基于数据驱动的波形护栏监测数据故障诊断方法研究

• 作者: 韩子东 崔鹏飞 张凯
• 来源期刊: 公路交通科技
• 关键词: 交通安全 故障诊断算法 数据驱动 波形护栏 费舍尔判别分析
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 交通安全
• 页码范围: 149-158
• 页数: 10页
• 分类号: U495
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0268.2021.04.018

摘要

为了研究波形护栏撞击事件的监测算法,实现能够从过程数据中消除环境噪声,区分正常震动干扰数据和撞击数据,同时能准确定位故障发生的位置,采用了基于数据驱动的故障诊断方法,该方法将监测数据视为"过程数据",将撞击类数据视为一种"数据故障",将环境干扰数据视为"噪声数据",将大型货车经过时产生的正常幅度的震动数据视为"干扰数据".采用对比试验的方式来挑选适合护栏监测的数据驱动方法,再经过对该方法中各环节的优化和组合,提出了一种基于多尺度费舍尔判别分析的数据故障诊断模型.分析了基于数据驱动方法和基于传统利用经验阈值的方法的不同,以及基于数据驱动在监测波形护栏撞击事件的优点.分析了上述噪声数据的特点,优化了前期研究中的小波阈值除噪算法.分析了上述其他3类数据的特点,选择数据驱动中PCA,PLS,FDA这3类可能适合波形护栏撞击监测的算法,并分析了各类算法的工作原理.对比试验结果表明:基于数据驱动方法的护栏碰撞监测方法比基于阈值的监测方法准确率更高,误报率更低;经过优化后的小波阈值除噪算法能明显降低环境噪声对数据质量的影响;FDA相比较PCA和PLS更适合护栏撞击的数据故障诊断;与优化的小波阈值除噪算法组合后构成的MSFDA模型相比较,FDA模型抗噪能力更强,准确度更高.