具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本发明的实施，其中的步骤顺序不作限定，可根据需要作适当调整。

图1为本发明实施例中钢轨波磨检测方法的流程图，如图1所示，该方法包括：

步骤101，实时获取运营列车的三维坐标集合、初始车速集合、初始车体垂向加速度集合、初始车体横向加速度集合、初始噪声集合和车体摇头角速度集合；

步骤102，对初始车速集合进行积分计算，获得第一里程集合；

步骤103，基于三维坐标集合，对第一里程集合和初始车速集合进行修正，获得第三里程集合和第一车速集合；

步骤104，根据第一车速集合和车体摇头角速度集合，对初始车体垂向加速度集合、初始车体横向加速度集合和初始噪声集合进行数据融合，计算钢轨波磨评价指数；

步骤105，根据第三里程集合和钢轨波磨评价指数，计算钢轨波磨特征系数，判断疑似钢轨波磨的区段；

步骤106，根据第三里程集合和初始车体垂向加速度集合计算周期性特征系数，根据所述周期性特征系数，从疑似钢轨波磨的区段中筛选出确定存在钢轨波磨的区段。

在上述实施例中，可实时获取运营列车的三维坐标集合、初始车速集合、初始车体垂向加速度集合、初始车体横向加速度集合、初始噪声集合和车体摇头角速度集合，因此，可将采集模块搭载于运营列车车厢内部，数据采集方法，然后，即可通过上述计算过程，获得准确地钢轨波磨，实时性好。

在一实施例中，实时获取运营列车的三维坐标集合、初始车速集合、初始车体垂向加速度集合、初始车体横向加速度集合、初始噪声集合和车体摇头角速度集合，包括：

采用GNSS定位模块实时获取运营列车的三维坐标数据和初始车速数据；

采用加速度传感器实时获取运营列车的初始车体垂向加速度集合、初始车体横向加速度集合；

采用声压传感器实时获取运营列车的初始噪声集合，所述声压传感器竖直朝下测量由轮轨接触面传递至车厢底板的噪声；

采用光纤陀螺实时获取运营列车的车体摇头角速度集合。

在上述实施例中，采集数据前设置运营列车起点位置所在里程并根据列车运行方向选择增里程或减里程。列车运行过程中采用高精度GNSS定位模块来实时获取车辆的三维坐标集合{(x_i,y_i,z_i),i＝1,2,…,M}和初始车速集合{v_i,i＝1,2,…,M}。GNSS定位模块可接收GPS、GLONASS、BDS、GALILEO四大GNSS系统卫星信号，同时支持差分定位，定位精度达到厘米级。

在步骤102中，对初始车速集合进行积分计算，获得第一里程集合，具体实施时，根据如下公式将初始车速集合进行一次积分计算得到第一里程集合增里程选用“+”，减里程选用“-”，Δt为采样时间间隔：

图2为本发明实施例中数据修正的流程图，如图2所示，在一实施例中，基于三维坐标集合，对第一里程集合和初始车速集合进行修正，获得第三里程集合和第一车速集合，包括：

步骤201，根据三维坐标集合和线路中线坐标点库坐标集合校准第一里程集合，获得第二里程集合；

步骤202，将第二里程集合和初始车速集合按车体振动数据的采样频率进行线性插值，生成第三里程集合和第一车速集合。

图3为本发明实施例中里程校准的流程图，如图3所示，在一实施例中，根据三维坐标集合和线路中线坐标点库坐标集合校准第一里程集合，获得第二里程集合，包括：

步骤301，在三维坐标集合{(x_i,y_i,z_i),i＝1,2,…,M}中，筛选出距离线路中线坐标点库坐标集合{(X_j,Y_j,Z_j),j＝1,2,…,N}最近的，且满足两点平面坐标距离小于里程校准误差阈值d₀的坐标点群，形成第一里程校准点群，其坐标为{(x_i,y_i,z_i),i＝1,2,…,M₁}，M₁≤M；

