本发明涉及轨道交通技术领域，特别涉及一种车轮脱轨预警方法、装置及系统。
背景技术
列车发生脱轨事故是最严重的事故之一，列车发生脱轨的类型有多种类型，其对应的造成脱轨的因素很多，且脱轨时的具体表现也不同，所需要预警的参数或数值也很多，当其中一个或多个预警设备出现异常或失效时，会导致最终的预警结果失常，因此现有的预警识别方法或系统，具有极大的漏报风险，即当有脱轨风险时，不能正确识别脱轨现象，易导致列车由于脱轨预警失常而造成严重事故。
因此，设计一种能实现高准确性、减少漏报和误报的车轮脱轨预警方法、装置及系统，是本领域技术人员亟待解决的问题。
技术实现要素：
本发明提供了一种车轮脱轨预警方法，用于解决现有的车轮脱轨预警方案中存在的预警结果不够准确，存在漏报和误报的技术问题。
本发明提供的技术方案如下：
一种车轮脱轨预警方法，包括如下步骤：
获取车轮的振动加速度；
获取构架横向振动加速度；
依据所述振动加速度，获得振幅数据；
依据所述构架横向振动加速度，获得横向失稳数据；
若所述振幅数据大于或等于振幅预设值且所述横向失稳数据大于或等于横向失稳预设值，则输出车轮脱轨预警信息。
优选的，在所述输出车轮脱轨预警信息之后，还包括：
获取车轮的冲击数据；
若所述冲击数据大于冲击预设值，则输出车轮脱轨报警信息。
优选的，所述依据所述振动加速度，获得振幅数据具体为：
对所述振动加速度进行流式重积分计算，获得所述振幅数据。
优选的，所述依据所述构架横向振动加速度，获得横向失稳数据具体为：
对所述构架横向振动加速度进行横向失稳分析，获得横向失稳数据。
优选的，所述若所述振幅数据大于或等于振幅预设值且所述横向失稳数据大于或等于横向失稳预设值，则执行预警操作具体为：
若所述振幅数据大于或等于所述振幅预设值且所述横向失稳数据大于或等于所述横向失稳预设值，则记录一次内部脱轨预警，并根据所述内部脱轨预警进行概率统计，得到概率统计结果；
若所述概率统计结果大于所述概率统计预设值，则输出车轮脱轨预警信息。
优选的，所述获取车轮的振动加速度具体为：获取车轮的横向振动加速度或垂向振动加速度。
本发明还提供了一种车轮脱轨预警装置，包括：
数据获取模块，用于获取车轮的振动加速度和构架横向振动加速度；
数据处理模块，用于依据所述振动加速度，获得车轮的振幅数据，还用于依据所述构架横向振动加速度，获得横向失稳数据；
信息输出模块，用于依据所述振幅数据、所述横向失稳数据及振幅预设值、横向失稳预设值，输出车轮状态信息；
若所述横向振幅大于或等于所述振幅预设值且所述蛇形频率结果大于或等于所述横向失稳预设值，所述车轮状态信息为车轮脱轨预警信息。
优选的，若所述车轮状态信息为车轮脱轨预警信息，所述数据获取模块还用于获得冲击数据；
若所述冲击数据大于冲击预设值，所述信息输出模块还用于将所述车轮状态信息更新为车轮脱轨报警信息。
本发明还提供了一种车轮脱轨预警系统，包括上述任一车轮脱轨预警装置，还包括：
复合传感器，用于获取所述构架横向振动加速度和车轮的所述振动加速度，并发送给所述数据获取模块。
优选的，所述复合传感器还用于获取车轮的冲击数据。
本发明所提供的车轮脱轨预警方法，通过获取构架横向振动加速度和车轮的振动加速度，获得相应的横向失稳数据和振幅数据，当横向失稳数据和振幅数据均大于各自的预设值时，输出车轮脱轨预警信息。本方法只需获取构架横向振动加速度和车轮的振动加速度，计算横向失稳数据和振幅数据，并与预设值比较后即可完成预警判断，减少了列车的车轮脱轨预警需要检测的参数值，能够准确的进行脱轨预警，整个过程稳定可靠，且使用的数据获取设备少，成本低，易于应用。
附图说明
为了更清除地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的车轮脱轨预警方法的流程示意图；
图2为本发明实施例所提供的车轮脱轨预警方法的另一种实施方式的流程示意图；
图3为本发明实施例所提供的车轮脱轨预警装置的示意图；
