本发明涉及轨道交通工具故障车载声学检测系统及检测方法。属于轨道交通工具故障检测领域。
背景技术:
轨道交通工具作为铁路运输的核心部分,在运行过程中可能会出现车体零部件异常情况。零部件异常情况的出现将危及行车安全。因此,轨道交通工具故障检测的全面、准确、快速对铁路的安全运行至关重要。
目前,轨道交通工具的故障通常采用人工进行检测和地对车动态检测两种方式,采用此两种方式存在以下缺陷:
1、轨道交通工具包括货车、客车、动车组、机车及其它类型列车大部分时间处于运动状态,只有进站后或完成运营公里数入库后才检修,这导致出现异常不能及时发现和检修,最终增大人工检测的难度和故障的漏检概率。即便轨道交通工具进站或入库,由于它的结构复杂,部件众多,检修人员很难记住各个零部件的正常状态,而且零部件之间存在遮挡而存在视觉盲区,这既进一步增大列车异常的漏检概率,也进一步降低异常检测效率和准确度。
检修人员凭经验检查交通工具的情况,检测过程对检修人员的维修经验依赖大,检测结果和作业人员的专业技能、责任心有很大关系,主观因素较强。
2、采用在地面上安装的动态检测系统对运行中的轨道交通工具进行检测,受安装现场环境条件限制,通常间隔几十公里甚至几百公里,对运行中的列车无法实现故障实时检测,不利于行车安全。
技术实现要素:
本发明是为了解决现有的人工检测困难、准确率低和在地面上安装的动态检测系统对车进行检测的实时性差的问题。现提供轨道交通工具故障车载声学检测系统及检测方法。
轨道交通工具故障车载声学检测系统,它包括声音获取单元、信号处理单元、特征提取单元和比对单元,
声音获取单元,由一个或多个声学传感器构成传感网络,声学传感器安装在轨道交通工具上,用于采集轨道交通工具在行驶过程中产生的声音,该声音通过转化和编码后,保存为声音文件;
信号处理单元,用于对保存的声音文件进行滤波处理,滤出噪声信号,然后对滤波后的声音进行分离,得到轨道交通工具的待测零部件的声音数据;
特征提取单元,对轨道交通工具的待测零部件上的声音数据进行特征提取,得到待测零部件的声学特征参数;
比对单元,将待测零部件的声学特征参数与标准特征数据库进行比对,确定待测零部件是否发生了故障。
轨道交通工具故障车载声学检测方法,它包括以下步骤:
由一个或多个声学传感器构成传感网络,安装在轨道交通工具的待测零部件附近,用于检测轨道交通工具在行驶过程中产生的声音,该声音通过转化和编码后,保存为声音文件的步骤;
用于对保存的声音文件进行滤波处理,滤出噪声信号,然后对滤波后的声音进行分离,得到待测零部件上的声音数据的步骤;
用于将待测零部件上的声音数据进行特征提取,得到轨道交通工具的待测零部件声学特征参数的步骤;
用于将轨道交通工具的待测零部件声学特征参数与标准特征数据库进行比对,确定待测零部件是否发生了故障的步骤。
本发明的有益效果为:通过在轨道交通工具上安装的车载声学检测系统,车载声学检测系统中的声音获取单元实时采集轨道交通工具运行中零部件发出的声学信号,由信号处理单元对声音原始信号进行滤波处理和数据分离处理,通过特征提取单元对处理后的声音信号进行特征提取,最后由比对单元将提取的特征与标准特征库进行比对,识别出故障。
本发明的车载声学检测系统在列车运行过程中实时完成对信号的存储、传输、处理和分析,通过与标准特征数据库进行比对,发现声音异常零部件,进而实现对车辆零部件故障的的早期的检测和判断,提高故障检测的精度和可靠性,实现了故障的实时监测,进而保证列车高效、安全地运行。本发明提供的轨道交通工具故障检测系统,无需人工介入即可实现故障的在线检测,可有效替代传统的人工检测作业,降低作业难度,提高作业效率和作业质量。可广泛用于铁路动车组、客车、货车、机车、地铁等各种轨道交通工具的故障检测。
附图说明
图1为具体实施方式一所述的轨道交通工具故障声学检测系统的原理图;
图2为本发明所述轨道交通工具故障声学检测方法的结构框图。
具体实施方式
