一种基于噪声信号的列车车轮损伤识别方法与流程

文档序号:20265855发布日期:2020-04-03 18:22阅读:288来源:国知局
一种基于噪声信号的列车车轮损伤识别方法与流程

本发明涉及轨道交通结构监测技术领域,具体的说是一种基于噪声信号的列车车轮损伤识别方法。



背景技术:

城市轨道交通线路条件较差,小半径曲线以及大坡道普遍存在,这导致车轮踏面的损伤较为严重。损伤严重的车轮已成为影响城市轨道车辆运行安全重要隐患。此外,车轮损伤必然会带来轮轨接触关系的改变,进而导致轮轨噪声发生变化。城市轨道交通行车速度较低,轮轨噪声在车辆运行时系统总噪声中占据主导地位,车轮损伤对车辆运行时的系统噪声具有显著影响。因此,通过噪声信号的特征分析预测车轮损伤状态,对指导车轮镟修、更换以及列车安全运营有着重要意义。



技术实现要素:

本发明要解决的技术问题是提供一种基于噪声信号的列车车轮损伤识别方法,能够通过噪声信号特征的分析对车轮损伤进行识别,能够判断列车车轮的损伤类型和损伤位置。具有安装方便、经济性好、智能程度高和实时在线的优点。

为解决上述技术问题,本发明采用的技术方案为:

一种基于噪声信号的列车车轮损伤识别方法,其特征在于:噪声采集装置设置在列车均速行驶的直线段两侧,所述的噪声采集装置用于实时采集列车经过噪声采集装置的过程中轮轨接触面周围噪声的瞬时声压,将采集到的噪声信号数据进行分析处理,对轨道交通列车车轮损伤进行识别判断,具体步骤如下:

步骤1,通过噪声采集装置采集得到噪声信号,对噪声信号进行盲源分离,保留轮轨噪声信号;

步骤2,确定轮轨噪声信号的特征,对轮轨噪声进行短时傅里叶变换,得到轮轨噪声的时频分布特征;

步骤3,车轮损伤识别,对比列车经过该装置时轮轨噪声的瞬时声压时频谱与列车车轮各类损伤的特征时频谱,判断损伤车轮隶属的车辆和位置,并得到车轮损伤的类型。

所述的噪声采集装置设置在两车站之间的列车均速行驶的直线段隧道壁上。

所述的步骤1中噪声采集装置采集得到噪声信号包括但不限于:列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声。

步骤1中盲源分离的方法具体方法如下:

s(t)=w(t)x(t)

其中,t为监测时间;x(t)=(x1(t),…,xi(t))t为测得的混合信号;s(t)=(s1(t),…,si(t))t为分离结果,w(t)为解混矩阵;

所述的噪声信号包括列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声,采集到的观测信号记为x1(t),x2(t),x3(t),x4(t),x5(t),原始信号记为s(t),s2(t),s3(t),s4(t),s5(t),xi(t)是si(t)的加权和,加权系数取决于源和噪声采集装置之间的距离,可得如下等式:

x1(t)=a11s1(t)+α12s2(t)+a13s3(t)+a14s4(t)+a15s5(t)

x2(t)=a21s1(t)+a22s2(t)+a23s3(t)+a24s4(t)+a25s5(t)

x3(t)=a31s1(t)+a32s2(t)+a33s3(t)+α34s4(t)+a35s5(t)

x4(t)=a41s1(t)+a42s2(t)+a43s3(t)+a44s4(t)+a45s5(t)

x5(t)=a51s1(t)+a52s2(t)+a53s3(t)+a54s4(t)+a55s5(t)

式中,aij是常值系数,表示混合的权重;

假设由aij组成的矩阵可逆,此时存在一个元素是wij的矩阵w可以分离出源信号:

s1(t)=w11x1(t)+w12x2(t)+w13x3(t)+w14x4(t)+w15x5(t)

s2(t)=w21x1(t)+w22x2(t)+w23x3(t)+w24x4(t)+w25x5(t)

s3(t)=w31x1(t)+w32x2(t)+w33x3(t)+w34x4(t)+w35x5(t)

s4(t)=w41x1(t)+w42x2(t)+w43x3(t)+w44x4(t)+w45x5(t)

s5(t)=w51x1(t)+w52x2(t)+w53x3(t)+w54x(t)+w55x5(t)