图4为本发明实施例所提供的车轮脱轨预警系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清除、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
如图1所示，本发明实施例公开了一种车轮脱轨预警方法，包括如下步骤：
s01.获取车轮的振动加速度；
s02.获取构架横向振动加速度；
s03.依据振动加速度，获得振幅数据；
s04.依据构架横向振动加速度，获得横向失稳数据；
s05.若振幅数据大于或等于振幅预设值且横向失稳数据大于或等于横向失稳预设值，则输出车轮脱轨预警信息。
即通过获取构架横向振动加速度和车轮的振动加速度，获得横向失稳数据和振幅数据，当振幅数据大于或等于振幅预设值且横向失稳数据大于或等于横向失稳预设值时，则输出车轮脱轨预警信息。
正常轮与轨的在横向方向是存在间隙的，一般是固定的，我国铁路关于轨距和轮对的相关标准为：
轨距l＝轮对宽度q+活动量w，其中轨距l＝1435mm，轮对宽度q＝1354mm，轮缘标准厚度w1＝34mm，轮缘最小厚度w2＝23mm。
于是，可计算得到：标准横向间隔m1＝(1435-1354)/2-34＝6.5mm，最大横向间隔m2＝(1435-1354)/2-23＝17.5mm。
若设置振幅预设值为17.5mm，即横向振幅超过17.5mm时，按理论而言，是可以合理正常的发出脱轨预警，但这种仅依靠横向振幅的判断方式，存在极大的误报和漏报风险。
例如，列车行驶在弯道处时，车轮随列车的运行轨迹运动，此时的横向振幅会有超过振幅预设值的情况，会触发预警条件，输出车轮脱轨预警信息，但实际上，此时列车和车轮均是正常状态，无脱轨风险，即造成了误报。
再如，轮缘的厚度即轮缘值由于磨损因素，在不断变小，对于新轮和旧轮，统一用17.5mm显然是不合适，但准确的轮缘值无法每天进行实时获取，即使将振幅预设值改为最近一次测量的轮缘值，并结合折算所得到的允许横向振幅间隔，也无法进行准确的脱轨预警，易造成漏报。
同样，单纯的利用垂向振幅也存在类似的问题。
横向失稳的检测，现有标准大多是利用检测构架横向振动加速度来识别，横向失稳是影响脱轨风险的一个重要参照指标，但由于构架与轴箱之间是通过一系簧相联，脱轨事件本身又有一定的随机性。
而发生脱轨的主特征是车轮发生较大的横向振幅或垂向振幅，而又不能只通过识别横向振幅或垂向振幅，即振幅数据超过或等于振幅预设值发出脱轨预警，因此将振幅数据与横向失稳数据结合，判断是否同时大于各自的预设值，则可以准确地表征脱轨风险。
在实际运用中，为了避免获取设备或获取途径失效或故障造成数据获取失败，可以在获取车轮的横向振动加速度时，加入检测步骤，即判断构架横向振动加速度是否正常，判断正常与否的方式有很多种，例如可安装三坐标传感器，同时采集构架的横向、垂向和行车方法的振动加速度，用垂向和行车方向的信号分析，来佐证构架横向振动加速度是否正常，再如，增加特定的异常数据识别算法，正常的构架横向振动加速度应该是近似随机或具有周期性的，如果信号呈现多个阶梯状或信号值小于某个或超过某个门限，则可能存在传感器异常。
如图2所示，在本实施例的一种优选方式中，还包括：
s06.获取车轮的冲击数据；
s07.若冲击数据大于冲击预设值，则输出车轮脱轨报警信息。
车轮发生脱轨后一般会首先下落撞击轨枕、弹簧或地基，由于车轮为金属，这种撞击的冲击力是巨大的，如果将传感器量程设置较大，如100000sv，当检测到的冲击数据超过一定门限，如60000sv，则可表明车轮发生巨大撞击，这种撞击只能是脱轨，因为车轮其他部件的故障或轨道上的障碍物，均不会达到此撞击强度，此外，由于还检测到了振幅数据和横向失稳数据即前述的预警方案，则可进一步确定脱轨事实，进而输出车轮脱轨报警信息。
输出车轮脱轨预警信息或车轮脱轨报警信息的显示方式有很多，如开启提示灯、发出提示音等，本领域的技术人员可以根据实际应用状况进行选择，此处不进行具体的限定。
