本发明涉及铁路行业远程监测系统领域，具体涉及一种机车转向架运行状态远程监测装置及方法。
背景技术：
转向架是城际轨道列车的重要走形机构。由于现有转向架全部采用熔化极气体保护焊进行焊接，且焊接线能量大、焊缝密集、焊缝层数多、焊缝道数多，加上为确保尺寸精度，需要进行大量的工装及预压紧处理。因此转向架存在较大的残余应力，甚至部分部位超过转向架材料的屈服极限。残余应力不但影响结构精度和尺寸稳定性，还会降低焊接构件的刚度，断裂强度，疲劳强度和抗应力腐蚀性。转向架的各种参数也直接决定了车辆的稳定性和车辆的乘坐舒适性。
机车转向架在运行中担当着导向、承载、减振的任务，同时也是牵引和制动最终执行者，是机车关键部件。机车运行中由于承受着频繁的随机交变动载荷，可能导致机车转向架结构件出现故障，进而导致机车运行品质下降，甚至可能造成脱轨翻车等严重安全事故。因而设计一个机车转向架运行状态远程监测装置尤为重要。
技术实现要素：
针对上述问题，本发明旨在提供一种能够自动获取关键数据、并能够通过无线传输数据、同时结合神经网络模型进行识别监控的机车转向架运行状态远程监测装置及方法。
为实现该技术目的，本发明的方案是：一种机车转向架运行状态远程监测装置，包括数据采集模块、单片机、无线模块、车载数据中心、远程数据中心；
所述数据采集模块包括加速传感器、声发射传感器、热电阻传感器、霍尔速度传感器，其中加速度传感器用于获取机车转向架运行振动数据，声发射传感器用于获取机车转向架运行噪声数据，热电阻传感器用于获取机车转向架运行温度数据，霍尔速度传感器用于获取机车转向架运行速度数据；
所述加速传感器、声发射传感器、热电阻传感器、霍尔速度传感器分别与单片机电连接，所述单片机与无线模块电连接，所述无线模块与车载数据中心通讯连接，单片机将数据采集模块收集到的数据通过数据无线模块传输给车载数据中心，所述车载数据中心与远程数据中心通讯连接。
作为优选，所述车载数据中心还电连接有无线路由器，车载数据中心构成基础的车载服务器，车载数据中心与无线路由器组成局域网络，采用tcp/ip通信协议，通过无线方式与移动基站连接后接入internet网络，进行数据传输，在远程数据中心上通过路由器，获取车载服务器的数据。
作为优选，所述无线模块为2.4g无线通信模块。
作为优选，所述远程数据中心还连接至远程监控平台，远程监控平台将获取的车载服务器数据进行分析处理，从而完成机车转向架运行状态远程监测。
一种机车转向架运行状态远程监测方法，具体步骤如下：
第一步，获取数据，车载的数据采集模块包括加速度传感器、声发射传感器、热电阻测温传感器、霍尔速度传感器，其中加速度传感器用于获取机车转向架运行振动信号，声发射传感器用于获取机车转向架运行噪声信号，热电阻传感器用于获取机车转向架运行温度，霍尔速度传感器用于获取机车转向架的转数；
通过数据采集模获取机车转向架运行中相应的数据；
第二步，车载数据中心建立，将获取的机车转向架运行数据通过单片机进行采集，同时利用无线传输技术，将采集的数据实时传输至车载数据中心，并进行实时存储，从而实现车载数据实时采集及存储，以车载数据中心为基础构成车载服务器；
第三步，远程数据中心建立，将车载服务器连接至无线路由器组成局域网络，无线路由器通过无线网络方式与移动塔连接后接入internet进行数据传输，通信协议采用tcp/ip通信协议；在tcp通信中，通信两端一端为车载服务器端，一端为远程数据中心，同时在远程数据中通过路由器获取车载服务器的数据，从而实现在远程获取机车转向架运行数据；
第四步，敏感特征提取，对远程数据中心获取的数据，进行时频分析处理，提取机车转向架运行的敏感特征：时域敏感特征、频域敏感特征或时频域敏感特征，从而获取机车转向架运行中的敏感特征量；
第五步，模型训练，将获取的机车转向架运行中的敏感特征量作为神经网络模型的输入，转向架的运行状态作为神经网络模型的输出，构建初始的神经网络模型；将获取的机车转向架运行中敏感特征量的一部分数据作为训练样本，采用梯度下降迭代方法，对初始的神经网络模型进行训练，直到初始的神经网络模型优化为止，从而获得优化的神经网络模型；