步骤302，将第一里程校准点群的里程集合修正为与相对应的线路中线坐标点的里程一致的里程集合，所述第一里程校准点群的里程集合包括多个校准点的里程误差；

步骤303，从第一里程集合的起点开始，利用第1个校准点的里程误差来修正起点至第2个校准点之间的第一里程数据，所述第一里程集合包括多个第一里程数据；

步骤304，重复执行以下步骤，直至第一里程集合中的第一里程数据修正完毕，形成第二里程集合

利用第n个校准点的里程误差来修正第n个校准点至第n+1个校准点之间的第一里程数据，n大于等于2。

在本发明实施中，采用等时间间隔采样，其中GNSS定位模块的采样频率Fs_M比车体振动数据的采样频率Fs_P低很多，GNSS定位模块的采样点数为M，车体振动数据的采样点数为P，M＝P。为了使每个加速度传感器、声压传感器和后面涉及的光纤陀螺传感器数据的采样点都被赋予里程和车速信息，需将第二里程集合和初始车速集合{v_i,i＝1,2,…,M}按采样频率Fs_P进行线性插值，生成第三里程集合和第一车速集合

上述过程为高精度数据里程定位方法的过程。

图4为本发明实施例中钢轨波磨评价指数计算的总体流程图，如图4所示，在一实施例中，根据第一车速集合和车体摇头角速度集合，对初始车体垂向加速度集合、初始车体横向加速度集合和初始噪声集合进行数据融合，计算钢轨波磨评价指数，包括：

步骤401，根据预设的截止频率范围对初始车体垂向加速度集合、初始车体横向加速度集合和初始噪声集合进行带通滤波处理，生成第一车体垂向加速度集合第一车体横向加速度集合第一噪声集合

步骤402，分别计算第一车体垂向加速度集合、第一车体横向加速度集合和第一噪声集合的滑动有效值，生成车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合；

其中，指定滑动有效值的计算窗长，即一个滑动窗所包含的采样点个数A。指定滑动有效值的滑动距离，即相邻两个滑动窗相位差所包含的采样点个数B。P个数据包含的滑动窗个数为C。假设原始数据集合为：{x_i,i＝1,2,…,P}，滑动有效值的快速计算方法如下：计算第1个滑动窗内数据的平方和并计算第1个有效值令j从2依次递增到C，第j个平方和为第j个有效值为

将第一车体垂向加速度集合、第一车体横向加速度集合和第一噪声集合按上述滑动有效值快速计算方法进行处理，生成车体垂向加速度滑动有效值集合车体横向加速度滑动有效值集合噪声滑动有效值集合

步骤403，基于第一车速集合和车体摇头角速度集合，对车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合进行数据融合，计算钢轨波磨评价指数。

图5为本发明实施例中通过数据融合计算钢轨波磨评价指数的流程图，如图5所示，在一实施例中，基于第一车速集合和车体摇头角速度集合，对车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合进行数据融合，计算钢轨波磨评价指数，包括：

具体实施时，可以采用光纤陀螺测量获得车体摇头角速度集合{r_z,i,i＝1,2,…,P}。

步骤501，以第一截止频率F_R对所述车体摇头角速度集合进行低通滤波，生成第一车体摇头角速度集合

步骤502，对第一车速集合和第一车体摇头角速度集合进行抽样，抽取每个滑动窗中心位置的点对应的数据，得到第二车速集合和第二车体摇头角速度集合

步骤503，根据第二车体摇头角速度集合，确定车体横向加速度权重系数；

由于波磨多发生在小半径曲线处，曲线上波磨对车体横向加速度也有一定贡献。因此，采用如下公式，进行第二车体摇头角速度的处理，用来决定曲线地段车体横向加速度的权重系数s_y,j，式中，r₁为一固定常量。

步骤504，根据第二车速集合、车体横向加速度权重系数、车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合，计算钢轨波磨评价指数。

在一实施例中，采用如下公式，根据第二车速集合、车体横向加速度权重系数、车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合，计算钢轨波磨评价指数：

