本發(fā)明涉及鐵路以及傳感器數(shù)據(jù)采集和降噪，特別涉及一種無線傾角傳感器自適應(yīng)采集實(shí)時(shí)降噪方法和系統(tǒng)。

背景技術(shù)：

1、隨著高速鐵路的迅速發(fā)展，為滿足大空間和獨(dú)特建筑功能需求，高鐵客站站房、候車廳、站臺(tái)雨棚多采用大體量、大跨度、結(jié)構(gòu)體系復(fù)雜的網(wǎng)架、桁架、張弦等鋼結(jié)構(gòu)形式，一方面，主體結(jié)構(gòu)構(gòu)件均按長年限設(shè)計(jì)且長期不可更換，另一方面，大多數(shù)地區(qū)尤其沿海地區(qū)還會(huì)受到復(fù)雜環(huán)境影響，鋼結(jié)構(gòu)容易發(fā)生損傷,產(chǎn)生各種變形等問題，其安全性問題尤為突出。鑒于以上兩個(gè)原因，對(duì)結(jié)構(gòu)主體實(shí)施基于傳感器的在線健康監(jiān)測(cè)是非常必要的。

2、然而，現(xiàn)有技術(shù)中對(duì)結(jié)構(gòu)主體實(shí)施基于傳感器的在線健康監(jiān)測(cè)技術(shù)方案存在三方面的技術(shù)缺陷，已然不能很好滿足高鐵快速發(fā)展對(duì)建設(shè)與運(yùn)維安全全方位高效管理迫切需求，具體體現(xiàn)在：

3、1、當(dāng)前鐵路站臺(tái)風(fēng)雨棚結(jié)構(gòu)健康監(jiān)測(cè)應(yīng)用推廣不甚理想，從系統(tǒng)設(shè)備角度來看，長期受制于監(jiān)測(cè)設(shè)備安裝復(fù)雜，有線傳輸大量布設(shè)線纜，檢修維護(hù)成本較高；

4、2、列車通行振動(dòng)環(huán)境噪聲大，設(shè)備數(shù)據(jù)信噪比不高，穩(wěn)定性不好，實(shí)際動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)信噪比低，誤報(bào)率較高，不能動(dòng)態(tài)準(zhǔn)確反映真實(shí)結(jié)構(gòu)狀態(tài)；

5、3、系統(tǒng)的自適應(yīng)性智能化水平不足。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是針對(duì)高鐵站臺(tái)風(fēng)雨棚鋼結(jié)構(gòu)傾斜監(jiān)測(cè)場景無線傳輸、低功耗、信噪比高及降低誤報(bào)率需求特點(diǎn)，基于高鐵列車通行振動(dòng)干擾復(fù)雜環(huán)境，提出一種簡單可行有效的無線傾角傳感器自適應(yīng)采集實(shí)時(shí)降噪方法和系統(tǒng)，一方面能夠通過傳感器采集數(shù)據(jù)分析判斷傳感器本身工作(振動(dòng))狀態(tài)，實(shí)現(xiàn)設(shè)備在振動(dòng)工作狀態(tài)期間摒棄振動(dòng)干擾異常數(shù)據(jù)，并自適應(yīng)調(diào)整采集頻率；第二方面能夠基于標(biāo)準(zhǔn)差比較法構(gòu)建數(shù)據(jù)降噪模型。

2、本發(fā)明的第一方面在于提供一種無線傾角傳感器自適應(yīng)采集實(shí)時(shí)降噪方法，包括：

3、s1，基于對(duì)所述無線傾角傳感器采集的傾角監(jiān)測(cè)數(shù)據(jù)的分析判斷所述無線傾角傳感器自身的工作狀態(tài)，其中所述工作狀態(tài)包括所述無線傾角傳感器處于列車經(jīng)過造成的臨時(shí)性擾動(dòng)狀態(tài)、所述無線傾角傳感器自身損壞及其他偶然因素導(dǎo)致的數(shù)據(jù)不穩(wěn)定或所述無線傾角傳感器處于正常非振動(dòng)工作狀態(tài)；

4、s2，根據(jù)s1中所述傾角傳感器處于非振動(dòng)正常工作狀態(tài)的判定結(jié)果，進(jìn)行基于標(biāo)準(zhǔn)差的傳感器采集數(shù)據(jù)降噪，所述基于標(biāo)準(zhǔn)差的傳感器采集數(shù)據(jù)降噪基于數(shù)據(jù)降噪模型實(shí)現(xiàn)，所述數(shù)據(jù)降噪模型基于標(biāo)準(zhǔn)差比較法構(gòu)建。

5、優(yōu)選的，所述s1包括：

6、s11，獲取無線傾角傳感器以及聲學(xué)信號(hào)采集傳感器的監(jiān)測(cè)數(shù)據(jù)，其中，所述無線傾角傳感器用于實(shí)時(shí)獲取并采集相應(yīng)位置的傾角監(jiān)測(cè)數(shù)據(jù)，所述聲學(xué)信號(hào)采集傳感器用于監(jiān)測(cè)無線傾角傳感器所在環(huán)境中的聲學(xué)信號(hào)；

