基于车厢内部噪声的地铁钢轨波磨自监督快速识别方法

来源：振动与冲击杂志2025年第6期北京时间：

作者：马超智czma@cumt, ，王阳，张淑芳，钟杰，肖宏

单位：1.中国矿业大学力学与土木工程学院，江苏徐州221018；2.北京交通大学轨道工程北京市重点实验室，北京100044；3.无锡时代智能交通研究院有限公司，江苏无锡214215；4.铁科院（深圳）研究设计院有限公司，广东深圳518000

摘要：钢轨波磨快速识别是轨道交通运维部门制定养修计划的基础，使用车厢内部（车内）噪声数据进行钢轨波磨快速识别具有显著优势。为解决车内噪声标签数据无法大量获取的问题及少标签样本通用学习的困难，提出了一种包含“预训练+精调”两阶段的钢轨波磨自监督识别模型。首先，获取了地铁列车运行时大量车内噪声数据，并利用小波降噪与小波变换技术建立了车内噪声时频图数据集。之后，预训练阶段采用降噪卷积自编码器对大量无标签车内噪声时频图进行表征学习，获取预训练最优参数；在精调阶段利用“编码器+分类器”对少量有标签的车内噪声时频图进行监督学习。最后，开展了模型实验及钢轨波磨识别评估。结果表明：所提出的钢轨波磨自监督识别模型能够自动有效抽取时频图主要特征，模型针对“无波磨”、“30~100 mm波磨”、“100~300 mm波磨”和“30~100 mm+100~300 mm波磨”的检测精度分别为95.62 %、96.46 %、92.38 %和90.37 %。<br>

关键词：城市轨道交通；钢轨波磨；车厢内部噪声；快速检测；自监督学习