本發(fā)明涉及一種鐵路信號(hào)領(lǐng)域，涉及一種計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)信號(hào)分類方法。

背景技術(shù)：

計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)一般會(huì)有被測(cè)聯(lián)鎖系統(tǒng)、仿真接口模塊，測(cè)試平臺(tái)這三種設(shè)備，其中被測(cè)聯(lián)鎖系統(tǒng)一般包括有聯(lián)鎖計(jì)算機(jī)，io接口單元，聯(lián)鎖計(jì)算機(jī)與io接口單元用can總線相連；仿真接口模塊包括驅(qū)動(dòng)繼電器、驅(qū)動(dòng)模塊、采集模塊、采集繼電器、中央處理單元；被測(cè)聯(lián)鎖系統(tǒng)要持續(xù)產(chǎn)生的不同的狀態(tài)進(jìn)行啟動(dòng)，呈現(xiàn)現(xiàn)場(chǎng)使用的狀態(tài)；io接口單元的io輸出至采集繼電器部分來(lái)驅(qū)動(dòng)采集繼電器，采集模塊通過(guò)被測(cè)聯(lián)鎖系統(tǒng)不同的信號(hào)狀態(tài)后，從而達(dá)到判斷不同的鐵路設(shè)備的目的；因此需要要有效地應(yīng)用于狀態(tài)信息的變化分類。要有一種合適于計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)的基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解奇異值熵和支持向量機(jī)的狀態(tài)信息變化分類方法以供現(xiàn)場(chǎng)復(fù)雜的設(shè)備信號(hào)的判斷分類。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足，提供一種計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)信號(hào)分類方法以解決以上問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案是：被測(cè)聯(lián)鎖系統(tǒng)、仿真接口模塊，測(cè)試平臺(tái)；被測(cè)聯(lián)鎖系統(tǒng)包括：聯(lián)鎖計(jì)算機(jī)，io接口單元，的聯(lián)鎖計(jì)算機(jī)與io接口單元用can總線相連；仿真接口模塊包括驅(qū)動(dòng)繼電器、驅(qū)動(dòng)模塊、采集模塊、采集繼電器、中央處理單元；被測(cè)聯(lián)鎖系統(tǒng)要持續(xù)產(chǎn)生的不同的非平穩(wěn)的原始信號(hào)狀態(tài)進(jìn)行啟動(dòng)，呈現(xiàn)現(xiàn)場(chǎng)使用的狀態(tài)；io接口單元的io輸出至采集繼電器部分來(lái)驅(qū)動(dòng)采集繼電器，采集模塊采集被測(cè)聯(lián)鎖系統(tǒng)不同的非平穩(wěn)的原始信號(hào)狀態(tài)后，通過(guò)觀察裝置判斷不同的設(shè)備狀態(tài)和信號(hào)類型是否正常的目的；

設(shè)定不同的頻帶，在不同的頻帶內(nèi)，將非平穩(wěn)的原始信號(hào)分解成多個(gè)平穩(wěn)的模態(tài)函數(shù)的狀態(tài)信息，狀態(tài)信息在對(duì)應(yīng)的不同的頻帶內(nèi)作為單一分量，狀態(tài)信息發(fā)生不同的變化時(shí)，在不同頻帶內(nèi)的狀態(tài)信息的能量值會(huì)發(fā)生改變，并計(jì)算不同狀態(tài)信息的能量熵；從包含有主要變化信息的單一分量中提取出來(lái)的能量特征作為輸入建立支持向量機(jī)，判斷狀態(tài)信息的工作狀態(tài)和變化類型；并進(jìn)行狀態(tài)信息的工作狀態(tài)和變化類型的分類；由于相關(guān)函數(shù)和功率譜的非平穩(wěn)信號(hào)的統(tǒng)計(jì)量是時(shí)變函數(shù)，計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)在測(cè)試時(shí)采集非平穩(wěn)的原始信號(hào)獲取在頻域或者時(shí)域的特性，得到非平穩(wěn)的原始信號(hào)的頻譜隨時(shí)間的變化情況；當(dāng)非平穩(wěn)的原始信號(hào)由多個(gè)成分組成時(shí)，用傅里葉變換進(jìn)行分析；