具体实施方式一:参照图1具体说明本实施方式,本实施方式所述的轨道交通工具故障车载声学检测系统,它包括声音获取单元1、信号处理单元2、特征提取单元3和比对单元4,
声音获取单元1,由一个或多个声学传感器构成传感网络,声学传感器安装在轨道交通工具的待测零部件附近,用于采集轨道交通工具在行驶过程中产生的声音,该声音通过转化和编码后,保存为声音文件;
信号处理单元2,用于对保存的声音文件进行滤波处理,滤出噪声信号,然后对滤波后的声音进行分离,得到待测零部件的声音数据;
特征提取单元3,对待测零部件上的声音数据进行特征提取,得到待测零部件的声学特征参数;
比对单元4,将待测零部件的声学特征参数与标准特征数据库进行比对,确定待测零部件是否发生了故障。
实施例:
轨道交通工具故障车载声学检测系统,它包括声音获取单元1、信号处理单元2、特征提取单元3和比对单元4,
声音获取单元1,由一个或多个声学传感器构成传感网络,声学传感器分别安装在轨道交通工具的待测零部件附近,用于检测轨道交通工具在行驶过程中产生的声音,该声音通过模数转换器将声音模拟信号转化为能够被计算机识别的二进制码,并将数据按照PCM格式进行编码,保存为WAV格式的声音文件;
信号处理单元2,用于接收保存的声音文件,采用波纹高通滤波器滤除声音信号中低频段的噪声信号,然后对滤波后的声音进行分离,得到各个声学传感器检测的零部件上的高频声音数据;
特征提取单元3,用于接收各个声学传感器检测的零部件上的高频声音数据采用时域分析和频域分析方法进行特征提取,输出完备的待测零部件声学特征参数;
比对单元4,用于接收完备的待测零部件的声学特征参数,在时域范围内进行特征值比对,在时域范围内对故障进行初步的判断,得到存在故障的声音信号点,在该声音信号点附近的邻域在时域范围内进行频域变换,得到这些声音信号点的频域特性值,再将这些频域特性值与特征数据库进行比对,确定某个零部件发生了故障,并且根据频域参数的偏离程度,识别出故障的程度。
本实施方式中,声音获取单元1,用于获取轨道交通工具运行过程中的声音原始信号;利用声音获取单元将来获取原始数据。声音获取单元由多个声学传感器构成传感网络,安装在轨道交通工具的关键零部件如转向架、车轮轴承、车轮踏面等附近,用于检测行驶过程中产生的声响,将声音模拟信号转化为交流电信号。通过模数转换器将多路声学传感器的电信号转换为计算机识别的二进制码,并将数据按照PCM格式进行编码,保存为WAV格式的声音文件。
信号处理单元2,用于对声音原始信号进行滤波处理和数据分离处理;
预处理阶段由信号处理单元来完成。保存的原始数据中除了正常声音信号和故障声音外,还包含了环境噪声、列车气动噪声和白噪声等对故障诊断无用的信号,这些噪声信号会对后续的故障处理造成影响。噪声信号的频率段主要在低频段,于此相反,列车声音信号主要集中在高频段。本实施方式采用FIR有限长冲激响应滤波器的等波纹高通滤波器,能够有效地滤除声音信号中低频段的噪声信号。对滤波后的声音进行分离,得到各个声学传感器检测的声音数据。
特征提取单元3,用于对处理后的声音信号进行特征提取;
利用特征提取单元,采用时域分析和频域分析方法,对通过滤波处理并分离后的各个声学传感器的信号进行数据级预处理,提取出相对完备的声学故障特征参数。具体方法为:
⑴提取时域特征参数;
时域信号包含着原始的非常丰富的状态信息,设备发生故障时,其信号中许多统计特征参数都会随着故障的性质及大小发生变化,可作为诊断依据。利用统计分析方法,提取有效值、峰峰值、平均幅值、方根幅值等有量纲参数,其数值一般会随着故障发展而上升,但也会因工况变化而变化,难以区分,为此,提取脉冲因子、峭度、峰值因子等时域无量纲参数,此类特征量受工况变化的影响较小。
⑵提取频域特征参数;
通过对信号进行快速傅里叶变换FFT,得到频谱特征值。
⑶将时域参数和频域参数有效的结合起来,形成能够反映声音信号特征的参数矩阵,作为故障识别阶段的输入参数。
比对单元4,用于将提取的特征与标准特征库进行比对,识别出故障;
