本发明公开了轨道数据检测技术领域中的融合多种设备检测数据进行轨道检测的方法。包括设定融合数据属于各超限级别的初始概率;设定每种检测设备的检测数据属于各超限级别的初始概率;确定检测指标值属于各超限级别的隶属度函数;执行检测过程,获得每种检测设备的检测指标值,利用检测指标值计算每种检测设备的检测数据属于各超限级别的概率;计算融合数据属于各超限级别的概率;如果融合数据属于某个超限级别的概率大于该超限级别的设定限值,则进行轨道维修,并计算维修后的融合数据属于各超限级别的概率,重新确定每种检测设备的检测数据属于各超限级别的初始概率后返回执行检测过程。本发明实现了轨道检测时多个检测设备检测数据的融合。
1.一种融合多种设备检测数据进行轨道检测的方法,其特征是所述方法包括:步骤1:设定融合数据属于各超限级别的初始概率s=[s₀,s₁,s₂,s₃,s₄],其中,所述超限级别包括正常标准级、保养标准级,舒适度标准级,临时补修标准级,限速标准级;s₀为融合数据属于正常标准级的初始概率,s₁为融合数据属于保养标准级的初始概率,s₂为融合数据属于舒适度标准级的初始概率,s₃为融合数据属于临时补修标准级的初始概率,s₄为融合数据属于限速标准级的初始概率;步骤2:设定每种检测设备的检测数据属于各超限级别的初始概率ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="467"/>其中,j代表第j种检测设备,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于正常标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于保养标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于舒适度标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于临时补修标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于限速标准级的初始概率;步骤3:确定检测指标值属于各超限级别的隶属度函数f_i(x);其中,x为检测指标值;i代表超限级别,i=0,1,2,3,4;步骤4:执行检测过程,获得每种检测设备的检测指标值,利用检测指标值计算每种检测设备的检测数据属于各超限级别的概率ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="508"/>其中,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="51"/>为第j中检测设备的检测数据属于第i个超限级别的概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="302"/>步骤5:计算融合数据属于各超限级别的概率s′=[s′₀,s′₁,s′₂,s′₃,s′₄],其计算公式为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="241"/>s′_i是融合数据属于第i个超限级别的概率,s_i是融合数据属于各超限级别的初始概率,i=0,1,2,3,4;步骤6:判断融合数据属于第i个超限级别的概率s′_i是否大于第i个超限级别的设定限值,如果融合数据属于第i个超限级别的概率s′_i大于第i个超限级别的设定限值,则进行轨道维修;否则,执行步骤8;步骤7:利用公式s′′=s′×M计算维修后的融合数据属于各超限级别的概率s′′,并令q^j=s′′;其中,M是状态转移矩阵,M=[m_l,k],m_l,k表示轨道维修后由超限级别l转移到超限级别k的概率,l=0,1,2,3,4,k=0,1,2,3,4;步骤8:令q^j=p^j,返回步骤4。
2.根据权利要求1所述的方法,其特征是所述确定检测指标值属于各超限级别的隶属度函数f_i(x)具体是,当超限级别为正常标准级时,检测指标值属于正常标准级的隶属度函数f₀(x)为: f 0 ( x ) = exp [ - ( x - lb 1 + rb 1 2 ) 2 ( lb 1 - rb 1 2 ) 2 × ln 2 ] , lb 1 < x < rb 1 1 1 + exp ( - x + lb 1 ) , x ≤ lb 1 1 1 + exp ( x - rb 1 ) , x ≥ rb 1 ; ]]>其中,lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。
