动力与传动系统异常状况的智能识别系统包括拾音传感器、信号调理器、信号处理器和语音播放器。拾音传感器又称为声音传感器或语音传感器，简称拾音器。该装置系统的原理结构如图3-4所示。

图3-4　动力与传动系统声响识别装置原理图

如图3-5所示，识别装置系统中的第一个拾音器接近牵引电机设置，用于传感牵引电机的运行声响信号；第二个拾音器在接近传动机构的位置进行设置，第N个拾音器接近传动机构的其他位置设置，用于传感传动机构多处的声响信号。图3-5所示为拾音器在车上的设置位置［36］。

图3-5　拾音器设置示意图

识别装置中的信号处理器包括输入接口、A/D转换器、运算模块、内存模块、输出接口，结构原理如图3-6所示。其中，运算模块负责对接收到的声音频率信号进行处理、分析与判定；内存模块寄存样本特征数据库。

装置中的控制器包括D/A转换器和电压放大器。由运算器输出的决策指令被输送至控制器后，由D/A转换器将其转换为模拟信号，模拟电压信号经电压放大器放大后用于推动相应的伺服机构达到控制的目的。(www.daowen.com)

动力装置系统异常状况智能识别装置的基本工作过程如下：由第一、第二拾音器实时检测牵引电机和传动机构的音响信号；两个拾音器检测到的音响信号分别通过调理器放大后并行送入信号处理器；信号处理器对接收到的音响信号进行处理与分析，一旦发现这些信号中含有异常音响信息，立即向控制器和语音播放器发送控制指令，用以控制车辆的行驶和对列车司机的警示。其中，音响信号的处理与分析是本装置的核心算法软件［37］。

图3-6　信号处理器结构原理图

如何实现对列车动力机构异常现象的识别与判断，传统的方法有如下两种：

（1）系统动力学模型与实验相结合。该方法以建立精确描述发动机与传动机构实际运行工况数学模型，加以大量试验研究为基础，给出基于电流信号功率谱特征的动力系统运行状态标准模式，采用基于灰色关联度计算的模式识别方法，来识别对动力系统正常与故障状况。

（2）特征信息融合识别。基于特征的故障信息融合识别方法从监测信号（参数）着眼，通过信号特征提取与信息融合对表征现象的信号进行识别与判断。

必须指出，前者需要依靠动力系统运行状态的精确数学模型，描述并建立基于电流信号功率谱特征的动力系统运行状态标准模式。但是，要建立动力系统实际运行工况的精确数学模型本身就是一件极为困难的事情，因此其适用范围受到一定程度的限制。后者则过分依赖参数检测的传感技术，信息融合的冗余度显然被大幅缩小。

以下阐述适用于动力系统异常状况的音讯智能识别算法基本理论与技术方法。