得到解混矩阵w(t)后,计算得到分离出的轮轨噪声数据p(t)。

所述的步骤2中对轮轨噪声p(t)进行短时傅里叶变换,得到轮轨噪声的频谱h(ω,t)。

所述的步骤3中判断列车车轮损伤方式为:对比轮轨噪声监测频谱h(ω,t)和列车车轮各类损伤的特征频谱h0(ω,t),对车轮损伤类型进行识别。

所述的步骤3中判断列车车轮损伤位置的方法为:当出现损伤车轮时,由于列车经过噪声采集装置过程中,损伤车轮距离噪声采集装置先逐渐接近后逐渐远离,能够监测到损伤车轮经过噪声采集装置时的产生的噪声峰值,并记录该噪声峰值的时间,根据所述的噪声峰值的时间点以及列车速度能够计算得到损伤车轮的位置。

所述的行车区间需要进行分段分析,根据轮、轨的结构以及接触方式对行车区间进行分段,并对正常行驶状态下每段行车区间的噪声时域分布特性和时频特性演变规律进行记录。

该种基于噪声信号的列车车轮损伤识别方法能够产生的有益效果为:

第一,噪声采集装置布置在两车站之间的列车均速行驶的直线段隧道壁上,能够消除变速或过弯情况时产生噪声变化的情况。

第二,经济性好,节约人力物力,能够在列车日常运行过程中进行监测,避免为了进行监测实行专门的调度和维护。

第三,智能程度高,通过噪声信号特征的分析对车轮损伤进行自动识别。

第四,可以实时在线的监测每辆经过列车的车轮损伤情况。

附图说明

图1为本发明一种基于噪声信号的列车车轮损伤识别方法的工作流程图。

图2为本发明一种基于噪声信号的列车车轮损伤识别方法的安装位置示意图。

图3为本发明一种基于噪声信号的列车车轮损伤识别方法中盲源分离观测信号示意图。

图4为本发明一种基于噪声信号的列车车轮损伤识别方法中盲源分离噪声信号示意图。

图5为本发明一种基于噪声信号的列车车轮损伤识别方法中盲源分离的分离结果示意图。

说明书附图说明:1、噪声采集装置,2、隧道壁,3、列车车厢,4、车轮,5、钢轨。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述。

一种基于噪声信号的列车车轮损伤识别方法,其特征在于:噪声采集装置设置在列车均速行驶的直线段两侧,所述的噪声采集装置用于实时采集列车经过噪声采集装置的过程中轮轨接触面周围噪声的瞬时声压,将采集到的噪声信号数据进行分析处理,对轨道交通列车车轮损伤进行识别判断,具体步骤如下:

步骤1,通过噪声采集装置采集得到噪声信号,对噪声信号进行盲源分离,保留轮轨噪声信号;

步骤2,确定轮轨噪声信号的特征,对轮轨噪声进行短时傅里叶变换,得到轮轨噪声的时频分布特征;

步骤3,车轮损伤识别,对比列车经过该装置时轮轨噪声的瞬时声压时频谱与列车车轮各类损伤的特征时频谱,判断损伤车轮隶属的车辆和位置,并得到车轮损伤的类型。

为了识别列车车轮的损伤情况,在列车车厢4均匀通过的某一固定钢轨5的过程中,当某一时刻的噪声信号出现异常,则判定对应该时刻通过的车轮4存在损伤,噪声采集装置1具体可布置在两车站之间的列车均速行驶的直线段隧道壁2上,尽可能减小变速或过弯情况时产生噪声变化的情况。

所述的步骤1中噪声采集装置采集得到噪声信号包括但不限于:列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声。

步骤1中盲源分离的方法具体方法如下:

s(t)=w(t)x(t)

其中,t为监测时间;x(t)=(x1(t),…,xi(t))t为测得的混合信号;s(t)=(s1(t),…,si(t))t为分离结果,w(t)为解混矩阵;