3.根据权利要求1所述的方法,其特征是所述确定检测指标值属于各超限级别的隶属度函数f_i(x)具体是,当超限级别为保养标准级、舒适度标准级或者临时补修标准级时,检测指标值属于保养标准级、舒适度标准级或者临时补修标准级的隶属度函数f_i(x)为: f i ( x ) = exp [ - ( x - lb i + lb i + 1 2 ) 2 ( lb i - lb i + 1 2 ) 2 × ln 2 ] , lb i + 1 ≤ x ≤ lb i d i exp [ - ( x - rb i + rb i + 1 2 ) 2 ( rb i - rb i + 1 2 ) 2 × ln 2 ] , rb i ≤ x ≤ rb i + 1 1 1 + exp ( - x + lb i + 1 ) , x ≤ lb i + 1 1 1 + exp ( x - lb i ) , lb i ≤ x ≤ lb 1 + rb 1 2 1 1 + exp ( - x + rb i ) , lb 1 + rb 1 2 < x ≤ rb i 1 1 + exp ( x - rb i + 1 ) , x ≥ rb i + 1 ]]> 其中,lb_i和rb_i为检测指标值属于保养标准级、舒适度标准级或者临时补修标准级的左界限和右界限;i=1,2,3,lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。
4.根据权利要求1所述的方法,其特征是所述确定检测指标值属于各超限级别的隶属度函数f_i(x)具体是,当超限级别为限速标准级时,检测指标值属于限速标准级的隶属度函数f₄(x)为: f 4 ( x ) = 1 1 + exp ( x - lb 4 ) , x ≤ lb 1 + rb 1 2 1 1 + exp ( - x + rb 4 ) , x > lb 1 + rb 1 2 ]]> 其中,lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。技术领域
本发明属于铁路轨道数据检测技术领域,尤其涉及一种融合多种设备检测数据进行轨道检测的方法。
背景技术
轨道是铁路的主要设备,直接承受列车车轮的作用力,在受到环境因素的影响时,轨道的质量状态会发生变化。轨道检测是评定轨道状态并指导轨道养护维修的重要手段,目的是确保铁路运输的安全。轨道检测指标一般包括以下九项:轨距、水平、左高低、右高低、左轨向、右轨向、三角坑、车体垂向加速度、车体横向加速度。每项指标的超限分为四级:一级为保养标准,二级为舒适度标准,三级为临时补修标准,四级为限速标准,超限级别越大轨道质量状态越差。为叙述方便,规定零级为指标正常,所以指标的级别一共有五级。指标在特定的检测条件下具有已知的特定级别标准,指标的级别如附图1所示。对于轨道检测数据的处理,有研究人员提出利用数据仓库技术对海量的轨道检测数据进行存储、管理和分析,然后进行轨道状态的分析的思想;有学者研究利用模糊推理数据融合算法对轨道无损检测过程中多个传感器的数据进行融合,进而确定轨道的缺陷类型。但目前的研究存在需要复杂的软硬件技术、只对单个检测设备在检测中的实时数据进行数据融合等不足。总而言之,目前还不存在对多种轨道检测设备的检测数据进行融合进而确定轨道状态、指导轨道养护维修的具体可行的方法。我国进行轨道检测的轨道检测设备有轨道检测车、综合检测车、晃车仪、添乘仪、人工静态检测仪等,并且各类检测设备有多种型号,如此多的检测设备存在对同一轨道线路同一指标的重复检测的情况。当多种检测设备的检测结果不一致时,如何对轨道状态进行评定进而确定是否需要进行轨道维修一直是未得到有效解决的问题。同时,轨道维修会对轨道状态产生影响,如何分析这种影响也是值得研究的内容。
发明内容
本发明的目的在于,提供一种融合多种设备检测数据进行轨道检测的方法,通过融合多种轨道检测设备的检测数据,提高轨道状态评定的准确性和轨道养护维修的时效性。为了实现上述目的,本发明提供的技术方案是,一种融合多种设备检测数据进行轨道检测的方法,其特征是所述方法包括:步骤1:设定融合数据属于各超限级别的初始概率s=[s₀,s₁,s₂,s₃,s₄],其中,所述超限级别包括正常标准级、保养标准级,舒适度标准级,临时补修标准级,限速标准级;s₀为融合数据属于正常标准级的初始概率,s₁为融合数据属于保养标准级的初始概率,s₂为融合数据属于舒适度标准级的初始概率,s₃为融合数据属于临时补修标准级的初始概率,s₄为融合数据属于限速标准级的初始概率;步骤2:设定每种检测设备的检测数据属于各超限级别的初始概率ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="467"/>其中,j代表第j种检测设备,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于正常标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于保养标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于舒适度标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于临时补修标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于限速标准级的初始概率;步骤3:确定检测指标值属于各超限级别的隶属度函数f_i(x);其中,x为检测指标值;i代表超限级别,i=0,1,2,3,4;步骤4:执行检测过程,获得每种检测设备的检测指标值,利用检测指标值计算每种检测设备的检测数据属于各超限级别的概率ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="508"/>其中,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="51"/>为第j中检测设备的检测数据属于第i个超限级别的概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="302"/>步骤5:计算融合数据属于各超限级别的概率s′=[s′₀,s′₁,s′₂,s′₃,s′₄],其计算公式为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="241"/>s′_i是融合数据属于第i个超限级别的概率,s_i是融合数据属于各超限级别的初始概率,i=0,1,2,3,4;步骤6:判断融合数据属于第i个超限级别的概率s′_i是否大于第i个超限级别的设定限值,如果融合数据属于第i个超限级别的概率s′_i大于第i个超限级别的设定限值,则进行轨道维修;否则,执行步骤8;步骤7:利用公式s′′=s′×M计算维修后的融合数据属于各超限级别的概率s′′,并令q^j=s′′;其中,M是状态转移矩阵,M=[m_l,k],m_l,k表示轨道维修后由超限级别l转移到超限级别k的概率,l=0,1,2,3,4,k=0,1,2,3,4;步骤8:令q^j=p^j,返回步骤4。所述确定检测指标值属于各超限级别的隶属度函数f_i(x)具体是,当超限级别为正常标准级时,检测指标值属于正常标准级的隶属度函数f₀(x)为: f 0 ( x ) = exp [ - ( x - lb 1 + rb 1 2 ) 2 ( lb 1 - rb 1 2 ) 2 × ln 2 ] , lb 1 < x < rb 1 1 1 + exp ( - x + lb 1 ) , x ≤ lb 1 1 1 + exp ( x - rb 1 ) , x ≥ rb 1 ; ]]>其中,lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。所述确定检测指标值属于各超限级别的隶属度函数f_i(x)具体是,当超限级别为保养标准级、舒适度标准级或者临时补修标准级时,检测指标值属于保养标准级、舒适度标准级或者临时补修标准级的隶属度函数f_i(x)为: f i ( x ) = exp [ - ( x - lb i + lb i + 1 2 ) 2 ( lb i - lb i + 1 2 ) 2 × ln 2 ] , lb i + 1 ≤ x ≤ lb i d i exp [ - ( x - rb i + rb i + 1 2 ) 2 ( rb i - rb i + 1 2 ) 2 × ln 2 ] , rb i ≤ x ≤ rb i + 1 1 1 + exp ( - x + lb i + 1 ) , x ≤ lb i + 1 1 1 + exp ( x - lb i ) , lb i ≤ x ≤ lb 1 + rb 1 2 1 1 + exp ( - x + rb i ) , lb 1 + rb 1 2 < x ≤ rb i 1 1 + exp ( x - rb i + 1 ) , x ≥ rb i + 1 ]]> 其中,lb_i和rb_i为检测指标值属于保养标准级、舒适度标准级或者临时补修标准级的左界限和右界限;i=1,2,3,lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。所述确定检测指标值属于各超限级别的隶属度函数f_i(x)具体是,当超限级别为限速标准级时,检测指标值属于限速标准级的隶属度函数f₄(x)为: f 4 ( x ) = 1 1 + exp ( x - lb 4 ) , x ≤ lb 1 + rb 1 2 1 1 + exp ( - x + rb 4 ) , x > lb 1 + rb 1 2 ]]> 其中,lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。本发明实现了多个检测设备检测数据的融合,进一步针对维修对轨道状态产生的影响,实现了维修后多种轨道检测设备的检测数据的融合。
附图说明
图1是指标级别示意图;图2是融合多种设备检测数据进行轨道检测的方法流程图;图3是融合三种检测设备的检测数据后得到的轨道高低属于各超限级别的概率数值表;图4是融合三种检测设备的检测数据后得到轨道高低属于各超限级别的概率示意图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。指标的超限分级共有5种,我们以i=0,1,2,3,4分别代表保养标准级,舒适度标准级,临时补修标准级和限速标准级。本实施例中设定的检测设备有3种,j=1,2,3分别代表这3种设备。本实施例以轨道高低作为检测指标。图2是融合多种设备检测数据进行轨道检测的方法流程图,图2中,融合多种设备检测数据进行轨道检测的方法包括:步骤1:设定融合数据属于各超限级别的初始概率s=[s₀,s₁,s₂,s₃,s₄],其中,s₀为融合数据属于正常标准级的初始概率,s₁为融合数据属于保养标准级的初始概率,s₂为融合数据属于舒适度标准级的初始概率,s₃为融合数据属于临时补修标准级的初始概率,s₄为融合数据属于限速标准级的初始概率。