山区障碍物变观二维观测系统设计——以城口二维试验线CK2013-NE-11为例

第44卷第10期2010年10月浙 江 大 学 学 报(工学版)Journal of Zhejiang U niver sity (Eng ineering Science)Vol.44No.10Oct.2010收稿日期:2010 08 16.浙江大学学报(工学版)网址:w w w.journals.z /eng基金项目:国家自然科学基金资助项目(50979087).作者简介:谢勇勇(1986 ),男,浙江舟山人,硕士生,从事岩土工程研究.E mail:xie.yongyong@通信联系人:廖红建,男,教授,博导.E mail:hjliao@DOI:10.3785/j.issn.1008 973X.2010.10.011探地雷达检测铁路路基病害的二维正演模拟谢勇勇1,廖红建1,昝月稳2(1.西安交通大学土木工程系,陕西西安710049; 2.西安铁路局科学技术研究所,陕西西安710049)摘 要:为了识别复杂的探地雷达图像,建立铁路路基病害图像数据库,针对各种常见的路基病害,结合实地检测情况,研究铁路路基病害的探地雷达(GP R)图像特征,进行探地雷达二维正演模拟分析.基于有限差分原理,在时间域上推导横电磁波的差分方程;运用GprM ax 软件,对路基下道碴陷槽病害进行正演模拟分析;对路基下存在的圆形空洞,模拟不同半径和埋深的空洞,分析径深比对雷达模拟图像的影响.开挖一个人工道碴陷槽,用探地雷达实测,并进行正演模拟.实测结果和模拟结果一致,表明了该模拟方法用于实际复杂路基检测的可行性.关键词:探地雷达;二维正演模拟;时域有限差分;铁路病害中图分类号:U 212.4;U 216.3 文献标志码:A 文章编号:1008 973X(2010)10 1907 05Two dimensional forward simulation of railway roadbed diseasebased on ground penetrating radar techniqueXIE Yong yong 1,LIAO Hong jian 1,ZAN Yue w en 2(1.D ep ar tment of Civ il Eng ineer ing ,X i an J iaotong Univer sity ,X i an 710049,China;2.X i an Railw ay S cientif ic and T echnical Res ear ch I nstitute ,X i an 710049,China)Abstract:A n imag e database for railw ay track anom alies w as established to identify the com plicated g round penetrating radar (GPR)im ag es.The characteristics of GPR imag es w ere analyzed and the tw o dimensional forw ard modeling w as conducted considering all kinds of co mmo n track deteriorations and com bining field m easurement r esults.T he difference equation fo r the transverse electro magnetic wave in tim e dom ain w as derived based o n the finite difference metho d.The forw ard simulation w as conducted fo r tr apped ballast pockets by using the GprM ax.Different radiuses and depths of the cavities w ere simulated fo r cir cular cavities under the tr ack,and their effects on the simulated GPR im ag es w ere analyzed.An ar tificial rectang ular ballast pit w as co nstr ucted and inspected by GPR.N um erical modeling w as conducted.T he measur ed results accorded w ith the simulated images,w hich indicated that the sim ulation fo r GPR can be applied to sim ulate actual railw ay track conditions.Key words:g round penetr ating radar (GPR);tw o dimensional forw ard simulatio n;finite difference tim e dom ain;tr ack bed disease随着我国铁路提速和重载高速铁路的发展,对铁路路基状态提出了新的要求.