7、s12，基于均值比較的傳感器振動(dòng)工作狀態(tài)數(shù)據(jù)分析判別方法分析所述傾角監(jiān)測(cè)數(shù)據(jù)的高頻振動(dòng)干擾特征獲得針對(duì)所述無線傾角傳感器自身的工作狀態(tài)的第一分析結(jié)果；所述第一分析結(jié)果包括第一判定結(jié)果和第一處理行為。

8、優(yōu)選的，所述s12的實(shí)施流程包括：

9、(1)根據(jù)所述無線傾角傳感器的單次采集數(shù)據(jù)樣本計(jì)算單次采集樣本數(shù)據(jù)平均值作為參考平均值基準(zhǔn)；

10、(2)基于所述參考平均值基準(zhǔn)與單次采集的數(shù)據(jù)變量的比較確定第一分析結(jié)果；所述第一判定結(jié)果包括所述傾角傳感器處于非振動(dòng)正常工作狀態(tài)或者所述傾角傳感器可能處于振動(dòng)異常工作狀態(tài)；所述第一處理行為包括針對(duì)所述傾角傳感器處于非振動(dòng)正常工作狀態(tài)直接進(jìn)入s2或者針對(duì)所述傾角傳感器可能處于振動(dòng)異常工作狀態(tài)的時(shí)刻喚醒所述聲學(xué)信號(hào)采集傳感器以實(shí)時(shí)采集所述所在環(huán)境中的聲學(xué)信號(hào)；

11、s13，基于聲學(xué)信號(hào)優(yōu)化的傳感器振動(dòng)工作狀態(tài)數(shù)據(jù)分析判別方法處理和分析所述聲學(xué)傳感器中的所在環(huán)境中的聲學(xué)信號(hào)的聲音數(shù)據(jù)特征獲得針對(duì)所述無線傾角傳感器自身的工作狀態(tài)的第二分析結(jié)果，其中所述聲音數(shù)據(jù)特征包括分貝和音調(diào)；

12、s14，基于所述第一分析結(jié)果和所述第二分析結(jié)果，精確判斷所述無線傾角傳感器的工作狀態(tài)，有效區(qū)分列車經(jīng)過造成的臨時(shí)性擾動(dòng)和傳感器自身損壞及其他偶然因素導(dǎo)致的數(shù)據(jù)不穩(wěn)定，對(duì)于列車經(jīng)過的臨時(shí)性擾動(dòng)通過傳感器設(shè)備自適應(yīng)狀態(tài)調(diào)整進(jìn)行智能降噪，對(duì)于其他異常情況下的數(shù)據(jù)不穩(wěn)進(jìn)行針對(duì)性處理，提高傳感器工作狀態(tài)判別和整個(gè)測(cè)量系統(tǒng)的魯棒性和準(zhǔn)確性。

13、優(yōu)選的，所述s13的實(shí)施流程包括：

14、(1)對(duì)所在環(huán)境中的聲學(xué)信號(hào)進(jìn)行數(shù)據(jù)處理，所述數(shù)據(jù)處理包括濾波和特征提??；

15、(2)基于所述聲音數(shù)據(jù)特征對(duì)所述無線傾角傳感器自身的工作狀態(tài)進(jìn)行分析與判斷獲得第二分析結(jié)果；所述第二分析結(jié)果包括根據(jù)分貝閾值比較、音調(diào)模式匹配分析以及持續(xù)時(shí)間匹配分析確定是否有無列車經(jīng)過。

16、優(yōu)選的，所述s14的流程包括：

17、(1)若傾角傳感器數(shù)據(jù)|μ0-xi|＞2σ，且聲學(xué)數(shù)據(jù)分析結(jié)果為有列車經(jīng)過，則傳感器處于列車經(jīng)過造成的臨時(shí)性擾動(dòng)狀態(tài)，此時(shí)需要進(jìn)行智能降噪處理：剔除此次采集數(shù)據(jù)樣本a0，并按照采集頻率間隔再次采集新樣本數(shù)據(jù)進(jìn)行處理，循環(huán)操作；其中，μ0為單次采集數(shù)據(jù)樣本a0平均值，xi為單次采集的數(shù)據(jù)變量，σ為無線傾角傳感器的測(cè)量標(biāo)稱精度；

18、(2)若傾角傳感器數(shù)據(jù)|μ0-xi|＞2σ，且聲學(xué)數(shù)據(jù)分析結(jié)果為無列車經(jīng)過，則傳感器處于自身損壞及其他偶然因素導(dǎo)致的數(shù)據(jù)不穩(wěn)定工作狀態(tài)，此時(shí)需要及時(shí)進(jìn)行針對(duì)性處理。

19、優(yōu)選的，所述s2包括：

20、s21，基于所述傾角傳感器前端采集數(shù)據(jù)的離散性特征，離散型數(shù)據(jù)變量分析及卡爾曼濾波算法構(gòu)建所述數(shù)據(jù)降噪模型，并基于所述數(shù)據(jù)降噪模型計(jì)算；所述數(shù)據(jù)降噪模型用于實(shí)施基于標(biāo)準(zhǔn)差的傳感器采集數(shù)據(jù)降噪；