融合数据属于各超限级别的初始概率可设定为s=[0.9,0.04,0.03,0.02,0.01]。步骤2:设定每种检测设备的检测数据属于各超限级别的初始概率ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="467"/>其中,j代表第j种检测设备,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于正常标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于保养标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于舒适度标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于临时补修标准级的初始概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="44"/>为第j种检测设备的检测数据属于限速标准级的初始概率。本实施例中,设定3种检测设备的检测数据属于各超限级别的初始概率q¹=q²=q³=s。步骤3:确定检测指标值属于各超限级别的隶属度函数f_i(x);其中,x检测指标轨道高低的检测指标值;i代表超限级别,i=0,1,2,3,4。当超限级别为正常标准级时,检测指标值属于正常标准级的隶属度函数有如下形式: f 0 ( x ) = a 0 exp [ - ( x - b 0 ) 2 c 0 2 ] , lb 1 ≤ x ≤ rb 1 1 1 + exp ( - x + d 0 ) , x ≤ lb 1 1 1 + exp ( x - e 0 ) , x ≥ rb 1 ]]> 其中,a₀、b₀、c₀、d₀和e₀分别为常数。并且f₀(x)满足: ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="317"/>f₀(lb₁)=0.5,f₀(rb₁)=0.5,则可以得到f₀(x)为: f 0 ( x ) = exp [ - ( x - lb 1 + rb 1 2 ) 2 ( lb 1 - rb 1 2 ) 2 × ln 2 ] , lb 1 < x < rb 1 1 1 + exp ( - x + lb 1 ) , x ≤ lb 1 1 1 + exp ( x - rb 1 ) , x ≥ rb 1 ]]> 其中,lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。当超限级别为保养标准级、舒适度标准级或者临时补修标准级时,检测指标值属于保养标准级、舒适度标准级或者临时补修标准级的隶属度函数有如下形式: f i ( x ) = a i exp [ - ( x - b i ) 2 c i 2 ] , lb i + 1 ≤ x ≤ lb i d i exp [ - ( x - e i ) 2 f i 2 ] , rb i ≤ x ≤ rb i + 1 1 1 + exp ( - x + g i ) , x ≤ lb i + 1 1 1 + exp ( x - h i ) , lb i ≤ x ≤ lb 1 + rb 1 2 1 1 + exp ( - x + j i ) , lb 1 + rb 1 2 < x ≤ rb i 1 1 + exp ( x - k i ) , x ≥ rb i + 1 ]]> 其中,a_i、b_i、c_i、d_i、e_i、f_i、g_i、h_i、j_i和k_i分别为常数,i=1,2,3。并且f₀(x)满足: ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="324"/>f_i(lb_i)=0.5,f_i(lb_i+1)=0.5,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="338"/>f_i(rb_i)=0.5,f_i(rb_i+1)=0.5则可以得到f_i(x)为: f i ( x ) = exp [ - ( x - lb i + lb i + 1 2 ) 2 ( lb i - lb i + 1 2 ) 2 · ln 2 ] , lb i + 1 ≤ x ≤ lb i d i exp [ - ( x - rb i + rb i + 1 2 ) 2 ( rb i - rb i + 1 2 ) 2 · ln 2 ] , rb i ≤ x ≤ rb i + 1 1 1 + exp ( - x + lb i + 1 ) , x ≤ lb i + 1 1 1 + exp ( x - lb i ) , lb i ≤ x ≤ lb 1 + rb 1 2 1 1 + exp ( - x + rb i ) , lb 1 + rb 1 2 < x ≤ rb i 1 1 + exp ( x - rb i + 1 ) , rb i + 1 ≤ x ]]> 其中,lb_i和rb_i为检测指标值属于保养标准级、舒适度标准级或者临时补修标准级的左界限和右界限;i=1,2,3。lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。当超限级别为限速标准级时,检测指标值属于限速标准级的隶属度函数有如下形式: f 4 ( x ) = 1 1 + exp ( x + a 1 ′ ) , x ≤ lb 1 + rb 1 2 1 1 + exp ( - x + a 2 ′ ) , x > lb 1 + rb 1 2 ]]> 其中,a′₁和a′₂都为常数,且f₄(x)满足:f₄(lb₄)=0.5,f₄(rb₄)=0.5则可以得到f₄(x)为: f 4 ( x ) = 1 1 + exp ( x - lb 4 ) , x ≤ lb 1 + rb 1 2 1 1 + exp ( - x + rb 4 ) , x > lb 1 + rb 1 2 ]]> 其中,lb₁和rb₁为检测指标值属于正常标准级的左界限和右界限。步骤4:执行检测过程,获得3种检测设备的检测指标值x。首先,利用数据滤波算法对检测数据进行预处理,消除由于轨道焊缝、轨道杂物、外加强电等外界干扰产生的高频异常值。滤波后得到3种检测设备的检测指标值x分别为2、1和20。利用3种检测设备的检测指标值x分别计算3种检测设备的检测数据属于各超限级别的概率ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="506"/>其中,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="52"/>为第j中检测设备的检测数据属于第i个超限级别的概率,ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="305"/>还可以进一步对计算结果进行归一化处理,即 p j = [ f 0 ( x ) , f 1 ( x ) , f 2 ( x ) , f 3 ( x ) , f 4 ( x ) ] / Σ i = 0 4 f i ( x ) . ]]>其中,检测设备1左右界限为:lb₁=-8,rb₁=8,lb₂=-12,rb₂=12,lb₃=-20,rb₃=20,lb₄=-30,rb₄=30。检测设备2左右界限为:lb₁=-9,rb₁=9,lb₂=-14,rb₂=14,lb₃=-22,rb₃=22,lb₄=-34,rb₄=34。检测设备3左右界限为:lb₁=-6,rb₁=6,lb₂=-10,rb₂=10,lb₃=-19,rb₃=19,lb₄=-26,rb₄=26。根据上述数据和隶属度函数,分别计算ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="79"/>j=1,2,3,i=0,1,2,3,4。步骤5:计算融合数据属于各超限级别的概率s′=[s′₀,s′₁,s′₂,s′₃,s′₄],其计算公式为ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="241"/>s′_i是融合数据属于第i个超限级别的概率,s_i是融合数据属于各超限级别的初始概率,i=0,1,2,3,4。本步骤还可以进一步进行归一化处理,即 s ′ = [ s 0 ′ , s 1 ′ , s 2 , ′ s 3 ′ , s 4 ′ ] / Σ i = 0 4 s i ′ . ]]>步骤6:判断融合数据属于第i个超限级别的概率s′_i是否大于第i个超限级别的设定限值。设第i个超限级别的设定限值为c_i,判断是否有s′_i>c_i(i=0,1,2,3,4),如果存在s′_i>c_i,则进行轨道维修;否则,执行步骤8。步骤7:利用公式s′′=s′×M计算维修后的融合数据属于各超限级别的概率s′′,并令q^j=s′′。其中,M是状态转移矩阵,M=[m_l,k],m_l,k表示维修后由级别l转移到级别k的概率,l=0,1,2,3,4,k=0,1,2,3,4。通过对历史维修数据的统计分析得到 M = 0.85 0.05 0.03 0.04 0.03 0.87 0.03 0.02 0.04 0.04 0.9 0.04 0.04 0.01 0.01 0.92 0.03 0.03 0.01 0.01 0.95 0.02 0.01 0.01 0.01 , ]]>并计算出s′′。最后令q¹=q²=q³=s′′。步骤8:令q^j=p^j,返回步骤4。融合三种检测设备的检测数据后得到的轨道高低属于各超限级别的概率如下图3和图4所示。本发明通过对每种检测设备每次检测建立相应的指标隶属度函数并利用前后两次检测结果来对指标属于各级别的概率进行更新,不仅能够实现对单个检测设备在检测中的数据的融合,还能实现对多个检测设备在检测中和检测后的数据的融合。另外,利用状态转移矩阵分析维修对指标属于各级别的概率的影响,实现了在维修影响下对多种轨道检测设备的检测数据的融合。本发明可用于确定轨道状态,指导轨道养护维修。以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。