故障识别阶段由故障比对单元完成。通过获取交通工具的各个零部件在正常情况下的特征参数数据,建立标准声音特征数据库,作为系统判断故障的依据。通过在时域范围内进行特征值峭度、峰值因子和有效值等特征参数比对,同时结合周期性的考虑,可以在时域范围内对故障进行初步的判断,得到存在故障的声音信号点,在该声音信号点附近的邻域内进行频域变换,即FFT快速傅里叶变换,变换到频域进行进一步验证,得到这些声音信号点的频域特性值。再将这些特征值与特征数据库进行比对,确定故障,并且根据频域参数的偏离程度,识别出故障的程度。
具体实施方式二:本实施方式是对具体实施方式一所述的轨道交通工具故障车载声学检测系统作进一步说明,本实施方式中,声音的转化通过数模转换器实现,模数转换器将声音模拟信号转化为能够被计算机识别的数字信号。
具体实施方式三:本实施方式是对具体实施方式一所述的轨道交通工具故障车载声学检测系统作进一步说明,本实施方式中,滤波处理采用FIR有限长冲激响应滤波器实现。
具体实施方式四:本实施方式是对具体实施方式一所述的轨道交通工具故障车载声学检测系统作进一步说明,本实施方式中保存的声音文件包括正常声音信号、故障声音信号和噪声信号。
具体实施方式五:本实施方式是对具体实施方式一所述的轨道交通工具故障车载声学检测系统作进一步说明,本实施方式中,声学传感器采用驻极体式声传感器实现。
具体实施方式六:参照图2具体说明本实施方式,本实施方式所述的轨道交通工具故障车载声学检测方法,它包括以下步骤:
由一个或多个声学传感器构成传感网络,安装在管道交通工具的待测零部件附近,用于检测轨道交通工具在行驶过程中产生的声音,该声音通过转化和编码后,保存为声音文件的步骤;
用于对保存的声音文件进行滤波处理,滤出噪声信号,然后对滤波后的声音进行分离,得到待测零部件上的声音数据的步骤;
用于将待测零部件上的声音数据进行特征提取,得到待测零部件声学特征参数的步骤;
用于将待测零部件声学特征参数与标准特征数据库进行比对,确定待测零部件是否发生了故障的步骤。
实施例:
轨道交通工具故障车载声学检测方法,它包括以下步骤:
由一个或多个声学传感器构成传感网络,安装在轨道交通工具的待测零部件上,用于检测轨道交通工具在行驶过程中产生的声音,该声音通过模数转换器将声音模拟信号转化为能够被计算机识别的二进制码,并将数据按照PCM格式进行编码,保存为WAV格式的声音文件的步骤;
用于接收保存的声音文件,采用波纹高通滤波器滤除声音信号中低频段的噪声信号,然后对滤波后的声音进行分离,得到各个声学传感器检测的零部件上的高频声音数据的步骤;
用于接收各个声学传感器检测的零部件上的高频声音数据采用时域分析和频域分析方法进行特征提取,得到完备的待测零部件声学特征参数的步骤;
用于接收完备的待测零部件声学特征参数,在时域范围内对特征参数进行初步的判断,得到存在故障的声音信号点,在该声音信号点附近的邻域内进行频域变换,得到这些声音信号点的频域特性值,再将这些频域特征值与特征数据库进行比对,确定故障,并且根据频域参数的偏离程度,识别出故障的程度的步骤。
具体实施方式七:本实施方式是对具体实施方式六所述的轨道交通工具故障车载声学检测方法作进一步说明,本实施方式中,用于将待测零部件上的声音数据进行特征提取的方式为:采用时域分析和频域分析方法进行特征提取。
具体实施方式八:本实施方式是对具体实施方式七所述的轨道交通工具故障车载声学检测系统作进一步说明,本实施方式中,采用时域分析和频域分析方法进行特征提取的具体过程为:
在时域范围内进行特征值比对,在时域范围内对故障进行初步的判断,得到存在故障的声音信号点,在该声音信号点附近的邻域内进行频域变换,得到这些声音信号点的频域特性值。
具体实施方式九:本实施方式是对具体实施方式七所述的轨道交通工具故障车载声学检测系统作进一步说明,本实施方式中,频域变换采用FFT快速傅里叶变换实现。
具体实施方式十:本实施方式是对具体实施方式七所述的轨道交通工具故障车载声学检测系统作进一步说明,本实施方式中,特征值包括脉冲因子参数、峭度参数和提取峰值因子参数。