第六步，远程监测，将获取的机车转向架运行中敏感特征量的剩余数据作为测试样本，代入优化神经网络模型，计算优化神经网络模型输出，输出最大值所对应的状态即为识别状态，从而实现在远程完成对机车转向架运行状态的监测。
作为优选，所述第四步中敏感特征可为时域敏感特征、频域敏感特征或时频域敏感特征中的一种或者多种；
其中提取的时域敏感特征可为：均方根值、概率密度函数或峭度等；提取的频域敏感特征可为：重心频率、均方根频率或频率标准差等；提取的时频域敏感特征可为：小波包能量、小波包系数、集合经验模式分解和奇异谱中，选择其中一种或者多种作为敏感特征提取方法，获取机车转向架运行中所需敏感特征量，作为后续识别模型的输入。
作为优选，所述第一步中通过数据采集模获取的振动信号、噪声信号、温度、转数的测量值{x1，x2，k，xk}，k＝1，2，...，m，m为每种传感器获取的数据个数，组合形成机车转向架运行中的信号数据集{xi}，其中xi＝{x1，x2，k，xk}，i＝1，2，，...，n，n为传感器获取的测量值种类数。
本发明的有益效果，本申请采用远程监测方法通过多组传感器获得获取机车转向架运行特征信息数据，利用无线传输技术将数据传输给车载数据中心；通过车载服务器与无线网络传输技术，结合tcp/ip通信协议，在远程获取车载服务器的数据，建立机车转向架运行远程数据中心；结合远程数据中心，利用神经网络模型模式识别方法，实现了对机车转向架运行状态的远程监测，通过神经网络模型模式识别方法，对机车转向架关键部件的运行状态进行远程监测，进而及时评估整个机车转向架运行安全，为保障机车安全可靠运行及维修养护提供必要的理论指导具有十分重要的意义。
附图说明
图1为本发明的结构框图；
图2为本发明的流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。
如图1-2所示，本发明所述的具体实施例为一种机车转向架运行状态远程监测装置，包括数据采集模块、单片机、无线模块、车载数据中心、远程数据中心；
所述数据采集模块包括加速传感器、声发射传感器、热电阻传感器、霍尔速度传感器，其中加速度传感器用于获取机车转向架运行振动数据，声发射传感器用于获取机车转向架运行噪声数据，热电阻传感器用于获取机车转向架运行温度数据，霍尔速度传感器用于获取机车转向架运行速度数据；
所述加速传感器、声发射传感器、热电阻传感器、霍尔速度传感器分别与单片机电连接，所述单片机与无线模块电连接，所述无线模块与车载数据中心通讯连接，单片机将数据采集模块收集到的数据通过数据无线模块传输给车载数据中心，所述车载数据中心与远程数据中心通讯连接。
为了实现数据稳定的远程无线传输，所述车载数据中心还电连接有无线路由器，车载数据中心构成基础的车载服务器，车载数据中心与无线路由器组成局域网络，采用tcp/ip通信协议，通过无线方式与移动基站连接后接入internet网络，进行数据传输，在远程数据中心上通过路由器，获取车载服务器的数据。其中无线路由器、移动基站可以采用现在通用的4g无线路由器和4g移动基站，也可以采用3g网络，未来还可以采用5g网络。
为了方便数据的近距离传输，所述无线模块为2.4g无线通信模块。利用无线传输技术将数据传输给车载数据中心，解决了数据无法实时远距离传输问题
为了实现实时动态监控，所述远程数据中心还连接至远程监控平台，远程监控平台将获取的车载服务器数据进行分析处理，从而完成机车转向架运行状态远程监测。远程监控平台实现了对机车转向架运行状态的远程监测，对机车转向架关键部件的运行状态进行远程监测，进而及时评估整个机车转向架运行安全，
一种机车转向架运行状态远程监测方法，具体步骤如下：
第一步，获取数据，车载的数据采集模块包括加速度传感器、声发射传感器、热电阻测温传感器、霍尔速度传感器，其中加速度传感器用于获取机车转向架运行振动信号，声发射传感器用于获取机车转向架运行噪声信号，热电阻传感器用于获取机车转向架运行温度，霍尔速度传感器用于获取机车转向架的转数；
通过数据采集模获取机车转向架运行中相应的数据；
第二步，车载数据中心建立，将获取的机车转向架运行数据通过单片机进行采集，同时利用无线传输技术，将采集的数据实时传输至车载数据中心，并进行实时存储，从而实现车载数据实时采集及存储，以车载数据中心为基础构成车载服务器；