21、s22，基于所述數(shù)據(jù)降噪模型計(jì)算初始參考樣本標(biāo)準(zhǔn)差參考值；所述s22具體實(shí)施為：

22、根據(jù)所述傾角傳感器非振動(dòng)工作狀態(tài)單次采集數(shù)據(jù)樣本a0計(jì)算得出初始參考標(biāo)準(zhǔn)差基準(zhǔn)值，假設(shè)單次采集數(shù)據(jù)樣本a0平均值為μ0，則初始參考樣本標(biāo)準(zhǔn)差參考值計(jì)算公式如下：

23、

24、其中，σ0為初始數(shù)據(jù)樣本a0標(biāo)準(zhǔn)差參考值，xi為單次采集的數(shù)據(jù)變量，μ0為單次采集數(shù)據(jù)樣本a0平均值，n為單次采集樣本數(shù)據(jù)個(gè)數(shù)；

25、s23，在所述傾角傳感器輸出數(shù)據(jù)前，連續(xù)采集某一時(shí)刻t所述傾角傳感器非振動(dòng)工作狀態(tài)下的一組采集數(shù)據(jù)樣本a1，并計(jì)算該時(shí)刻t對(duì)應(yīng)的單次采集數(shù)據(jù)樣本a1平均值σ1；

26、s24，將所述單次采集數(shù)據(jù)樣本a1平均值σ1與初始數(shù)據(jù)樣本a0標(biāo)準(zhǔn)差參考值σ0進(jìn)行對(duì)比分析后，根據(jù)所述對(duì)比分析結(jié)果確定所述傾角傳感器的輸出數(shù)據(jù)。

27、優(yōu)選的，所述s24包括：

28、(1)若σ1≤σ0，則將單次采集數(shù)據(jù)樣本a1平均值示為μ1；

29、(2)若σ1>σ0，則重新采集一組單次采集數(shù)據(jù)樣本a2，將單次采集數(shù)據(jù)樣本a2平均值σ2與初始數(shù)據(jù)樣本a0標(biāo)準(zhǔn)差參考值σ0對(duì)比：

30、①若σ2≤σ0，則將單次采集數(shù)據(jù)樣本a2平均值示為μ1；

31、②若σ2>σ0，則將單次采集數(shù)據(jù)樣本a1、a2標(biāo)準(zhǔn)差σ1及σ2較小的一組數(shù)據(jù)樣本平均值示為μ1；

32、(3)傳感器當(dāng)前輸出值p1＝(a·μ0+b·μ1)/(a+b)；其中a，b為權(quán)重系數(shù)，能夠根據(jù)μ0與μ1的相對(duì)變化值與傳感器精度或預(yù)警值的相對(duì)大小而調(diào)整，提高數(shù)據(jù)信噪比。

33、本發(fā)明的第二方面還提供一種無線傾角傳感器自適應(yīng)采集實(shí)時(shí)降噪系統(tǒng)，包括：

34、傳感器工作狀態(tài)確定模塊(101)，用于基于對(duì)所述無線傾角傳感器采集的傾角監(jiān)測(cè)數(shù)據(jù)的分析判斷所述無線傾角傳感器自身的工作狀態(tài)，其中所述工作狀態(tài)包括所述無線傾角傳感器處于列車經(jīng)過造成的臨時(shí)性擾動(dòng)狀態(tài)、所述無線傾角傳感器自身損壞及其他偶然因素導(dǎo)致的數(shù)據(jù)不穩(wěn)定或所述無線傾角傳感器處于正常非振動(dòng)工作狀態(tài)；

35、實(shí)時(shí)降噪模塊(102)，用于根據(jù)所述傾角傳感器處于非振動(dòng)正常工作狀態(tài)的判定結(jié)果，進(jìn)行基于標(biāo)準(zhǔn)差的傳感器采集數(shù)據(jù)降噪，所述基于標(biāo)準(zhǔn)差的傳感器采集數(shù)據(jù)降噪基于數(shù)據(jù)降噪模型實(shí)現(xiàn)，所述數(shù)據(jù)降噪模型基于標(biāo)準(zhǔn)差比較法構(gòu)建。

36、本發(fā)明的第三方面提供一種電子設(shè)備，包括處理器和存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有多條指令，所述處理器用于讀取所述指令并執(zhí)行如第一方面所述的方法。

37、本發(fā)明的第四方面提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有多條指令，所述多條指令可被處理器讀取并執(zhí)行如第一方面所述的方法。

38、本發(fā)明的方法和系統(tǒng)的有益效果：

39、(1)有效提高設(shè)備前端采集數(shù)據(jù)信噪比，降低甚至消除系統(tǒng)傳感器數(shù)據(jù)畸變誤報(bào)，為后期的監(jiān)測(cè)數(shù)據(jù)挖掘、融合分析及工程方案決策提供重要的技術(shù)保障。

40、(2)本發(fā)明的方法和系統(tǒng)也可拓展并廣泛應(yīng)用于工程行業(yè)模式識(shí)別、分類和數(shù)據(jù)挖掘等領(lǐng)域。