基于emd广义能量的轮轨振动信号故障特征提取方法
【技术领域】
[0001] 本发明涉及城市轨道列车在途监测与安全预警技术领域，特别是一种基于经验模 态分解（EMD)广义能量的轮轨振动信号故障特征提取方法。
【背景技术】
[0002] 根据中国城市轨道交通协会统计，"十二五"期间城市轨道交通将要建成投运2500 公里左右，年均500公里左右，到2020年末，全国建成城市轨道交通总里程将达7000公里 左右。城市轨道交通向着高速度、高密度、技术系统构成复杂、业务系统联动性高等方面发 展，对车辆行车控制、故障诊断与检测提出了越来越高的要求。
[0003] 城市轨道交通车辆的走行系是车辆的关键系统之一，它不但承受车体重量，还传 递钢轨与车辆间的驱动力与制动力。作为走行系的核心零部件之一，城市轨道交通车辆轮 对是列车与轨道的耦合部位，承载着整个列车的重量并保证列车在轨道上的运行。平轮故 障是城市轨道交通车辆重大行车事故隐患之一，车辆的平轮故障在车辆行驶时会产生周期 性的噪声和轮轨冲击力，这种噪声不仅严重影响了乘客乘车舒适度，给线路周边环境带来 干扰；而且轮轨的冲击能量由道床向路基内层传递，是造成混凝土轨枕和钢轨断裂的重要 原因之一，并且这类冲击也是车辆轮轴疲劳冷切，轴承损坏的重要原因，在车辆速度高、负 载重和擦伤加深的情况下，这种高强度冲击会造成更严重的破坏。
[0004] 目前城市轨道交通运营部门虽然对列车轮对制定了各类不同周期的检修计划，但 是这种静态检测既占用车辆服役时间又带来大量人工成本，无法实时监测车辆轮对的平轮 故障，越来越不能满足城市轨道交通运营安全系数和运营服务质量要求。
【发明内容】
[0005] 本发明的目的在于提供一种成本低、工程实施性好的基于EMD广义能量的轮轨振 动信号故障特征提取方法，通过采集轴箱振动、构架振动和车体振动等信号，并计算EMD广 义能量，实时在线监测轮对平轮故障。
[0006] 实现本发明目的的技术解决方案是：一种基于EMD广义能量的轮轨振动信号故障 特征提取方法，包括以下步骤：
[0007] 第1步，实时采集运行列车的振动加速度信号并对车速积分确定车轮旋转一圈对 应的起止时刻，用该起止时刻去截取对应时间历程的加速度信号；
[0008] 第2步，对第1步截取得到的振动加速度信号依次进行小波分解、各层小波系数的 阈值处理和小波重构，实现小波去噪；
[0009] 第3步，对第2步小波去噪后的振动加速度信号进行经验模态分解，得到一系列本 征模态函数頂F n;
[0010] 第4步，确定本征模态函数IMFn的能量权系数，并计算EMD广义能量，根据该EMD 广义能量确定故障特征。
[0011] 本发明与现有技术相比，其显著优点在于：（1)成本低，该方法所涉及到的硬件系 统只包含振动传感器和数据处理主机；（2)从信号的固有模态函数出发，引入基于信号局 部特性的IMF，在时间和频率以高的分辨率来处理非线性、非平稳的轮轨平轮振动信号，求 取能量特征；(3)利用故障激励的动力学响应与无故障激励的响应的差值确定能量权系 数；(4) EMD广义能量计算量小，可实现在线实时监测，通过EMD广义能量的阈值判断及时发 现突发的和长期累积的平轮状态变化，从而提供及时的维护预警。
【附图说明】
[0012] 图1为本发明基于EMD广义能量的轮轨振动信号故障特征提取方法的流程图。
[0013] 图2为车辆轨道耦合动力学仿真模型图。
[0014] 图3为本发明平轮故障为7mm的轴箱振动信号进行小波消噪前后信号的时域图， 其中（a)为小波消噪前信号的时域图，（b)为小波消噪后信号的时域图。
[0015] 图4为本发明平轮故障为7_的轴箱振动信号进行小波消噪前后信号的频域图， 其中（a)为小波消噪前信号的频域图，（b)为小波消噪后信号的频域图。
[0016] 图5为本发明无故障的轴箱振动信号进行EMD分解得到的8个IMF分量和1个剩 余分量。
[0017] 图6为本发明平轮故障为7mm的轴箱振动信号进行EMD分解得到的8个IMF分量 和1个剩余分量。
[0018] 图7为平轮故障为7mm的轴箱振动信号进行EMD分解后各分量能量与正常信号 EMD分解后各分量能量图，其中（a)为无平轮故障能量特征向量，（b)为7mm平轮能量特征 向量。
【具体实施方式】
[0019] 下面结合附图及具体实施例对本发明作进一步详细说明。
[0020] 结合图1，本发明基于EMD广义能量的轮轨振动信号故障特征提取方法，首先采 集实时运行列车的振动加速度信号并对车速积分确定车轮旋转一圈对应的起止时刻，用该 起止时刻去截取对应时间历程的加速度信号；其次对采集到的振动加速度信号进行小波分 解、各层小波系数的阈值处理和小波重构，实现小波去噪；而后对获取的轴箱振动加速度信 号进行经验模态分解，得到一系列的本征模态函数IMF n;最后结合由车辆轨道耦合动力学 模型仿真得到的存在平轮故障激励下的振动加速度信号确定能量权系数，计算EMD广义能 量，根据该值确定故障特征。包括以下步骤：
[0021] 第1步，实时采集运行列车的振动加速度信号并对车速积分确定车轮旋转一圈对 应的起止时刻，用该起止时刻去截取对应时间历程的加速度信号；
[0022] 所述列车的振动加速度信号记为Xi (t)，i = 1，2，…，m，下标i表示对应的轴箱、 构架和车体等走行系部件，m表示走行系部件总数。
[0023] 第2步，对第1步截取得到的振动加速度信号依次进行小波分解、各层小波系数的 阈值处理和小波重构，实现小波去噪；
[0024] 对采集到的振动加速度信号进行小波去噪。一维含噪声信号可表示为
[0025] X (t) = f ⑴ + 〇 e (t)，t = 0, 1，…，n_l
[0026] 式中，f(t)表不真实信号，e(t)表不噪声，x(t)表不含有噪声的信号。在实际工 程应用中，有用信号和噪声的小波变换系数特性不同，含噪声信号进行小波分解时，得到不 同尺度下的小波系数，通过保留真实信号的小波系数和衰减噪声的小波系数，然后经信号 重构即可实现信号降噪。具体步骤为：
[0027] (2. 1)信号的小波分解：选择合适的小基函数波并确定小波分解层数N，对含噪信 号进行N层小波分解。
[0028] (2. 2)各层小波系数的阈值处理：依据阈值处理函数（硬阈值或者软阈值等）对 信号分解得到的各层小波系数进行阈值处理，得到新的小波系数。
[0029] (2. 3)信号重构：对处理完成的小波系数进行重构，获得去噪后的信号。
[0030] 第3步，对第2步小波去噪后