其中，V_j为钢轨波磨评价指数；s_z,j＝1-s_y,j为车体垂向加速度的权重系数；s_y,j为车体横向加速度的权重系数；s_a为振动指标权重系数；s_no为噪声指标权重系数；为车体垂向加速度滑动有效值；为车体横向加速度滑动有效值；为噪声滑动有效值；v_j为第三车速。s_a和s_no根据列车具备发车条件且静止时的振动、噪声水平进行标定。不同车速时引起振动和噪声等级也不同，式中除以是为了进行速度归一化。

图6为本发明实施例中判断疑似钢轨波磨的区段的流程图，如图6所示，在一实施例中，根据第三里程集合和钢轨波磨评价指数，计算钢轨波磨特征系数，判断疑似钢轨波磨的区段，包括：

步骤601，对第三里程集合进行抽样，抽取每个滑动窗中心位置的点对应的数据，得到第四里程集合

步骤602，将第四里程集合作为自变量，钢轨波磨评价指数作为因变量，以第一设定采样间隔对钢轨波磨评价指数进行等空间重采样，生成第五里程集合和第二钢轨波磨评价指数

在本发明实施例中，第一设定采样间隔为1m，

步骤603，以第二截止频率将第二钢轨波磨评价指数进行低通滤波，生成第三钢轨波磨评价指数

步骤604，计算第三钢轨波磨评价指数的平均值

步骤605，根据第三钢轨波磨评价指数和第三钢轨波磨评价指数的平均值，计算钢轨波磨特征系数；

在一实施例中，根据第三钢轨波磨评价指数和第三钢轨波磨评价指数的平均值，计算钢轨波磨特征系数：

其中，E_k为钢轨波磨特征系数；V_k为第三钢轨波磨评价指数；V₀为第三钢轨波磨评价指数的平均值。

步骤606，确定连续设定长度以上超过预设钢轨波磨特征系数阈值E₀的区段为疑似钢轨波磨的区段。

钢轨波磨特征系数的优势在于将绝对阈值难以确定的多指标综合评价指数，转化成易于确定阈值的相对指标。

图7为本发明实施例中计算周期性特征系数的流程图，如图7所示，在一实施例中，根据第三里程集合和初始车体垂向加速度集合计算周期性特征系数，包括：

步骤701，将第三里程集合作为自变量，第一车体垂向加速度集合作为因变量，以第二设定采样间隔对第一车体垂向加速度集合进行等空间重采样，生成第五里程集合和第二车体垂向加速度集合其中，第一车体垂向加速度集合为根据预设的截止频率范围对初始车体垂向加速度集合进行带通滤波处理生成的；

在本发明实施例中，第二设定采样间隔为0.5mm。

步骤702，采用平均周期图法计算第二车体垂向加速度的功率谱{S_xx,j,j＝1,2,…,F}，对应的空间频率为{f_xx,j,j＝1,2,…,F}，空间频率的倒数即为波长，记作{l_xx,j,j＝1,2,…,F}；

步骤703，对所述功率谱在第一设定波长范围内的同为极大值且最大值的波长进行取整，获得疑似钢轨波磨的特征波长l_xx,0；

在本发明实施例中，第一设定波长范围为[30mm,300mm]，取整时要进行四舍五入取整。

步骤704，根据所述功率谱和特征波长，计算周期性特征系数。

在一实施例中，根据所述功率谱和特征波长，计算周期性特征系数，包括：

在第二设定波长范围内，每单位长度记录一个所述功率谱的同为极大值且最大值的波长，可以记录为{S_xx,k,k＝1,2,…,586}，形成波长集合{15,16,…,600}；

