基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装置的制造方法
【技术领域】
[0001] 本实用新型涉及信号的分析检测领域，具体涉及一种基于参数化多普勒瞬态模型 的列车轮对轴承故障瞬态特征检测装置。
【背景技术】
[0002] 由于社会经济的迅速发展，对运输技术的需求也在不断加强。作为一个主要的交 通工具，列车具有很强的运输能力和很高的速度，在当今社会发挥着很大的作用。但是，突 发故障可能会令列车运输系统产生严重的事故，而轴承支撑着高速运动火车的所有重量， 他们的故障是导致铁路交通工具事故的主要原因，因此非常有必要去发展一种能够精确且 自动诊断轴承故障的关键技术。
[0003] 轴承故障信号的检测涉及到对运动中的信号的处理，难度大，是信号检测领域的 一大难点。大量的方法已经被研究用于安装在静止机械上的轴承故障诊断。时频分析是一 种有效提取包含非平稳信号在内的机械健康信息的方式，并且它可以识别信号频率分量， 揭示他们的时变特征。作为一个自适应分解方法，整体平均经验模态分解方法(Ensemble Empirical Mode Decomposition，EEMD)可以将非线性非平稳的信号按照他们本身的振动 模态分解成一组本征模态函数，已经被广泛运用在轴承故障诊断领域中。此外，在轴承故障 信号诊断中，随机共振也作为一种可以利用噪声来增加输出信噪比的方法被采用。匹配追 踪是另一种通过迭代来挑选最优原子粗略估计信号的自适应方法。然而，由于多普勒效应 的存在，运动轴承的信号中会出现频移，频带扩展以及振幅调制现象。总而言之，上述方法 都不能有效解决该问题。
[0004] 有鉴于上述的缺陷，本设计人，积极加以研究创新，以期创设一种基于参数化多普 勒瞬态模型的列车轮对轴承故障瞬态特征检测装置，使其更具有产业上的利用价值。 【实用新型内容】
[0005] 为解决上述技术问题，本实用新型的目的是提供一种基于参数化多普勒瞬态模型 的列车轮对轴承故障瞬态特征检测装置，该装置能够处理受多普勒效应影响的列车轴承信 号，精确诊断轴承的故障。
[0006] -种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装置，其特征 在于:包括轴承发出的声源信号、传感器、信号调理器、数据采集系统和中央处理器，所述传 感器接收声源信号，所述传感器传信于所述信号调理器，所述信号调理器传信于所述数据 采集系统，所述数据采集系统传信于所述中央处理器。
[0007] 进一步的，所述传感器为麦克风。
[0008] 进一步的，所述数据采集系统为DAS数据采集系统。
[0009] 进一步的，所述中央处理器为电脑。
[0010] 借由上述方案，本实用新型至少具有以下优点：本实用新型提供了一种结基于参 数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装置能够检测实际运动轴承故障 信号的相关数据，通过建立的多普勒模型与实际运动轴承故障信号之间的相关性参数进行 优化。最终，运动轴承故障可以通过最优多普勒瞬态相关匹配模型对应的初始周期模型参 数来诊断。从而能够处理受多普勒效应影响的列车轴承信号，精确诊断轴承的故障。
[0011] 上述说明仅是本实用新型技术方案的概述，为了能够更清楚了解本实用新型的技 术手段，并可依照说明书的内容予以实施，以下以本实用新型的较佳实施例并配合附图详 细说明如后。
【附图说明】
[0012] 图1为本实用新型一种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征 检测装置的结构示意图图；
[0013] 图2为多普勒效应的原理图；
[0014] 图3为本实用新型实施例中轴承外圈故障状态下的采集到的信号时域图；
[0015] 图4为本实用新型实施例中轴承外圈故障状态下的采集到的频谱图；
[0016] 图5为本实用新型实施例中轴承外圈故障状态下，根据本实用新型方法建立的多 普勒瞬态相关匹配模型图；
[0017] 图6为本实用新型实施例中列车轴承外圈故障信号的检测图；
[0018] 图7为本实用新型实施例中轴承外圈故障状态下，根据本实用新型方法建立的与 多普勒瞬态相关匹配模型相关的基于Laplace小波的周期瞬态模型图。
【具体实施方式】
[0019] 为使得本实用新型的实用新型目的、特征、优点能够更加的明显和易懂，下面将结 合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述， 显然，下面所描述的实施例仅仅是本实用新型一部分实施例，而非全部的实施例。基于本实 用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本实用新型保护的范围。
[0020] 为了更好地理解本实用新型计算方案，以下以外圈故障检测作为例子，对所述基 于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装置的应用进行详细讲述：
[0021] 实施例：一种基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检测装 置，包括轴承发出的声源信号1、传感器2、信号调理器3、数据采集系统4和中央处理器5,所 述传感器接收声源信号，所述传感器传信于所述信号调理器，所述信号调理器传信于所述 数据采集系统，所述数据采集系统传信于所述中央处理器。
[0022]所述传感器为麦克风。
[0023]所述数据采集系统为DAS数据采集系统。
[0024]所述中央处理器为电脑。
[0025] 运动中的列车轴承外圈发生故障时，由于多普勒效应的影响，会导致检测信号被 调制，可用本实用新型所述的基于参数化多普勒瞬态模型的列车轮对轴承故障瞬态特征检 测装置进行检测。
[0026] 检测到的列车轴承信号为y(t)，将建立的多普勒瞬态模型参数进行优化，当多普 勒瞬态模型与实际故障信号达到最大相关系数的时候，可以由最优多普勒瞬态模型对应的 周期瞬态模型的周期参数与计算出的运动轴承故障特征周期相比较，得出故障类型。
[0027]具体的操作方式如下：
[0028]首先建立基于单边Laplace小波的参数化模型，将轴承故障信号的理论值记为 Φ(Μ; ?、f )，所述轴承故障信号可表示为：
(1)
[0030] 其中：變秋为轴承故障信号的理论值，U是信号的时间长度，τ是延迟时 间，ζ是阻尼系数，f是频率。记τ、ζ和f所属范围为Td、Z和F，那么：
[0031]
[0032] (2)
[0033]公式（1)中的,/>、?、τ、ζ和f均表示变量；
[0034]然后通过引入参数T来建立一个周期性模型，以此模拟轴承故障信号的波形特征， 可以构造函数：
[0035] :。 （3)
[0036] 再修改基于单边Laplace小波的周期模型，将传感器接收到声信号的时刻记为 Hr}，接受时刻可以表示为：
[0037] {tR} = {to,to+l/fs,t〇+2/fs,t〇+(N-l