非平穩(wěn)的原始信號(hào)分解成多個(gè)平穩(wěn)的模態(tài)函數(shù)的狀態(tài)信息的方法為離散小波分解，使用支持向量機(jī)作為分類器對(duì)非平穩(wěn)的原始信號(hào)進(jìn)行分類；最后使用支持向量機(jī)進(jìn)行非平穩(wěn)的原始信號(hào)識(shí)別；通過(guò)得到非平穩(wěn)的原始信號(hào)在不同的頻帶的特征信息，并直接在原始信號(hào)樣本中進(jìn)行分析，得到更全面、更準(zhǔn)確地刻畫被測(cè)聯(lián)鎖系統(tǒng)中發(fā)出的非平穩(wěn)的原始信號(hào)特征。

附圖說(shuō)明

圖1是本發(fā)明一種計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)信號(hào)分類的結(jié)構(gòu)示意圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行說(shuō)明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實(shí)施例僅用于說(shuō)明和解釋本發(fā)明，并不用于限定本發(fā)明。

實(shí)施例一：如圖1：針對(duì)計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)的非平穩(wěn)特征和現(xiàn)實(shí)中難以獲得大量典型變化樣本的實(shí)際情況，發(fā)明基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量機(jī)的狀態(tài)信息變化分類方法；通過(guò)總體平均經(jīng)驗(yàn)?zāi)B(tài)分解方法將非平穩(wěn)的原始信號(hào)分解成若干個(gè)平穩(wěn)的模態(tài)函數(shù)；狀態(tài)信息發(fā)生不同的變化時(shí)，在不同頻帶內(nèi)的信號(hào)能量值會(huì)發(fā)生改變，可通過(guò)計(jì)算不同信號(hào)的能量熵判斷是否發(fā)生變化；從包含有主要變化信息的分量中提取出來(lái)的能量特征作為輸入建立支持向量機(jī)，判斷狀態(tài)信息的工作狀態(tài)和變化類型；有效地應(yīng)用于狀態(tài)信息的變化分類；計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)一般會(huì)有被測(cè)聯(lián)鎖系統(tǒng)、仿真接口模塊，測(cè)試平臺(tái)這三種設(shè)備，其中被測(cè)聯(lián)鎖系統(tǒng)一般包括有聯(lián)鎖計(jì)算機(jī)，io接口單元，聯(lián)鎖計(jì)算機(jī)與io接口單元用can總線相連；仿真接口模塊包括驅(qū)動(dòng)繼電器、驅(qū)動(dòng)模塊、采集模塊、采集繼電器、中央處理單元；被測(cè)聯(lián)鎖系統(tǒng)要持續(xù)產(chǎn)生的不同的狀態(tài)進(jìn)行啟動(dòng)，呈現(xiàn)現(xiàn)場(chǎng)使用的狀態(tài)；io接口單元的io輸出至采集繼電器部分來(lái)驅(qū)動(dòng)采集繼電器，采集模塊通過(guò)被測(cè)聯(lián)鎖系統(tǒng)不同的信號(hào)狀態(tài)后，從而達(dá)到判斷不同的鐵路設(shè)備的目的；因此需要要有效地應(yīng)用于狀態(tài)信息的變化分類；要有一種合適于計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)的基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解奇異值熵和支持向量機(jī)的狀態(tài)信息變化分類方法以供現(xiàn)場(chǎng)復(fù)雜的設(shè)備信號(hào)的判斷分類；計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)在模擬現(xiàn)場(chǎng)測(cè)試過(guò)程中要發(fā)出各種信號(hào)以模擬各種不同狀態(tài)的發(fā)生，比如說(shuō)故障，沖擊、摩擦、渦動(dòng)、失速以及非平穩(wěn)振蕩等狀態(tài)，但這些狀態(tài)發(fā)出后，就有可能在接收時(shí)產(chǎn)生采集信號(hào)的非平穩(wěn)性，即當(dāng)所述非平穩(wěn)的原始信號(hào)產(chǎn)生或發(fā)展時(shí)將引起動(dòng)態(tài)信號(hào)出現(xiàn)非平穩(wěn)性時(shí)需要一種模態(tài)分類和狀態(tài)信息變化分類方法以供采集模塊采集；在這種情況下，一般來(lái)說(shuō)，非平穩(wěn)性可以表示某些所述非平穩(wěn)的原始信號(hào)的存在；種種情況表明，從工程中獲取的動(dòng)態(tài)信號(hào)，它們的平穩(wěn)性是相對(duì)的、局部的，而非平穩(wěn)性則是絕對(duì)的、廣泛的；由于相關(guān)函數(shù)、功率譜等非平穩(wěn)信號(hào)的統(tǒng)計(jì)量是時(shí)變函數(shù)，計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)測(cè)試時(shí)采集這些信號(hào)需要了解在頻域或者時(shí)域的特性，還需要得到信號(hào)的頻譜隨時(shí)間的變化情況；為此，本發(fā)明利用時(shí)間和頻率的聯(lián)合函數(shù)來(lái)表示這些信號(hào)，這種表示方法稱為信號(hào)的時(shí)頻表示；在實(shí)際中，被測(cè)聯(lián)鎖系統(tǒng)和被測(cè)系統(tǒng)的信號(hào)分布的主要缺點(diǎn)是存在交叉干擾項(xiàng)的問(wèn)題；是指當(dāng)信號(hào)由多個(gè)成分組成時(shí)，可以傅里葉變換進(jìn)行分析，而信號(hào)分布中的兩兩成分之間時(shí)頻中心坐標(biāo)的中點(diǎn)處有一些無(wú)任何物理意義的振蕩分量存在，它們提供的是虛假的能量分布，從而影響了信號(hào)分布的物理解釋；交叉干擾的存在造成了信號(hào)的時(shí)頻特征模糊不清的現(xiàn)象，因此如何對(duì)交叉干擾項(xiàng)進(jìn)行抑制，對(duì)利用瞬時(shí)對(duì)稱相關(guān)函數(shù)的傅里葉變換進(jìn)行分析非常重要；為了解決這一問(wèn)題，本發(fā)明做了大量的工作，發(fā)明一些改進(jìn)的方法找到能夠完全消除交叉干擾項(xiàng)而又不損害瞬傅里葉變換有用特性的方法，針對(duì)目前基于經(jīng)驗(yàn)?zāi)B(tài)分解的振蕩信號(hào)降噪方法不能同時(shí)較好地處理高頻內(nèi)蘊(yùn)模態(tài)函數(shù)與低頻內(nèi)蘊(yùn)模態(tài)函數(shù)的噪聲問(wèn)題，發(fā)明一種改進(jìn)的基于經(jīng)驗(yàn)?zāi)B(tài)分解的降噪方法，結(jié)合現(xiàn)有的兩種基于經(jīng)驗(yàn)?zāi)B(tài)分解降噪方法的優(yōu)點(diǎn)，分別對(duì)高頻內(nèi)蘊(yùn)模態(tài)函數(shù)與低頻內(nèi)蘊(yùn)模態(tài)函數(shù)采用不同的降噪方法；仿真和結(jié)果表明改進(jìn)的基于經(jīng)驗(yàn)?zāi)B(tài)分解的降噪方法具有更好地降噪性能；