需要说明的是，若某个波长区间内不存在同时为极大值和最大值的功率谱，则S_xx,k记录为0。

确定特征波长l_xx,0在波长集合中的序号为f₂；

将特征波长l_xx,0的倍并取整在波长集合中的序号计为f₁；

将特征波长l_xx,0的2倍在波长集合中的序号计为f₃；

根据如下公式计算周期性特征系数：

其中，F为周期性特征系数；为波长集合中第f₁个波长；为波长集合中第f₂个波长；为波长集合中第f₃个波长；S_xx,k为波长集合中第k个波长。

具体实施时，第二设定波长范围为[15mm,600mm]。周期性特征系数表达的是钢轨波磨特征波长和打磨痕迹特征波长的能量总和，在波长[30,300]mm范围内所有特征波长总能量的占比。因此，周期性特征系数反映的是特征波长l_xx,0的周期性特征的强烈程度。根据预设的周期性特征系数阈值F₀，来确定疑似钢轨波磨区段是否存在钢轨波磨。

在一实施例中，根据所述周期性特征系数，从疑似钢轨波磨的区段中筛选出确定存在钢轨波磨的区段，包括：

若疑似钢轨波磨的区段的周期性特征系数F大于或等于预设的周期性特征系数阈值F₀，则该疑似钢轨波磨的区段为确定存在钢轨波磨的区段，否则，该疑似钢轨波磨的区段为确定不存在钢轨波磨的区段。

综上所示，在本发明实施例提出的方法中，实时获取运营列车的三维坐标集合、初始车速集合、初始车体垂向加速度集合、初始车体横向加速度集合、初始噪声集合和车体摇头角速度集合；对初始车速集合进行积分计算，获得第一里程集合；基于三维坐标集合，对第一里程集合和初始车速集合进行修正，获得第三里程集合和第一车速集合；根据第一车速集合和车体摇头角速度集合，对初始车体垂向加速度集合、初始车体横向加速度集合和初始噪声集合进行数据融合，计算钢轨波磨评价指数；根据第三里程集合和钢轨波磨评价指数，计算钢轨波磨特征系数，判断疑似钢轨波磨的区段；根据第三里程集合和初始车体垂向加速度集合计算周期性特征系数，根据所述周期性特征系数，从疑似钢轨波磨的区段中筛选出确定存在钢轨波磨的区段。在上述实施例中，无需对运营列车进行任何改装就能实时获取运营列车的三维坐标集合、初始车速集合、初始车体垂向加速度集合、初始车体横向加速度集合、初始噪声集合和车体摇头角速度集合，提出钢轨波磨评价指数和钢轨波磨特征系数，用于评价钢轨波磨对车辆振动和噪声响应的影响，解决了绝对阈值不易确定的问题；提出周期性特征系数来表征钢轨波磨的周期性特征，用于确定钢轨波磨区段。最终，可以准确检测钢轨波磨状态，解决现有检测设备研发、制造、维护成本高，检测周期较长的问题。

本发明实施例还提出一种钢轨波磨检测装置，其原理与钢轨波磨检测方法类似，这里不再赘述。

图8为本发明实施例中钢轨波磨检测装置的示意图，如图8所示，该装置包括：

数据获取模块801，用于实时获取运营列车的三维坐标集合、初始车速集合、初始车体垂向加速度集合、初始车体横向加速度集合、初始噪声集合和车体摇头角速度集合；

第一里程集合获得模块802，用于对初始车速集合进行积分计算，获得第一里程集合；

修正模块803，用于基于三维坐标集合，对第一里程集合和初始车速集合进行修正，获得第三里程集合和第一车速集合；

钢轨波磨评价指数计算模块804，用于根据第一车速集合和车体摇头角速度集合，对初始车体垂向加速度集合、初始车体横向加速度集合和初始噪声集合进行数据融合，计算钢轨波磨评价指数；

疑似钢轨波磨区段判断模块805，用于根据第三里程集合和钢轨波磨评价指数，计算钢轨波磨特征系数，判断疑似钢轨波磨的区段；

钢轨波磨区段确定模块806，用于根据第三里程集合和初始车体垂向加速度集合计算周期性特征系数，根据所述周期性特征系数，从疑似钢轨波磨的区段中筛选出确定存在钢轨波磨的区段。

