智能化声音信号检测铁轨异常

作者：王磊; 张华钟; 陈安东

来源：黑龙江交通科技, 2022, 45(03): 181-182.

DOI：10.16402/j.cnki.issn1008-3383.2022.03.055

• 铁路安全
• 梅尔频率倒谱系数
• 概率线性判别分析
• 智能识别

随着列车速度、铁道线路的进一步发展，国家对铁路安全愈发重视并提出了更高的要求。尤其是铁道线路长，铁轨零部件极多，一旦出现铁轨松动而修理不及时，会导致铁轨变形，发生重大交通事故。针对此问题，本研究设计了一种自动化识别铁轨松动的人工智能模型，构建了梅尔频率倒谱系数-概率线性判别分析模型(MFCC-PLDA)。结果显示该模型对铁轨松动的识别准确率高达98.5%,并将该模型与PCA-PLDA进行了实验对比，结果显示MFCC-PLDA效果最好。未来该方法可作为一种全新的智能识别技术应用于铁轨安全检测系统。