我国既有铁路线,由于修建时期施工工艺和路基标准较低,普遍存在路基病害,需要对既有线铁路路基进行全面检测,为铁路线路维护和整修提供依据.我国铁路路基病害调查目前采用人工勘探方法,工作效率低、费用高且有安全隐患,无法实现全路基病害普查.目前我国铁路总里程近8万km ,既有线铁路已经经历6次大提速,到2020年,我国铁路总里程将达12万km.车载探地雷达技术的发展和运用,使铁路路基病害全面普查成为可能[1].探地雷达检测技术是利用地层介质反射波形的叠加形成时间剖面图进行分析,图像的解释依赖于工作人员的经验和大量的现场试验,存在很多不确定因素,最终影响检测结果.本文对铁路路基的探地雷达图像进行二维正演模拟,将模拟结果作为人工识图的依据,可以提高图像解释的精度,为雷达的自动化检测技术积累数据,作为探地雷达资料反演的基础.1 探地雷达检测路基病害的原理探地雷达(GPR)的工作原理如图1所示[2].图中,R 0、R 1、R 2分别为各层介质的反射信号,A 0、A 1、A 2分别为各层介质的反射波振幅.从雷达发射天线发出一系列电磁脉冲垂直入射到地层中(图1(a)),当遇到不同地层介质时,产生反射波.经接收天线接收到与地层界面相对的回波,称为一个扫描线(图1(b));当连续测试时,扫描线重叠在一起得到连续的剖面,为探地雷达剖面图(图1(c)).从探地雷达图像上可以直观地看出地层变化和地下目标体的形态.铁路路基分层结构明显,从上至下依次为道碴层、砂垫层、基床土层[3].各层介质的电参数(相对介电常数、电导率等)不同,当雷达入射波在地层中由一种介质射向另一种介质时,若差异较大,则雷达波在各介质分界面会发生较强的反射.当路基出现病害后,路基介质和分层界面发生变异或异常,其特征在雷达图像上均得到显现.分析沿线探地雷达剖面图像同相轴连续性和图像变异类型,可以提取病害类型、位置、范围和严重程度等信息[4].图1 探地雷达工作原理Fig.1 W or king principle o f GPR2 时域有限差分方法时域有限差分法是在时间域上计算电磁场的数值方法.一切电磁过程都可以用M ax Well 方程表示规律性.在无源区域同性介质中,Max Well 旋度方程[5]可以表示为Ñ!H = Et + e E ,(1)Ñ!E =-H t- m H .(2)式中:E 为电场强度,H 为磁场强度, 为介质介电常数, 为磁导系数, e 为电导率, m 为磁导率. e 和 m 分别为介质的电损耗和磁损耗.电磁波在地下介质传播过程中主要以横磁波(T M )形式传播.在二维情形下,采用YEE 氏网格模型和二阶精度的中心差分法近似将直角坐标下的M axWell 旋度偏微分方程转化为简单的差分形式[6],推导二维空间T M 波的时域有限差分方程,即探地雷达的正演模拟方程:E n +1z i,j =C A m E n z i,j +C B mH n +0.5y i +0.5,j -H n +0.5y i -0.5,j!x-H n +0.5x i,j +0.5-H n +0.5x i,j -0.5!y ,(3)H n +0.5x i,j +0.5=C P m Hn -0.5xi,j +0.5- C Q m E nz i,j +1-E nz i,j !y ,(4)H n +0.5yi +0.5,j =C P m Hn -0.5yi +0.5,j +C Q m E nz i,j +1-E nz i,j!x.(5)式中:C Am =1- m !t 2 m 1+ m !t 2 m ,C B m =!t m 1+m !t 2 m ,C Pm =1-m m !t 2 m 1+ m m !t 2 m ,C Q m =!t m 1+m m !t 2 m.其中,标号m 的取值与左端场分量节点的空间位置相同,H x 、H y 、E z 分别为电、磁场在TM 波下的分量.通过正演模拟方程,电磁场在时间顺序上交替抽样,抽样时间间隔相差半个时间步,使M ax w ell 旋度方程离散后构成显示差分方程,从而可以在时间上进行迭代求解,不需要进行矩阵求逆的运算.由给定相应电磁问题的初始值,利用时域有限差分方法可以求得各个时刻空间电磁场的分布[7].基于时域有限差分原理,进行探地雷达正演模1908浙 江 大 学 学 报(工学版)第44卷拟计算的软件有GprMax.该软件有如下特点[8]:1)能够方便地使用内部的命令;2)能够模拟频散介质;3)能够模拟复杂形状的物体,利用强有力的吸收边界条件模拟极大的空间.