图9为本发明实施例中数据采集的结构示意图，其中，数据采集系统包括多个传感器，在一实施例中，数据获取模块具体用于：

采用GNSS定位模块实时获取运营列车的三维坐标数据和初始车速数据；

采用加速度传感器实时获取运营列车的初始车体垂向加速度集合、初始车体横向加速度集合；

采用声压传感器实时获取运营列车的初始噪声集合，所述声压传感器竖直朝下测量由轮轨接触面传递至车厢底板的噪声；

采用光纤陀螺实时获取运营列车的车体摇头角速度集合。

在一实施例中，修正模块具体用于：

根据三维坐标集合和线路中线坐标点库坐标集合校准第一里程集合，获得第二里程集合；

将第二里程集合和初始车速集合按车体振动数据的采样频率进行线性插值，生成第三里程集合和第一车速集合。

在一实施例中，修正模块具体用于：

在三维坐标集合中，筛选出距离线路中线坐标点库坐标集合最近的，且满足两点平面坐标距离小于里程校准误差阈值的坐标点群，形成第一里程校准点群；

将第一里程校准点群的里程集合修正为与相对应的线路中线坐标点的里程一致的里程集合，所述第一里程校准点群的里程集合包括多个校准点的里程误差；

从第一里程集合的起点开始，利用第1个校准点的里程误差来修正起点至第2个校准点之间的第一里程数据，所述第一里程集合包括多个第一里程数据；

重复执行以下步骤，直至第一里程集合中的第一里程数据修正完毕，形成第二里程集合：

利用第n个校准点的里程误差来修正第n个校准点至第n+1个校准点之间的第一里程数据，n大于等于2。

在一实施例中，钢轨波磨评价指数计算模块具体用于：

根据预设的截止频率范围对初始车体垂向加速度集合、初始车体横向加速度集合和初始噪声集合进行带通滤波处理，生成第一车体垂向加速度集合、第一车体横向加速度集合、第一噪声集合；

分别计算第一车体垂向加速度集合、第一车体横向加速度集合和第一噪声集合的滑动有效值，生成车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合；

基于第一车速集合和车体摇头角速度集合，对车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合进行数据融合，计算钢轨波磨评价指数。

在一实施例中，钢轨波磨评价指数计算模块具体用于：

以第一截止频率对所述车体摇头角速度集合进行低通滤波，生成第一车体摇头角速度集合；

对第一车速集合和第一车体摇头角速度集合进行抽样，抽取每个滑动窗中心位置的点对应的数据，得到第二车速集合和第二车体摇头角速度集合；

根据第二车体摇头角速度集合，确定车体横向加速度权重系数；

根据第二车速集合、车体横向加速度权重系数、车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合，计算钢轨波磨评价指数。

在一实施例中，钢轨波磨评价指数计算模块具体用于：

采用如下公式，根据第二车速集合、车体横向加速度权重系数、车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合、噪声滑动有效值集合，计算钢轨波磨评价指数：

其中，V_j为钢轨波磨评价指数；s_z,j＝1-s_y,j为车体垂向加速度的权重系数；s_y,j为车体横向加速度的权重系数；s_a为振动指标权重系数；s_no为噪声指标权重系数；为车体垂向加速度滑动有效值；为车体横向加速度滑动有效值；为噪声滑动有效值；v_j为第二车速。

