1.一种铁路无砟轨道裂缝损伤识别方法,其特征在于,包括:构建铁路车辆-轨道耦合系统的空间振动分析模型,根据预设的裂缝轨迹近似规则将无砟轨道裂缝的实际产生位置引入所述空间振动分析模型中,所述构建铁路车辆-轨道耦合系统的空间振动分析模型,根据预设的裂缝轨迹近似规则将无砟轨道裂缝的实际产生位置引入所述空间振动分析模型中包括:建立一个近似参数
式中,
建立三维裂缝近似轨迹矩阵
式中,
考虑时间维度,设置包括裂缝衰减和频率响应的裂缝动态扩散模型,并构建用于模拟和预测裂缝行为的裂缝损伤本构矩阵,所述裂缝动态扩散模型的裂缝扩展方程为:式中,
所述裂缝动态扩散模型中对裂缝宽度的宽度约束方程为:式中,
所述裂缝损伤本构矩阵的表达式为:
式中,
根据所述裂缝损伤本构矩阵获取裂缝产生前后列车经过时轨道板的振动信号,采用预设的多层次波动特征分析策略建立裂缝损伤特征指标,并进行裂缝损伤特征提取;
将提取的裂缝损伤特征输入改进的神经网络模型,所述改进的神经网络模型输出铁路无砟轨道裂缝的位置及损伤程度。
2.根据权利要求1所述的一种铁路无砟轨道裂缝损伤识别方法,其特征在于,所述获取裂缝产生前后列车经过时轨道板的振动信号,采用预设的多层次波动特征分析策略建立裂缝损伤特征指标,并进行裂缝损伤特征提取包括:将获取的轨道板振动信号S进行波形变换分解,在第i分解层得到式中,
基于多尺度分析原理,计算每个频带内轨道板振动信号的时域能量,并构建波形变换时频特征能量向量,即:式中,
轨道板振动信号在第i分解层的波形变换时频特征能量向量式中,
构建裂缝损伤特征指标,对轨道板振动信号进行裂缝损伤特征提取,裂缝损伤特征指标的表达式为:式中,
3.根据权利要求1所述的一种铁路无砟轨道裂缝损伤识别方法,其特征在于,所述将提取的裂缝损伤特征输入改进的神经网络模型,所述改进的神经网络模型输出铁路无砟轨道裂缝的位置及损伤程度包括:构建神经网络特征向量,表达式为:
式中,T为特征向量集,
在每个神经网络的层级中使用复数和分式变换,并且引入多维张量操作和更高阶的数学结构,神经网络的网络结构的表达式为:式中,
参数化的多维线性变换表达式为:
式中,
确定包含多重正则化因子的复合损失函数式中,
其中,主损失函数
式中,G为样本数量,C为类别数,
优化神经网络参数权重,具体包括引入多维张量场理论的框架来处理高维参数优化问题,其中,每个参数被视为在高维空间中的一个场点,其相互作用通过一个多体场方程来描述,场的动力学方程分解为多个小的、相对独立的子问题,进行并行处理,表达式为:式中,
场的动力学方程为:
式中,
4.根据权利要求1-3中任一所述方法的一种铁路无砟轨道裂缝损伤识别系统,其特征在于,包括:构建模块,配置为构建铁路车辆-轨道耦合系统的空间振动分析模型,根据预设的裂缝轨迹近似规则将无砟轨道裂缝的实际产生位置引入所述空间振动分析模型中;
设置模块,配置为考虑时间维度,设置包括裂缝衰减和频率响应的裂缝动态扩散模型,并构建用于模拟和预测裂缝行为的裂缝损伤本构矩阵;
提取模块,配置为根据所述裂缝损伤本构矩阵获取裂缝产生前后列车经过时轨道板的振动信号,采用预设的多层次波动特征分析策略建立裂缝损伤特征指标,并进行裂缝损伤特征提取;
输出模块,配置为将提取的裂缝损伤特征输入改进的神经网络模型,所述改进的神经网络模型输出铁路无砟轨道裂缝的位置及损伤程度。
5.一种电子设备,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3任一项所述的方法。
6.一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3任一项所述的方法。