第三步，远程数据中心建立，将车载服务器连接至无线路由器组成局域网络，无线路由器通过无线网络方式与移动塔连接后接入internet进行数据传输，通信协议采用tcp/ip通信协议；在tcp通信中，通信两端一端为车载服务器端，一端为远程数据中心，同时在远程数据中通过路由器获取车载服务器的数据，从而实现在远程获取机车转向架运行数据；
第四步，敏感特征提取，对远程数据中心获取的数据，进行时频分析处理，提取机车转向架运行的敏感特征：时域敏感特征、频域敏感特征或时频域敏感特征，从而获取机车转向架运行中的敏感特征量；
第五步，模型训练，将获取的机车转向架运行中的敏感特征量作为神经网络模型的输入，转向架的运行状态作为神经网络模型的输出，构建初始的神经网络模型；将获取的机车转向架运行中敏感特征量的一部分数据作为训练样本，采用梯度下降迭代方法，对初始的神经网络模型进行训练，直到初始的神经网络模型优化为止，从而获得优化的神经网络模型；
第六步，远程监测，将获取的机车转向架运行中敏感特征量的剩余数据作为测试样本，代入优化神经网络模型，计算优化神经网络模型输出，输出最大值所对应的状态即为识别状态，从而实现在远程完成对机车转向架运行状态的监测。
为了更好的划分敏感特征，所述第四步中敏感特征可为时域敏感特征、频域敏感特征或时频域敏感特征中的一种或者多种；
其中提取的时域敏感特征可为：均方根值、概率密度函数或峭度等；提取的频域敏感特征可为：重心频率、均方根频率或频率标准差等；提取的时频域敏感特征可为：小波包能量、小波包系数、集合经验模式分解和奇异谱等。从中选择一种或者几种作为敏感特征提取方法，获取机车转向架运行中所需敏感特征量，作为后续识别模型的输入。
为了更好的获取数据，所述第一步中通过数据采集模获取的振动信号、噪声信号、温度、转数的测量值{x1，x2，k，xk}，k＝1，2，...，m，m为每种传感器获取的数据个数，组合形成机车转向架运行中的信号数据集{xi}，其中xi＝{x1，x2，k，xk}，i＝1，2，，...，n，n为传感器获取的测量值种类数。
模型训练和神经网络模型，举例说明如下：
将上述获取的机车转向架轴承运行中的敏感特征量作为神经网络模型的输入，优选10个特征量：均方根值，频率标准差以及8个小波包分解能量特征，转向架轴承的运行状态作为神经网络模型输出，优选4个状态：正常，内圈故障，外圈故障，不对中，构建初始的神经网络模型；将获取的机车转向架轴承运行中敏感特征量的一部分数据作为训练样本，采用梯度下降迭代方法，对初始的神经网络模型进行训练，直到初始的神经网络模型优化为止，从而获得优化的神经网络模型。
本实施例中初始神经网络模型中，输入层和隐含层使用正切s型传递函数，输出层采用线性传递函数；隐层个数由
本实施例中优选输入层神经元个数a为10个，输出层神经元数b为4个，隐含层神经元数a1为13个。
本申请远程监测装置采用多组传感器获取机车转向架运行特征信息数据，利用无线传输技术将数据传输给车载数据中心，解决了数据无法实时远距离传输问题；通过车载服务器与无线网络传输技术，结合tcp/ip通信协议，在远程获取车载服务器的数据，建立机车转向架运行远程数据中心；结合远程数据中心，通过信号的分析处理，最终实现对机车转向架运行状态进行远程监测，进而及时评估整个机车转向架运行安全，为保障机车安全可靠运行及维修养护提供必要的理论指导具有十分重要的意义。
本申请远程监测方法通过多组传感器获得获取机车转向架运行特征信息数据，利用无线传输技术将数据传输给车载数据中心；通过车载服务器与无线网络传输技术，结合tcp/ip通信协议，在远程获取车载服务器的数据，建立机车转向架运行远程数据中心；结合远程数据中心，利用神经网络模型模式识别方法，实现了对机车转向架运行状态的远程监测，通过神经网络模型模式识别方法，对机车转向架关键部件的运行状态进行远程监测，进而及时评估整个机车转向架运行安全，为保障机车安全可靠运行及维修养护提供必要的理论指导具有十分重要的意义。
以上所述，仅为本发明的较佳实施例，并不用以限制本发明，凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同替换和改进，均应包含在本发明技术方案的保护范围之内。