實(shí)施例二：被測(cè)聯(lián)鎖系統(tǒng)、仿真接口模塊，測(cè)試平臺(tái)；被測(cè)聯(lián)鎖系統(tǒng)包括：聯(lián)鎖計(jì)算機(jī)，io接口單元，的聯(lián)鎖計(jì)算機(jī)與io接口單元用can總線相連；仿真接口模塊包括驅(qū)動(dòng)繼電器、驅(qū)動(dòng)模塊、采集模塊、采集繼電器、中央處理單元；被測(cè)聯(lián)鎖系統(tǒng)要持續(xù)產(chǎn)生的不同的狀態(tài)進(jìn)行啟動(dòng)，呈現(xiàn)現(xiàn)場(chǎng)使用的狀態(tài)；io接口單元的io輸出至采集繼電器部分來(lái)驅(qū)動(dòng)采集繼電器，采集模塊采集被測(cè)聯(lián)鎖系統(tǒng)不同的所述非平穩(wěn)的原始信號(hào)狀態(tài)后，通過(guò)觀察裝置判斷不同的設(shè)備信號(hào)的目的；

首先將所述非平穩(wěn)的原始信號(hào)進(jìn)行離散小波分解，然后利用分解后各頻帶的相對(duì)小波能量作為特征向量，最后使用支持向量機(jī)作為分類器對(duì)所述非平穩(wěn)的原始信號(hào)進(jìn)行分類；計(jì)算分解后得到的各個(gè)頻帶的樣本嫡值作為特征向量，最后使用支持向量機(jī)進(jìn)行所述非平穩(wěn)的原始信號(hào)識(shí)別；通過(guò)得到所述非平穩(wěn)的原始信號(hào)在不同頻帶的特征信息，與直接利用原始信號(hào)樣本嫡分析相比可以更全面、更準(zhǔn)確地刻畫所述非平穩(wěn)的原始信號(hào)特征；所述非平穩(wěn)的原始信號(hào)分類表明該方法取得較好地識(shí)別效果，是一種有效地所述非平穩(wěn)的原始信號(hào)分類方法；多類分類支持向量機(jī)的構(gòu)造方法主要有以下幾種:(1)一對(duì)多振蕩信號(hào)分類裝置分類其主要思想是聯(lián)合若干二類分類器組成一個(gè)多類分類器；對(duì)于n類分類問(wèn)題，該方法需要構(gòu)造n個(gè)兩類分類的子振蕩信號(hào)分類裝置；其中，第i個(gè)子分類器把第i個(gè)類別的所有樣本標(biāo)記為一類，其它所有類別的樣本標(biāo)記為另一類；n個(gè)振蕩信號(hào)分類裝置中輸出值最大對(duì)應(yīng)的那個(gè)類別判斷為待識(shí)別樣本所屬的類別；(2)一對(duì)一振蕩信號(hào)分類裝置分類這種分類方法主要思想:對(duì)于n類樣本，每?jī)深悩颖局g訓(xùn)練一個(gè)子振蕩信號(hào)分類裝置將這兩類樣本分開，每個(gè)子振蕩信號(hào)分類裝置只用兩類樣本進(jìn)行訓(xùn)練，這樣總共需要構(gòu)造幾個(gè)子振蕩信號(hào)分類裝置；在預(yù)測(cè)新樣本所屬的類別時(shí)，需要使用成對(duì)的子振蕩信號(hào)分類裝置進(jìn)行比較，每次產(chǎn)生一個(gè)優(yōu)勝者即可以獲得一個(gè)類別，最后運(yùn)用投票的方法來(lái)決定最后的輸出，即將樣本輸入某個(gè)振蕩信號(hào)分類裝置，該分類器的結(jié)果如果是屬于第1類，就給第1類加一票，當(dāng)所有分類器對(duì)識(shí)別樣本進(jìn)行分類后，哪一類別的票數(shù)最多，就判定新樣本屬于哪一類；有向無(wú)環(huán)圖振蕩信號(hào)分類裝置分類在訓(xùn)練階段采用一對(duì)一振蕩信號(hào)分類裝置方法的任意兩類樣本組合的訓(xùn)練方式，需要構(gòu)造子振蕩信號(hào)分類裝置，但是不同的是在分類過(guò)程中，有向無(wú)環(huán)圖振蕩信號(hào)分類裝置將所用子分類器構(gòu)造成一個(gè)有向無(wú)環(huán)圖形式，每個(gè)節(jié)點(diǎn)是一個(gè)進(jìn)行兩類分類的子振蕩信號(hào)分類裝置；當(dāng)對(duì)待識(shí)別樣本進(jìn)行分類時(shí)，從根節(jié)點(diǎn)開始，只需n-1步即可完成分類；“一對(duì)一”振蕩信號(hào)分類裝置在實(shí)際應(yīng)用中優(yōu)于其它方法。