利用GprM ax 软件对铁路路基典型病害进行正演模拟.3 铁路路基典型病害的正演模拟分析3.1 道碴陷槽路基病害模拟分析铁路路基中存在道碴陷槽病害,将直接造成路基基床下沉和外挤变形.多雨地区道碴陷槽饱水,基床变软,在列车重复荷载作用下,加剧了路基下沉,增加了养护量.严重时会导致路基破坏.槽状几何模型如图2所示.图中,x 为测线长度,d 为测点深度.用掏空并填以道碴石的矩形模拟道碴陷槽,矩形左下角和右上角点的坐标分别为(1.5,0.8)、(2.5,1.5).选择检测区域为5.0m !3.0m,天线中心频率为300M H z,路基第1层为厚度为0.6m 的干净干燥的道碴碎石层,相对介电常数 r1= 3.0;第2层为厚度为0.3m 的干砂垫层, r2=6.0;第3层为厚度为1.2m 的基床土, r3=9.0.由于各层介质均为低电导率介质,电磁波损耗较小,可以忽略,电导率均取零[9].图2 槽状几何模型图Fig.2 G eo metric mo del imag e in rectang ular模拟网格步长!x =!y =!z =0.03m,时窗(数据采集开始到结束之间的时间长度)t w =60ns,总共146道扫描线,每条扫描线有848个扫描点,发射天线和接收天线的初始位置分别为(0.31,2.50)、(0.35,2.50),天线步长为0.03m.通过正演模拟得到所计算空间的电磁场分量,导入并用M atlab 读取、绘制成波形,生成最终道碴陷槽病害的雷达剖面图,如图3所示.图中,n 为扫描道数,t 为所用时间.结果表明,槽状模型可以很好地模拟路基下道碴陷槽病害的情形,图像特征明显,位置准确,槽形底部反射面为道碴陷槽深度,在图3 道碴陷槽病害正演模拟图Fig.3 Forward simulated image of rectangular ballast pit图像截断处可以看出,道碴陷槽的宽度范围与几何模型吻合.3.2 不同半径的圆形空洞路基病害正演模拟路基内或路基下的陷穴对铁路运输安全危害最大,其坍塌可能引起基床和道床突然沉落,轨道悬空,造成列车颠覆.黄土和粉沙土路基陷穴比较多,煤矿采空区易造成塌陷,规模比较大.下面将路基陷穴用圆形空洞来模拟,试图找出在理想情况下,路基内多深和多大的空洞能够被探地雷达检测到.圆形空洞状几何模型选取如图4所示,圆形空洞圆心坐标为(1.5,0.6).检测区域和路基状况等参数同上.当空洞埋深取1.5m,空洞半径r 分别为0.50、0.30、0.12m 时,对应的径深比∀(空洞半径与空洞圆心至道床顶面的距离之比)分别为0.33、0.20、0.08.通过计算得到的雷达正演模拟图像如图5所示.可以看出,圆形空洞雷达图像呈双曲线型,且随着径深比的减小图像渐弱.当径深比为0.33、0.20时,能够较清晰地辩识圆形空洞病害对应的双曲线特征图像;当径深比减小到0.08时,双曲线图像趋于模糊;进一步模拟计算表明,若继续减小半径,则很难识别空洞图像.可见,圆形空洞雷达图像识别的条件是径深比约为0.08.图4 圆形空洞几何模型F ig.4G eometr ic model imag e in ro und cav ity3.3 不同埋深的圆形空洞路基病害正演模拟假设空洞半径为0.2m,当空洞埋深h 分别为1.3、2.1、2.5m 时,对应的∀分别为0.154、0.095、0.080.增加模型深度为4m.通过计算得到的雷达1909第10期谢勇勇,等:探地雷达检测铁路路基病害的二维正演模拟图5 不同半径圆形空洞病害的正演模拟图Fig.5 Forward simulated images of cavity in different radius 正演模拟图像如图6所示.分析图6可知,空洞埋深增加,半径不变,即当径深比减小时,空洞特征曲线逐渐模糊.经计算可知,当埋深为2.5m,∀=0.08时,空洞特征曲线较模糊,则继续增加空洞的埋深,雷达模拟图像将无法识别.分析研究结果可得,铁路路基下的圆形空洞模拟图像较清晰,位置较准确,但是也有一定的限制条件.对于本文情况,当径深比小于0.08时,空洞图像识别困难,需要通过其他处理进一步辨识.4 现场验证试验如图7所示为西安铁路局在西安户县铁路线进行的人工道碴陷槽验证试验,在西户线铁路路基上开挖深度约为1m的人工凹槽,凹槽内填埋道碴碎石.采用探地雷达进行探测获得雷达图像如图8所示.根据现场人工道碴陷槽试验建立如图9所示的几何模型,区域为10.5m!3.1m,天线中心频率为图6 不同埋深空洞病害的正演模拟图F ig.6 F orward simulated images o f cavity in differentdepth图7 道碴陷槽验证试验Fig.7 V erificat ed test of ballast pit图8 凹槽雷达图像Fig.8 Radar imag e of concave300M H z.