在本实施例的一种优选方式中，依据振动加速度，获得振幅数据具体为：
对振动加速度进行流式重积分计算，获得振幅数据。
在实际运用中，采用从振动加速度积分至振幅的二次积分，加速度a与位移x满足微积分关系：x(t)＝∫∫a(t)dt，常用的处理积分手段有两种，时域积分和频域积分，本实施例中选择采用频域积分来处理上述二次积分，当然，也可以根据其它需要，选择采用时域积分的方式。
在本实施例的一种优选方式中，依据构架横向振动加速度，获得横向失稳数据具体为：
对构架横向振动加速度进行横向失稳分析，获得横向失稳数据。
依据构架横向振动加速度获得横向失稳数据，可以根据需要选择多种方式，本实施例中采用横向失稳分析的方法，横向失稳分析的具体方法，可以参照现有技术，如标准uic518，规定为构架横向振动加速度进行带通滤波后的均方根值，在此不再累述。
在本实施例的一种优选方式中，若振幅数据大于或等于振幅预设值且横向失稳数据大于或等于横向失稳预设值，则执行预警操作具体为：
若振幅数据大于或等于振幅预设值且横向失稳数据大于或等于横向失稳预设值，则记录一次内部脱轨预警，并根据内部脱轨预警进行概率统计，得到概率统计结果；
若概率统计结果大于概率统计预设值，则输出车轮脱轨预警信息。
对于因外界因素导致某一时刻振幅数据发生变化超过预设值，而在下一时刻列车又正常运行这种情况，就不需要因偶尔的变化执行预警操作，因此可以将某一时刻的，振幅数据大于或等于第一振幅预设值且冲击数据大于或等于第一冲击预设值，记录为一次内部脱轨预警，根据出现内部脱轨预警的次数进行概率统计，当概率统计结果达到某个临界值时，则说明不是偶然的外界因素导致内部脱轨预警，而是列车客观存在脱轨风险。
可以理解的类似上述的统计方式有很多，可以统计发出内部脱轨报警的概率，判断概率是否超过某个预设值：也可以判断在预设时间内发送内部脱轨报警的次数是否超过某个预设值：也可以判断是否连续收到预设数量个内部脱轨报警等等，此处并不对具体实施方式进行相关限定，只要能够避免单一的预警方式的片面性带来的误报即可。
如图3所示，本实施例还公开了一种车轮脱轨预警装置，包括：
数据获取模块1，用于获取车轮的振动加速度和构架横向振动加速度；
数据处理模块2，用于依据振动加速度，获得车轮的振幅数据，还用于依据构架横向振动加速度，获得横向失稳数据；
信息输出模块3，用于依据振幅数据、横向失稳数据及振幅预设值、横向失稳预设值，输出车轮状态信息；
若横向振幅大于或等于振幅预设值且蛇形频率结果大于或等于横向失稳预设值，车轮状态信息为车轮脱轨预警信息。
数据获取模块1获取构架横向振动加速度和车轮的振动加速度，并将获取的构架横向振动加速度和车轮的振动加速度发送至数据处理模块2，数据处理模块2接收构架横向振动加速度和车轮的振动加速度后，对构架横向振动加速度和车轮的振动加速度进行处理或计算，获得横向失稳数据和车轮的振幅数据，并将横向失稳数据和车轮的振幅数据发送至信息输出模块3，信息输出模块3接收横向失稳数据和车轮的振幅数据后，将两者分别与振幅预设值、横向失稳预设值比较。
若横向振幅大于或等于振幅预设值且蛇形频率结果大于或等于横向失稳预设值，信息输出模块3输出车轮脱轨预警信息。
本实施例的车轮脱轨预警装置的其中一种实施方式中，若车轮状态信息为车轮脱轨预警信息，数据获取模块2还用于获得冲击数据；
若冲击数据大于冲击预设值，信息输出模块3还用于将车轮状态信息更新为车轮脱轨报警信息。
如图4所示，本实施例还公开了一种车轮脱轨预警系统，包括上述的车轮脱轨预警装置，还包括：
复合传感器4，用于获取构架横向振动加速度和车轮的振动加速度，并发送给数据获取模块1。
本实施例的车轮脱轨预警系统的其中一种实施方式中，复合传感器4还用于获取车轮的冲击数据。
复合传感器4可以安装在构架、齿轮箱等簧下其他位置，当然，为了获得最佳的效果可以将复合传感器4安装在两端轴承座上。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。