針對(duì)所述非平穩(wěn)的原始信號(hào)的時(shí)頻特征提取問(wèn)題，研究hilbert譜時(shí)頻特征提取方法；hilbert譜是對(duì)振蕩信號(hào)能量精確的時(shí)頻表示，反映了所述非平穩(wěn)的原始信號(hào)的時(shí)間和頻率的分布情況，為了提取所述非平穩(wěn)的原始信號(hào)信號(hào)hilbert譜特征，引入奇異值分解方法，利用hilbert譜奇異值作為所述非平穩(wěn)的原始信號(hào)特征參數(shù)；該方法利用了奇異值分解穩(wěn)定性好，可以較好地刻畫時(shí)頻矩陣特征的優(yōu)點(diǎn)；實(shí)測(cè)所述非平穩(wěn)的原始信號(hào)分類表明該方法得到較好地識(shí)別效果，具有一定的應(yīng)用價(jià)值；本發(fā)明通過(guò)研究基于獨(dú)立分量分析的所述非平穩(wěn)的原始信號(hào)特征提取方法；提出一種基于獨(dú)立分量分析的所述非平穩(wěn)的原始信號(hào)分類方法，通過(guò)對(duì)不同設(shè)備狀態(tài)的的所述非平穩(wěn)的原始信號(hào)信號(hào)分別進(jìn)行獨(dú)立分量分析，獲得各種設(shè)備狀態(tài)的信號(hào)的獨(dú)立分量，這些獨(dú)立分量中蘊(yùn)含了該設(shè)備狀態(tài)的振蕩信號(hào)的一些內(nèi)在特征；接著利用樣本與不同設(shè)備狀態(tài)的信號(hào)提取的獨(dú)立分量的相關(guān)系數(shù)絕對(duì)值的和作為該樣本的特征；最后使用支持向量機(jī)作為分類器進(jìn)行識(shí)別；結(jié)果表明所述非平穩(wěn)的原始信號(hào)分類表明該方法可以準(zhǔn)確提取所述非平穩(wěn)的原始信號(hào)特征，獲得較高的識(shí)別率；所述非平穩(wěn)的原始信號(hào)分類的關(guān)鍵問(wèn)題之一是如何對(duì)振蕩信號(hào)的非平穩(wěn)性進(jìn)行分析，獲取計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)所述非平穩(wěn)的原始信號(hào)特征；本發(fā)明以信號(hào)的平穩(wěn)性為前提的，分別從時(shí)域或頻域給出統(tǒng)計(jì)平均結(jié)果，同時(shí)考慮信號(hào)在時(shí)域和頻域的特性，對(duì)非平穩(wěn)信號(hào)進(jìn)行有效地分析和處理；針對(duì)非平穩(wěn)信號(hào)的處理本發(fā)明提出許多新的信號(hào)分析理論和技術(shù)，包括短時(shí)傅里葉變換、gabor變換、分?jǐn)?shù)階傅里葉變換以及小波變換等；計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)在出現(xiàn)所述非平穩(wěn)的原始信號(hào)情況下振蕩信號(hào)的能量分布情況，可以作為所述非平穩(wěn)的原始信號(hào)分類的特征；本發(fā)明研究基于所述非平穩(wěn)的原始信號(hào)特征提取與分類方法，發(fā)明一種支持向量機(jī)的所述非平穩(wěn)的原始信號(hào)分類方法，并以所述非平穩(wěn)的原始信號(hào)分類為例說(shuō)明了所提的有效性；