在一实施例中，疑似钢轨波磨区段判断模块具体用于：

对第三里程集合进行抽样，抽取每个滑动窗中心位置的点对应的数据，得到第四里程集合；

将第四里程集合作为自变量，钢轨波磨评价指数作为因变量，以第一设定采样间隔对钢轨波磨评价指数进行等空间重采样，生成第五里程集合和第二钢轨波磨评价指数；

以第二截止频率将第二钢轨波磨评价指数进行低通滤波，生成第三钢轨波磨评价指数；

计算第三钢轨波磨评价指数的平均值；

根据第三钢轨波磨评价指数和第三钢轨波磨评价指数的平均值，计算钢轨波磨特征系数；

确定连续设定长度以上超过预设钢轨波磨特征系数阈值的区段为疑似钢轨波磨的区段。

在一实施例中，疑似钢轨波磨区段判断模块具体用于：

采用如下公式，根据第三钢轨波磨评价指数和第三钢轨波磨评价指数的平均值，计算钢轨波磨特征系数：

其中，E_k为钢轨波磨特征系数；V_k为第三钢轨波磨评价指数；V₀为第三钢轨波磨评价指数的平均值。

在一实施例中，钢轨波磨区段确定模块具体用于：

将第三里程集合作为自变量，第一车体垂向加速度集合作为因变量，以第二设定采样间隔对第一车体垂向加速度集合进行等空间重采样，生成第五里程集合和第二车体垂向加速度集合，其中，第一车体垂向加速度集合为根据预设的截止频率范围对初始车体垂向加速度集合进行带通滤波处理生成的；

采用平均周期图法计算第二车体垂向加速度的功率谱；

对所述功率谱在第一设定波长范围内的同为极大值且最大值的波长进行取整，获得疑似钢轨波磨的特征波长；

根据所述功率谱和特征波长，计算周期性特征系数。

在一实施例中，钢轨波磨区段确定模块具体用于：

在第二设定波长范围内，每单位长度记录一个所述功率谱的同为极大值且最大值的波长，形成波长集合；

确定特征波长在波长集合中的序号为f₂；

将特征波长的倍并取整在波长集合中的序号计为f₁；

将特征波长的2倍在波长集合中的序号计为f₃；

根据如下公式计算周期性特征系数：

根据如下公式计算周期性特征系数：

其中，F为周期性特征系数；为波长集合中第f₁个波长；为波长集合中第f₂个波长；为波长集合中第f₃个波长；S_xx,k为波长集合中第k个波长。

在一实施例中，钢轨波磨区段确定模块具体用于：

若疑似钢轨波磨的区段的周期性特征系数大于或等于预设的周期性特征系数阈值，则该疑似钢轨波磨的区段为确定存在钢轨波磨的区段，否则，该疑似钢轨波磨的区段为确定不存在钢轨波磨的区段。

综上所述，在本发明实施例提出的装置中，实时获取运营列车的三维坐标集合、初始车速集合、初始车体垂向加速度集合、初始车体横向加速度集合、初始噪声集合和车体摇头角速度集合；对初始车速集合进行积分计算，获得第一里程集合；基于三维坐标集合，对第一里程集合和初始车速集合进行修正，获得第三里程集合和第一车速集合；根据第一车速集合和车体摇头角速度集合，对初始车体垂向加速度集合、初始车体横向加速度集合和初始噪声集合进行数据融合，计算钢轨波磨评价指数；根据第三里程集合和钢轨波磨评价指数，计算钢轨波磨特征系数，判断疑似钢轨波磨的区段；根据第三里程集合和初始车体垂向加速度集合计算周期性特征系数，根据所述周期性特征系数，从疑似钢轨波磨的区段中筛选出确定存在钢轨波磨的区段。在上述实施例中，无需对运营列车进行任何改装就能实时获取运营列车的三维坐标集合、初始车速集合、初始车体垂向加速度集合、初始车体横向加速度集合、初始噪声集合和车体摇头角速度集合，提出钢轨波磨评价指数和钢轨波磨特征系数，用于评价钢轨波磨对车辆振动和噪声响应的影响，解决了绝对阈值不易确定的问题；提出周期性特征系数来表征钢轨波磨的周期性特征，用于确定钢轨波磨区段。最终，可以准确检测钢轨波磨状态，解决现有检测设备研发、制造、维护成本高，检测周期较长的问题。