第1层为厚度为0.88m的干净干燥的道碴碎石层,相对介电常数 r1= 3.0;第2层为厚度为1910浙 江 大 学 学 报(工学版) 第44卷图9 凹槽几何图F ig.9 Geometr ic model image of co ncave0.1m 的干砂垫层, r2=6.0;第3层为厚度为1.2m 的基床土, r3=21.0.人工凹槽的两侧为土,表层道碴碎石层厚度为0.2m.模拟网格步长为0.02m,t w =60ns,共350道扫描线,每条扫描线有1272个扫描点.发射天线和接收天线的初始位置分别为(0.80,2.58)、(1.20,2.58),步长为0.02m.通过模拟计算得到模拟图像如图10所示.可见,模拟图像清晰,与真实雷达图像所示槽形吻合,表明采用该模拟方法对真实复杂环境进行模拟是有效的.图10 凹槽正演模拟图像Fig.10 F or war d simulated imag e of concave5 结 论(1)基于时域有限差分的探地雷达二维正演模拟图像,可以较清晰地显示实际路基病害的形状特征.(2)通过对不同半径和不同埋深的圆形空洞路基病害的二维正演模拟,得出空洞病害的径深比对雷达图像识别的影响条件.(3)通过对道碴陷槽路基病害的二维正演模拟,结合现场人工道碴陷槽验证试验,表明了正演模拟图像与实际路基陷槽病害的雷达图像吻合较好,验证了探地雷达二维正演数值模拟的可行性.参考文献(References):[1]昝月稳,张安学,小田义野.铁路路基状态检查车的研制及应用[J].路基工程,2007(5):30 31.ZA N Y ue w en,ZH A N G An x ue,O DA Y.M anufac ture and applicatio n of v ehicle fo r checking the st ate o f railwa y subg rade [J].Subgrade Engineering ,2007(5):30 31.[2]LO IZO S A ,PL A T I C.G round penetr ating radar:asmar t sensor fo r t he evaluation o f the railway t rackbed [C ]∀Instrumentation and Measurement Technology C onference .W arsaw,Po land:[s.n.],2007:1 6.[3]昝月稳,章锡元,张安学.铁路路基检查车的研究[J].铁道工程学报,2007(9):17 21.ZA N Y ue wen,Z HA N G X i y uan,ZHA N G An x ue.Resear ch o n r ailway subg rade inspection car [J].Jour nal of Railway Engineering Society ,2007(9):17 21.[4]刘杰.探地雷达技术在铁路既有线中的应用[J].铁道建筑,2006,22(10):77 78.LIU Jie.A pplication o f g eo phy sical rada r technolo gy to inspecting ex isting railway [J ].Railway Engineering ,2006,22(10):77 78.[5]葛德彪,闰玉波.电磁波时域有限差分方法[M ].2版.西安:西安电子科技大学出版社,2005:8 9.[6]Y EE K S.Numer ical so lutio n of init ial bo undary v alueproblems invo lv ing M ax well s equatio n in isotr opic media [J].IEEE Transactions on Antennas Propaga tions ,1966,14(3):302 307.[7]T A FL OV E A.Review of the for mulatio n and applications of the FD T D method for numerical modeling of electro magnetic w ave int eractio ns w ith ar bitrar y str uc tur es [J].Wave Motion ,1988,10(6):547 582.[8]A NT ON IS G.M o delling g ro und penet rating r adar byGprM ax [J ].Construction and Building Materials ,2005,19(10):755 762.[9]A NT ONIS er s m anual of GprMa x2D v ersion 2.0[M ].Edinburgh:Edinburgh U niversity Press,2005:11 26.1911第10期谢勇勇,等:探地雷达检测铁路路基病害的二维正演模拟。