本發(fā)明的有益成果在于：本發(fā)明一種計(jì)算機(jī)聯(lián)鎖與聯(lián)鎖測(cè)試平臺(tái)非平穩(wěn)信號(hào)分類方法，通過(guò)對(duì)不同設(shè)備狀態(tài)的的所述非平穩(wěn)的原始信號(hào)信號(hào)分別進(jìn)行獨(dú)立分量分析，獲得各種設(shè)備狀態(tài)的信號(hào)的獨(dú)立分量，這些獨(dú)立分量中蘊(yùn)含了該設(shè)備狀態(tài)的振蕩信號(hào)的一些內(nèi)在特征；接著利用樣本與不同設(shè)備狀態(tài)的信號(hào)提取的獨(dú)立分量的相關(guān)系數(shù)絕對(duì)值的和作為該樣本的特征；最后使用支持向量機(jī)作為分類器進(jìn)行識(shí)別；結(jié)果表明所述非平穩(wěn)的原始信號(hào)分類表明該方法可以準(zhǔn)確提取所述非平穩(wěn)的原始信號(hào)特征，獲得較高的識(shí)別率，操作簡(jiǎn)單、使用靈活，檢測(cè)速度快，智能化程度高，具有一定的推廣價(jià)值。同時(shí)，進(jìn)行系統(tǒng)設(shè)計(jì)時(shí)，還考慮到系統(tǒng)的升級(jí)能力，留有一定的發(fā)展空間。此外，本發(fā)明的設(shè)計(jì)思路還可以應(yīng)用到不同的領(lǐng)域，尤其針對(duì)多任務(wù)設(shè)計(jì)的領(lǐng)域。