督K-均值聚类算法，并对音频信号特征进行聚类分析。5、设计列车音频检测系统，进行现场实验，结果表明正常和异常样本可以有效识别。6、通过分析列车实际运行数据，进一步验证了该算法的有效性。 基于音频分析的无监督检测技术能够对列车故障进行在线诊断，保障列车的安全稳定运行，具有一定的准确性、可靠性和应用价值。

目录

声明

摘要

1绪论

1．1课题研究的背景和意义

1．2国内外的研究历史和现状

1．3论文的主要内容

1．4本章总结

2基于声学信号的故障诊断方法

2．1相关声学理论

2．2故障诊断理论基础

2．3本章总结

3列车音频特征提取与K-均值故障诊断算法

3．1小波包变换原理及其应用

3．2基于小波包的特征提取方法

3．3聚类分析算法

3．4基于无监督K-均值列车故障诊断方法

3．5本章总结

4检测系统及现场实验

4．1系统检测原理

4．2实验平台设计

4．3实验结果

4．4本章总结

5结论

5．1全文总结

5．2论文的创新点

5．3论文的不足之处

6展望

参考文献

致谢