第４５卷　第５期２０２３年９月物探化探计算技术ＣＯＭＰＵＴＩＮＧＴＥＣＨＮＩＱＵＥＳＦＯＲＧＥＯＰＨＹＳＩＣＡＬＡＮＤＧＥＯＣＨＥＭＩＣＡＬＥＸＰＬＯＲＡＴＩＯＮＶｏｌ．４５　Ｎｏ．５Ｓｅｐｔ．２０２３　收稿日期：２０２２ ０６ ０９基金项目：河北省科学技术厅院士合作重点单位和院士工作站项目（Ｖ１６４７９９８９３０２３０）第一作者：田锦瑞（１９８２－），男，学士，高级工程师，主要研究方向为地震数据采集处理解释，Ｅ ｍａｉｌ：ｂ０００７６＠ｑｑ．ｃｏｍ。

通信作者：张昭（１９８３－），男，学士，高级工程师，主要研究方向为煤田地震勘探工作，Ｅ ｍａｉｌ：４１５６３１９９＠ｑｑ．ｃｏｍ。

文章编号：１００１ １７４９（２０２３）０５ ０５８５ ０７复杂障碍物区三维地震观测系统多方位角变观设计技术及应用田锦瑞，亚东菊，张　昭，曹秀森，张晓盼，牛清华，邱兆泰（河北省煤田地质局　物测地质队，邢台　０５４０００）摘　要：村庄作为大型障碍区在地震数据采集施工过程中往往会成为整个工区的施工难点。

为解决这些难点问题，对地震采集观测系统进行特殊观测系统设计是唯一有效的技术途径。

项目的地震数据采集质量和采集成本与特殊观测系统的设计的优劣息息相关。

这里使用基于贪心算法的特殊观测系统优化设计程序，在测试工区对大型村庄障碍区和浅层地震地质条件运用了不同测线方位角的交叠观测系统设计。

在村庄等具备不同测线方位角的观测系统布设条件的大型障碍区，使用优化合理、经济适用的特观设计做出了初步尝试，为野外地震数据采集工作的降本增效提供了有利的技术支持。

关键词：方位角；多观测系统交叠；特殊观测系统设计中图分类号：Ｐ６３１．４ 文献标志码：Ａ 犇犗犐：１０．３９６９／ｊ．ｉｓｓｎ．１００１ １７４９．２０２３．０５．０４０　引言三维地震勘探项目的地震数据采集难度，通常与区内的地表复杂程度存在较大关系。

