1.一种基于改进BP神经网络的轨道病害监测方法,其特征在于,包括:根据预设的信号抗混叠处理规则获取钢轨振动信号,所述信号抗混叠处理规则的表达式为:式中,
对所述钢轨振动信号进行VMD分解,并根据熵值筛选特征矩阵策略对分解得到的IMF信号的样本熵进行筛选,得到样本熵特征矩阵,其中,所述样本熵特征矩中包含各个目标IMF信号的样本熵特征;
根据预先构建的DRSN深度学习模型提取所述钢轨振动信号中的特征信息,并将所述特征信息与各个目标IMF信号的样本熵特征进行融合操作,得到融合特征信息;
将所述融合特征信息输入至改进BP神经网络中,并基于动态参数调整策略对所述改进BP神经网络进行迭代训练,得到轨道病害监测模型;
将获取的实时钢轨振动信号输入至所述轨道病害监测模型中,所述轨道病害监测模型输出得到与所述实时钢轨振动信号相对应的监测结果。
2.根据权利要求1所述的一种基于改进BP神经网络的轨道病害监测方法,其特征在于,所述对所述钢轨振动信号进行VMD分解包括:对所述钢轨振动信号进行模态分解,求得每个IMF信号,并将每个IMF信号进行Hilbert变换,得到所述每个IMF信号的解析信号,所述解析信号的单边频谱的表达式为:式中,
通过混合一指数项
式中,
利用高斯平滑偏移信号对每个IMF信号的带宽进行估算,构建变分问题为:式中,
为解决变分问题,引入二次惩罚因子
式中,
经过多次迭代计算,搜索拉格朗日表达式的最小值以得到最优解及最优解的中心频率,其中,迭代更新的表达式为:式中,
给定一个判别精度
式中,
3.根据权利要求1所述的一种基于改进BP神经网络的轨道病害监测方法,其特征在于,所述根据熵值筛选特征矩阵策略对分解得到的IMF信号的样本熵进行筛选,得到样本熵特征矩阵包括:将经过VMD分解得到IMF信号嵌入到一个高维空间中,将向量式中,
对于嵌入空间中的每个向量,找出在嵌入维度计算经过VMD分解后的IMF信号的样本熵,计算式为:式中,
以IMF信号最少的样本为基准,剔除熵值大于第一熵值阈值及小于第二熵值阈值的IMF信号,即构成样本熵特征矩阵。
4.根据权利要求1所述的一种基于改进BP神经网络的轨道病害监测方法,其特征在于,所述基于动态参数调整策略对所述改进BP神经网络进行迭代训练包括:引入遗传算法对BP神经网络的权值和阈值进行优化,将BP神经网络生成的初始权值和阈值作为遗传算法的初始种群,采用实数个体编码,编码方式为:式中,L为编码长度,n为输入层神经元数目,h为隐含层神经元数目,确定遗传算法的适应度函数为:
式中,
引入精英保留策略,即在每次迭代后在种群中选择一定比例的适应度高的个体作为精英个体,不进行交叉遗传操作、变异遗传操作,直接完整地保留到下一代,具体为:式中,
根据动态参数调整策略,对交叉率和变异率进行调整;
设置最小迭代次数
式中,
5.根据权利要求4所述的一种基于改进BP神经网络的轨道病害监测方法,其特征在于,所述动态参数调整策略的表达式为:式中,
6.根据权利要求1所述的一种基于改进BP神经网络的轨道病害监测方法,其特征在于,所述改进BP神经网络的损失函数为基于VMD分解的样本熵损失函数,所述样本熵损失函数的表达式为:式中,
7.一种基于改进BP神经网络的轨道病害监测系统,其特征在于,包括:获取模块,配置为根据预设的信号抗混叠处理规则获取钢轨振动信号,所述信号抗混叠处理规则的表达式为:式中,
分解模块,配置为对所述钢轨振动信号进行VMD分解,并根据熵值筛选特征矩阵策略对分解得到的IMF信号的样本熵进行筛选,得到样本熵特征矩阵,其中,所述样本熵特征矩中包含各个目标IMF信号的样本熵特征;
融合模块,配置为根据预先构建的DRSN深度学习模型提取所述钢轨振动信号中的特征信息,并将所述特征信息与各个目标IMF信号的样本熵特征进行融合操作,得到融合特征信息;
训练模块,配置为将所述融合特征信息输入至改进BP神经网络中,并基于动态参数调整策略对所述改进BP神经网络进行迭代训练,得到轨道病害监测模型;
输出模块,配置为将获取的实时钢轨振动信号输入至所述轨道病害监测模型中,所述轨道病害监测模型输出得到与所述实时钢轨振动信号相对应的监测结果。
8.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6任一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至6任一项所述的方法。