所述的噪声信号包括列车的轮轨噪声、机车车辆的机械设备噪声、空气动力噪声、机电系统噪声以及与运行无关的其他设备发生的噪声,采集到的观测信号记为x1(t),x2(t),x3(t),x4(t),x5(t),原始信号记为s(t),s2(t),s3(t),s4(t),s5(t),xi(t)是si(t)的加权和,加权系数取决于源和噪声采集装置之间的距离,可得如下等式:

x1(t)=a11s1(t)+a12s2(t)+a13s3(t)+a14s4(t)+a15s5(t)

x2(t)=a21s1(t)+a22s2(t)+a23s3(t)+a24s4(t)+a25s5(t)

x3(t)=a31s1(t)+a32s2(t)+a33s3(t)+a34s4(t)+a35s5(t)

x4(t)=a41s1(t)+a42s2(t)+a43s3(t)+a44s4(t)+a45s5(t)

x5(t)=a51s1(t)+a52s2(t)+a53s3(t)+a54s4(t)+a55s5(t)

式中,aij是常值系数,表示混合的权重;进一步的,aij是未知的,源信号同样也是未知的。盲源分离能够用混合量找出原始信号。

假设由αij组成的矩阵可逆,此时存在一个元素是wij的矩阵w可以分离出源信号:

s1(t)=w11x1(t)+w12x2(t)+w13x3(t)+w14x4(t)+w15x5(t)

s2(t)=w21x1(t)+w22x2(t)+w23x3(t)+w24x4(t)+w25x5(t)

s3(t)=w31x1(t)+w32x2(t)+w33x3(t)+w34x4(t)+w35x5(t)

s4(t)=w41x1(t)+w42x2(t)+w43x3(t)+w44x4(t)+w45x5(t)

s5(t)=w51x1(t)+w52x2(t)+w53x3(t)+w54x(t)+w55x5(t)

得到解混矩阵w(t)后,计算得到分离出的轮轨噪声数据p(t)。

步骤2中对轮轨噪声p(t)进行短时傅里叶变换,得到轮轨噪声的频谱h(ω,t)。

步骤3中判断列车车轮损伤方式为:对比轮轨噪声监测频谱h(ω,t)和列车车轮各类损伤的特征频谱h0(ω,t),对车轮损伤类型进行识别。

步骤3中判断列车车轮损伤位置的方法为:当出现损伤车轮时,由于列车经过噪声采集装置过程中,损伤车轮距离噪声采集装置先逐渐接近后逐渐远离,能够监测到损伤车轮经过噪声采集装置时的产生的噪声峰值,并记录该噪声峰值的时间,根据所述的噪声峰值的时间点以及列车速度能够计算得到损伤车轮的位置。

行车区间需要进行分段分析,根据轮、轨的结构以及接触方式对行车区间进行分段,并对正常行驶状态下每段行车区间的噪声时域分布特性和时频特性演变规律进行记录。

行车区间需要进行分段分析,根据轮、轨的结构以及接触方式对行车区间进行分段,并对正常行驶状态下每段行车区间的噪声时域分布特性和时频特性演变规律进行记录。轮轨接触面可能会产生三种类型的噪声:滚动噪声,冲击噪声和尖啸噪声。滚动噪声通常是没有擦伤的车轮在连续焊接的直线钢轨上滚动时发出的噪声,由于车轮和钢轨接触表面上有微小的凹凸不平产生,轮轨不良接触会使得车轮和轨道产生结构振动,发出更高分贝的噪声;冲击噪声是车轮在通过焊缝、道岔时或当擦伤时的车轮在钢轨上滚动时所发生的噪声,遇到这些情况时,车轮的垂直速度将发生变化,从而使轮轨接触面产生很大的作用力,激发车轮和钢轨振动引起轮轨辐射声音;尖啸噪声是一种强噪声,其音调与车辆通过轨道的小半径曲线有关,主要来源与轮辋,尺寸和材料的特性导致了轮辋是一个良好的高频声源。由于不同车速、不同类型轨道板、道岔等对轮轨噪声大小都有很大的影响,因此在进行噪声分析时进行分区段的统计分析能够有效的提高判断的准确性。

以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1