铁路隧道二次衬砌敲击检查声音特征分析及智能识别

为实现铁路隧道二次衬砌背后空洞智能诊断，基于声音识别技术，建立隧道空洞敲击检查声音智能识别模型。收集645段检查锤敲击衬砌的声音样本，运用信号特征分析的基本方法，分析有空洞和无空洞状态下声音信号的时域和频域特征，并提取24维梅尔频率倒谱系数作为机器学习数据集。用主成分分析法降维，经混合粒子群算法优化的支持向量机训练后，建立铁路隧道空洞敲击检查声音智能识别模型，将该模型应用于实际铁路隧道验证其有效性。建立的声音识别模型训练时长为31 s，准确率达95.56%，且能准确对实际工程中的声音样本做出分类。研究结果表明：对2种状态下的声音样本时域特征和频域特征进行对比和分析，不同状态下短时能量和声纹都出现明显的不同。运用PCA-混合PSO-SVM建立的声音识别模型，有着较高的准确率和较快的训练速度，能够根据敲击检查声音准确判断出隧道背后是否存在空洞，如何根据声音特征判断衬砌背后空洞的大小和深度等，将是下一步研究的重点。目前铁路隧道快速无损检测还无法大范围普及，人工检查仍是使用最广泛的检查方法，通过研究敲击检查声音智能识别，为隧道智能化诊断做出新的探索，对加快人工检查速度、提高信息化程度和实现无纸...