Page 105 - 《振动工程学报》2025年第8期

第 8 期 周梁琪， 等：高速铁路扣件状态不良动态响应诊断方法 1745

特 征 作 为 诊 断 扣 件 状 态 的 评 价 标 准 ，并 用 于 后 续 ［6］ MARINO F， DISTANTE A， MAZZEO P L， et al. A
分类。 real-time visual inspection system for railway mainte‑
（3） 为实现扣件故障的高效智能化检测，利用 nance： automatic hexagonal-headed bolts detection［J］.
麻雀搜索算法优化支持向量机模型进行状态分类判 IEEE Transactions on Systems， Man， and Cybernet‑
ics， Part C： Applications and Reviews， 2007， 37（3）：
别，最终模型分类准确度为 97.50%，结果表明该方
418-428.
法对扣件状态检测具有较高的识别准确率。
［7］ 刘甲甲， 李柏林， 罗建桥， 等 . 融合 PHOG 和 MSLBP
（4） 将 SSA‑SVM 与其他两种分类检测模型的
特 征 的 铁 路 扣 件 检 测 算 法［J］. 西 南 交 通 大 学 学 报 ，
结果进行了对比试验，证明了经 SSA 算法优化后的
2015， 50（2）： 256-263.
SVM 模 型 具 有 较 高 的 识 别 精 度 以 及 较 快 的 运 算 LIU Jiajia， LI Bailin， LUO Jianqiao， et al. Railway fas‑
速度。 tener detection algorithm integrating PHOG and
（5） 最后通过绘制 ROC 曲线，并计算 KS 值和 MSLBP features［J］. Journal of Southwest Jiaotong
AUC 值，以及通过计算精确率、召回率与 F1 分值等 University， 2015， 50（2）： 256-263.
指标评价模型性能，进一步表明了 SSA‑SVM 模型 ［8］ 刘甲甲， 熊鹰， 李柏林， 等 . 基于计算机视觉的轨道扣
对扣件状态诊断的高准确性。 件 缺 陷 自 动 检 测 算 法 研 究［J］. 铁 道 学 报 ， 2016， 38
（8）： 73-80.
综上所述，本文基于车辆动态响应数据，针对连
LIU Jiajia， XIONG Ying， LI Bailin， et al. Research on
续多段扣件周期性状态不良问题，建立的广义解调
automatic inspection algorithm for railway fastener de‑
时频分析联合 SSA‑SVM 模型的扣件失效诊断方法
fects based on computer vision［J］. Journal of the China
具有较高的有效性和准确性，可以为相关领域的应
Railway Society， 2016， 38（8）： 73-80.
用提供技术参考。 ［9］ 戴鹏， 王胜春， 杜馨瑜， 等 . 基于半监督深度学习的无
砟 轨 道 扣 件 缺 陷 图 像 识 别 方 法［J］. 中 国 铁 道 科 学 ，
参考文献: 2018， 39（4）： 43-49.
DAI Peng， WANG Shengchun， DU Xinyu， et al. Im‑
［1］ 雷 晓 燕 ， 陈 水 生 . 高 速 铁 路 轨 道 结 构 空 间 动 力 分 析 age recognition method for the fastener defect of ballast‑
［J］. 铁道学报， 2000， 22（5）： 76-80. less track based on semi-supervised deep learning［J］.
LEI Xiaoyan， CHEN Shuisheng. Space dynamic analy‑ China Railway Science， 2018， 39（4）： 43-49.
ses for track structure of high speed railway［J］. Journal ［10］ 范宏， 侯云， 李柏林， 等 . 高铁扣件的自适应视觉检测
of the China Railway Society， 2000， 22（5）： 76-80. 算法［J］. 西南交通大学学报， 2020， 55（4）： 896-902.
［2］ 余自若， 袁媛， 张远庆， 等 . 高速铁路扣件系统弹条疲 FAN Hong， HOU Yun， LI Bailin， et al. Adaptive de‑
劳性能研究［J］. 铁道学报， 2014， 36（7）： 90-95. tection algorithm for high-speed railway fasteners by vi‑
YU Ziruo， YUAN Yuan， ZHANG Yuanqing， et al. sion［J］. Journal of Southwest Jiaotong University，
Fatigue properties of elastic bars of fastenting systems 2020， 55（4）： 896-902.
installed with high-speed railways［J］. Journal of the ［11］ 刘金朝， 陈东生， 赵钢， 等 . 评判高铁轨道短波不平顺
China Railway Society， 2014， 36（7）： 90-95. 病害的轨道冲击指数法［J］. 中国铁道科学， 2016， 37
［3］ 代 先 星 ， 阳 恩 慧 ， WANG Kelvin Chenping， 等 . 铁 路 （4）： 34-41.
扣件缺陷自动检测研究进展［J］. 铁道科学与工程学 LIU Jinzhao， CHEN Dongsheng， ZHAO Gang， et al.
报， 2017， 14（11）： 2452-2459. Track impact index method for evaluating track short
DAI Xianxing， YANG Enhui， WANG Kelvin Chen‑ wave irregularity of high speed railway［J］. China Rail‑
ping， et al. Technology progress of automatic railway way Science， 2016， 37（4）： 34-41.
fastener inspection［J］. Journal of Railway Science and ［12］ 徐晓迪， 王卫东， 刘金朝， 等 . 基于同步压缩短时 Fou‑
Engineering， 2017， 14（11）： 2452-2459. rier 变 换 的 信 号 瞬 时 频 率 提 取 方 法［J］. 振 动 工 程 学
［4］ LI Y， TRINH H， HAAS N， et al. Rail component de‑ 报， 2018， 31（6）： 1085-1092.
tection， optimization， and assessment for automatic rail XU Xiaodi， WANG Weidong， LIU Jinzhao， et al. In‑
track inspection［J］. IEEE Transactions on Intelligent stantaneous frequency components separation method
Transportation Systems， 2014， 15（2）： 760-770. based on synchro-squeezed short time Fourier transform
［5］ STELLA E， MAZZEO P， NITTI M， et al. Visual ［J］. Journal of Vibration Engineering， 2018， 31（6）：
recognition of missing fastening elements for railroad 1085-1092.
maintenance［C］// Proceedings of The IEEE 5th Inter‑ ［13］ OLHEDE S， WALDEN A T. A generalized demodula‑
national Conference on Intelligent Transportation Sys‑ tion approach to time-frequency projections for multi‑
tems. IEEE， 2002： 94-99. component signals［J］. Proceedings of the Royal Society