当施工区域内存在湖泊、村庄、工厂等大型障碍区时，障碍区下一定深度的地震数据将会丢失。

Value Engineering1概述随着我国国民经济的发展，交通事业有了长足的进步，桥梁大量增加。

近些年来，桥梁安全事故时有发生，造成了巨大的经济损失和社会负面影响。

为了确保桥梁完好[1]，预防重大桥梁交通事件的发生，要求通过桥梁检测做好桥梁养护工作。

而我国桥梁存量巨大，管养部门编制有限，人均工作量大，客观上增加了管养部门的压力和桥梁养护工作的难度，而且现阶段的桥梁检测主要还是人工观测等比较原始的方式，速度很慢，迫切的需要提高桥梁检测的技术、效率和专业化水平。

查阅辽宁省地区13条近年高速公路桥梁的定期检查报告并进行了一些现场调研，掌握了辽宁省高速公路桥梁结构形式的分类和病害的类型分布：桥梁结构形式的分类为空心板和实心板桥梁约占高速桥梁总数的3/4，出现病害的桥梁类型也是梁式桥占到了八成以上。

其中空心板和实心板桥上出现频率最高的病害类型：梁桥上出现频率最高的病害类型是渗水泛碱（白色流膏）、剥落掉角、裂缝和蜂窝麻面。

基于此提出了一种基于图像识别的桥梁病害无损检测方法：在工作距离小于10米的情况下，通过云台控制相机进行转动，水平最大转角为180°，拍摄图片，并对采集图片中的病害进行识别。

2系统设计图像识别分为图像采集和图像分析两个基本功能。

在车牌识别、人脸识别等很多领域有了广泛深入的应用。

目前主流的系统设计方案都是集成硬件设备采集图像，开发软件系统进行图像分析。

桥梁表观病害检测系统也采用这种系统设计方案：硬件采集桥梁表观图像，软件识别分析桥梁的表观病害。

整个系统结构如图1所示。

3系统功能根据桥梁表观病害检测系统的模块构成进行开发。

桥梁表观病害检测系统采集系统基于Windows 系统设计，其中用户可通过图像采集系统对相机进行控制，实现实时取景、自动采集等图像采集功能；允许用户将采集图像下载、保存为本地文件，使用户能够在本地对图像进行预览、删除等操作。

图像识别系统通过非接触式检测方式对桥梁病害进行检测，对桥梁病害数据进行分析、学习，建立病害数据库，提高桥梁病害检测效率，降低人力成本，为桥梁养护、维修与加固提供技术支持，进而提高桥梁使用性能、延长桥梁的使用年限。

基于岸站二维投影采集的波浪观测补偿算法许岩;王中秋;李晔;王虹入【摘要】针对海洋环境监测中视频采集设备因拍摄条件限制引起的梯形失真、倾斜失真和波高失真三类主要问题。

提出一种以二维投影的三维还原为基础的视频采集处理的补偿算法。

通过坐标和倾角偏移量补偿，还原失真的目标图像，并在此基础上进行目标测量信息处理，从而得到更加准确合理的测量结果。

实验证明，该算法可根据任意位置参数实现失真图像的准确修复，精度高且易于实现。

%We presented a 3D restoration of 2D projection acquisition based correction algorithm for three types of distortion, keystone, oblique and wave height distortion, which were caused by bad photography conditions in marine environment monitoring. A distorted image was restored by coordinate offset and tilt offset correction. Experimental results show that the algorithm can restore a distorted image of any coordinate with higher accuracy and applicability.【期刊名称】《山东科学》【年(卷),期】2012(025)006【总页数】5页(P74-78)【关键词】波浪测量;失真修正;坐标偏移量;倾角偏移量【作者】许岩;王中秋;李晔;王虹入【作者单位】山东省海洋环境监测技术重点实验室,山东省科学院海洋仪器仪表研究所,山东青岛266001;山东省海洋环境监测技术重点实验室,山东省科学院海洋仪器仪表研究所,山东青岛266001;山东省海洋环境监测技术重点实验室,山东省科学院海洋仪器仪表研究所,山东青岛266001;山东省海洋环境监测技术重点实验室,山东省科学院海洋仪器仪表研究所,山东青岛266001【正文语种】中文【中图分类】TP317.4通过视频采集设备对海洋进行观测是近年来在海洋环境监测中应用的新技术，高解析度光学产品的问世和大容量传输设备的发展，为海洋信息的视频采集提供了良好的条件。