下面结合实施例和附图说明本发明的具体实施方式：

第一方面，验证本发明提供的一种高精度数据里程定位方法。

将本发明实施例提出的钢轨波磨检测装置搭载在某列高铁列车的一节车厢内，对某高速铁路K930+000～K1010+000区段采集到的车辆实时定位信息进行处理，得到动检车所在里程与车速的对应关系，图10为本发明实施例中本发明测得的列车里程和车速与动检车综合系统的对比示意图，两者表现出高度一致，说明本发明测得的列车里程和速度信息具有很高的精度。

第二方面，验证本发明提供的钢轨波磨检测方法。

图11为本发明实施例中采集到的高速铁路K989+000～K995+500区段的初始车体垂向振动加速度集合、初始车体横向振动加速度集合和初始噪声集合的示意图，分别为图11中的(a)、(b)和(c)所示。

根据预设的截止频率范围对初始车体垂向加速度集合、初始车体横向加速度集合和初始噪声集合进行带通滤波处理，生成第一车体垂向加速度集合、第一车体横向加速度集合、第一噪声集合；图12为本发明实施例中第一车体垂向加速度集合、第一车体横向加速度集合、第一噪声集合的示意图，分别如图12中的(a)、(b)和(c)所示。

对带通滤波得到的第一车体垂向加速度集合、第一车体横向加速度集合和第一噪声集合进行处理，生成车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合和噪声滑动有效值集合，图13为本发明实施例中车体垂向加速度滑动有效值集合、车体横向加速度滑动有效值集合和噪声滑动有效值集合的示意图，分别如图13中的(a)、(b)和(c)所示。

图14为本发明实施例中光纤陀螺测得的车体摇头角速度的示意图，将其进行低通滤波处理后进行抽样，车体横向加速度权重系数s_y,j的计算式中常量r₁取为5。图15为本发明实施例中计算获得的钢轨波磨评价指数的示意图。

对钢轨波磨评价指数进行处理，计算得到钢轨波磨特征系数，预设钢轨波磨特征系数阈值为1，最后筛选出5处连续设定长度以上超过的区段为疑似钢轨波磨的区段，图16为本发明实施例中筛选出的疑似钢轨波磨的区段的示意图。

分别计算上述5个疑似钢轨波磨的区段的周期性特征系数，预设的周期性特征系数阈值为0.5，判断出这5个疑似钢轨波磨的区段均存在钢轨波磨。以钢轨波磨最为严重的区段④为例，图17为本发明实施例中区段④的周期性特征系数的示意图，钢轨波磨的特征波长为59mm，对应的周期性特征系数为0.58，超过阈值0.5，判断该区段存在钢轨波磨。

为验证本发明提出的钢轨波磨检测方法的有效性和精度，采用波磨小车测量了K993+000～K994+640区段的轨面不平顺，波长范围为[30mm,100mm]的轨面不平顺，图18为本发明实施例中轨面不平顺的示意图，本发明的检测结果表明区段③(K993+181～K993+485)和区段④(K993+880～K994+570)存在钢轨波磨，现场复核的轨面不平顺峰值包络线与钢轨波磨特征系数很相似，验证了区段③和区段④确实存在明显的钢轨波磨。图19为本发明实施例中轨面不平顺的频谱图，将区段④的轨面不平顺进行频谱分析得到该区段钢轨波磨的特征波长为59mm，这与本发明的检测结果也高度吻合。

本发明的实施例还提供一种计算机设备，图20为本发明实施例中计算机设备的示意图，该计算机设备能够实现上述实施例中的钢轨波磨检测方法中全部步骤，所述计算机设备具体包括如下内容：

处理器(processor)2001、存储器(memory)2002、通信接口(CommunicationsInterface)2003和通信总线2004；

其中，所述处理器2001、存储器2002、通信接口2003通过所述通信总线2004完成相互间的通信；所述通信接口2003用于实现服务器端设备、检测设备以及用户端设备等相关设备之间的信息传输；

所述处理器2001用于调用所述存储器2002中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的钢轨波磨检测方法中的全部步骤。

本发明的实施例还提供一种计算机可读存储介质，能够实现上述实施例中的钢轨波磨检测方法中全部步骤，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的钢轨波磨检测方法的全部步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。