1.对机构沿设定路径运动所产生的特定振动信息进行采集和处理的方法,所述特定振动信息用以表征所述机构沿设定路径运动时产生的特定振动检测特征,其特征在于,包括:通过安装在机构上的振动传感器实时采集机构沿设定路径运动时产生的特定振动信息从而获得振动时域信息;将振动时域信息分割为与各个不同时间段依次对应的分段振动时域信息并确保每个分段振动时域信息所对应的机构运动路径等长;将各分段振动时域信息分别转换成频域信息。
2.如权利要求1所述的对机构沿设定路径运动所产生的特定振动信息进行采集和处理的方法,其特征在于,所述运动为非匀速运动。
3.如权利要求1所述的对机构沿设定路径运动所产生的特定振动信息进行采集和处理的方法,其特征在于,将各分段振动时域信息分别转换成频域信息包括:
对各分段振动时域信息进行傅里叶变换得到频域信息。
4.如权利要求1所述的对机构沿设定路径运动所产生的特定振动信息进行采集和处理的方法,其特征在于,包括去除各频域信息中不影响特定振动检测特征表征的频率范围的频域数据从而分别得到经优化的频域信息。
5.如权利要求4所述的对机构沿设定路径运动所产生的特定振动信息进行采集和处理的方法,其特征在于,各所述经优化的频域信息可表达为频率坐标轴长度相同的频谱。
6.对轨道交通载具的特定振动信息进行采集和处理的方法,所述特定振动信息用以表征所述载具运动时产生的特定振动检测特征,其特征在于,包括:通过安装在载具上的振动传感器实时采集载具沿轨道运动时产生的特定振动信息从而获得振动时域信息;将振动时域信息分割为与各个不同时间段依次对应的分段振动时域信息并确保每个分段振动时域信息所对应的载具运动路径等长;将各分段振动时域信息分别转换成频域信息。
7.用于钢轨波磨识别的卷积神经网络构建方法,其特征在于,包括如权利要求6所述的对轨道交通载具的特定振动信息进行采集和处理的方法,去除各频域信息中不影响特定振动检测特征表征的频率范围的频域数据从而分别得到经优化的频域信息,各经优化的频域信息表达为频率坐标轴长度相同的频谱,将所述频谱中的频谱数据作为一维卷积神经网络的训练样本。
8.如权利要求7所述的用于钢轨波磨识别的卷积神经网络构建方法,其特征在于,根据设定的波磨阈值对训练样本进行分类标记,得到钢轨正常状态标签、钢轨波磨状态标签。
9.如权利要求8所述的用于钢轨波磨识别的卷积神经网络构建方法,其特征在于,所述根据设定的波磨阈值对训练样本进行分类标记包括以下步骤:采集钢轨波磨信号、轴箱振动信号,设置波磨阈值,得到钢轨波磨信号与轴箱振动信号的非线性映射关系,将该非线性映射关系作为所述一维卷积神经网络的训练标签。
10.如权利要求9所述的用于钢轨波磨识别的卷积神经网络构建方法,其特征在于,对同一区间位置的钢轨使用波磨测试仪CAT采集钢轨波磨信号,利用加速度传感器采集相应位置处轴箱振动信号,通过数学换算得到两者之间的非线性映射关系。