2024年第48卷第2期Journal of Mechanical Transmission基于MTF-ResDSCNN二维图像的故障诊断方法胡孟楠1杨喜旺1黄晋英2胡宏俊1王成3（1 中北大学大数据学院，山西太原030051）（2 中北大学机械工程学院，山西太原030051）（3 陆军装备部驻北京地区某军代室，北京100000）摘要为了有效捕获旋转机械振动信号中蕴含的故障特征，进而高效地完成故障诊断任务，设计了一种将二维特征图像和轻量化神经网络相结合的故障诊断模型。

首先，将采集到的一维振动信号以改进的集成经验模态分解（Modified Ensemble Empirical Mode Decomposition，MEEMD）算法进行分解，得到本征模态函数（Intrinsic Mode Function，IMF）分量，并筛选相应的IMF分量进行求和重构，以增强振动信号的幅值波动，进而使得马尔科夫变迁场（Markov Transition Field，MTF）能够更为有效地表征重构信号中的故障特征；然后，将MTF生成的二维特征图像输入到残差深度可分离卷积神经网络（Residual Depth Separable Convolutional Neural Network，ResDSCNN）模型中，进行特征提取与故障诊断。

使用行星齿轮箱故障数据集验证了模型性能。

结果表明，该模型对于各类齿轮故障的诊断正确率可达98%以上。

关键词马尔科夫变迁场深度可分离卷积故障诊断改进的集成经验模态分解Fault Diagnosis Method Based on MTF-ResDSCNN Two-dimensional Image Hu Mengnan1Yang Xiwang1Huang Jinying2Hu Hongjun1Wang Cheng3(1 School of Big Data, North University of China, Taiyuan 030051, China)（2 School of Mechanical Engineering, North University of China, Taiyuan 030051, China）（3 Representative Office of Army Equipment Department in Beijing District, Beijing 100000, China) Abstract In order to effectively capture the fault features contained in the vibration signals of the rotating machinery and complete the fault diagnosis task efficiently, a fault diagnosis model combining two-dimensional image features and lightweight neural network is designed. Firstly, the collected one-dimensional vibration signals are decomposed by modified ensemble empirical mode decomposition (MEEMD) to obtain the intrinsic mode function (IMF) components, and the corresponding IMF components are selected for sum reconstruction to enhance the amplitude fluctuation of vibration signals. Then, Markov transition field (MTF) could be used to more effectively characterize the fault features in the reconstructed signals. Secondly, the 2D feature map generated by MTF is input into residual depth separable convolutional neural network (ResDSCNN) for feature extraction and fault diagnosis. The planetary gearbox fault data set is used to verify the performance of the model, and the results show that the diagnosis accuracy of the model for all kinds of gear faults can reach more than 98%.Key words Markov transition field Depth separable convolution Fault diagnosis MEEMD0 引言随着现代科学技术的不断发展，与国民经济相关行业的机械装备日益大型化、集成化和自动化。

图１　系统逻辑结构
2.2　数据组织
对于自然保护区的业务监管，通常是将经常用的空间信
图２　二三维地图展示
3.2　基础数据管理
基础数据管理功能主要用于查看、编辑及管理石门台国
图３　人员巡护图４　事件上报图５　数据采集
(a)PC端查看界面
(b)手机端远程查看界面图４　实时查看界面
参考文献
张荣富,郁浩,等.基于LabVIEW的声音数电子测量技术,2016,39(2):94-98.
刘毓,马贺洲.基于LabVIEW的声卡数据采析系统设计[J].仪器仪表用户,2009(4):39-41.
[4]刘鑫,金暄宏.基于LabVIEW的语音信号处理软件导刊,2017,16(8):135-137.
[5]聂影,冯向军,廖瑛,等.基于LabVIEW。