一种基于EEMD能量熵和WVD的轨道波磨故障检测方法与流程
本发明属于城市地铁轨道故障检测与安全预警技术领域，具体涉及一种基于eemd能量熵和wvd的轨道波磨故障检测方法。
背景技术
轨道交通作为解决城市化交通发展的关键一招，为人民出行带来方便。目前城市轨道交通正得到国家大力的支持和推进，越来越多的城市开始规划建设，总里程已经达到1000公里。经过几年发展，我国众多的城市都将拥有地铁，开启轨道交通新的发展篇章，在我国形成完善的出行交通网络，为城市居民提供便捷的交通方式。但同时伴着轨道线路的持续扩张和激增的人流，城市轨道交通安全问题日益凸显出来。
轨道作为铁路系统中的关键部分，当车辆在运行的时候，一直保障着车辆安全行驶并引导着列车前进的方向，承受着车辆的全部的重量。由于轨道与轮对之间由于长时间的摩擦作用，导致轨道表面出现不平顺、磨损甚至是凹陷现象，而严重的轨道不平顺会导致轮轨之间的作用力急剧增加,其不仅会产生严重的轮轨噪音,影响列车的乘坐舒适性,而且会大大降低列车和轨道系统零部件的服役时间,甚至会造成行车事故。
目前过内外对钢轨波磨的检测方法之一是惯性法，利用加速度计的惯性基准，通过对得到的大型轨检列车轴箱加速度信号进行二次积分获取不平顺值，如：英国railmeasurement公司研制的rca波磨分析车、我国钢轨波浪磨损动态检测系统rciu-1等。该方法的检测精度最高能达到微米级，但其设备成本高，在轨道日常巡检中不太适应。另一种更为常见的检测方法是平直尺，如hygp-3钢轨平直度测量仪等。其测量原理简单，但操作这劳动强度大且检测效率低下。
技术实现要素：
本发明提供了一种基于eemd能量熵和wvd时频分析的基于eemd能量熵和wvd的轨道波磨故障检测方法，具有方法简单、实时性好的特点。
为解决以上技术问题，本发明采用了以下技术方案：
一种基于eemd能量熵和wvd的轨道波磨故障检测方法，其基于eemd能量熵和wvd时频分析，包括以下步骤：
s1：对采集到的车辆轴箱振动的初始加速度信号进行eemd分解，得到多个imf分量信号；
s2：计算每一个所述imf分量信号的eemd能量以及多个所述imf分量信号的信号总能量；
s3：根据imf分量信号的eemd能量分布计算imf分量信号的eemd能量熵；
s4：进行轨道波磨故障诊断：将所述eemd能量熵值与设定阈值比较，若所述eemd能量熵值不小于所述设定阈值，即可判定轨道不存在波磨故障；若所述eemd能量熵值小于所述阈值，即可判定轨道存在波磨故障，则进入下一步骤s5；
s5：对每一个所述imf分量信号分别进行wvd时频分析，并将wvd时频分析的结果线性叠加，得出振动信号的时频图；
s6：依据时频图定位波磨故障的位置，并估算波磨故障的波磨长度。
进一步的，步骤s1具体包括以下步骤：
s11：对加速度信号x0(t)中添加有效的高斯白噪声nj(t)得到分解信号yj(t)，具体公式为：
yj(t)＝x0(t)+k*nj(t)(j＝1,2,3,4…n)(1)
其中，x0(t)为初始加速度信号，k为有效的高斯白噪声的幅值系数，n为添加的有效的高斯白噪声的总数量；
s12：将分解信号yj(t)分解得到由m个序列分量组成的第j组imf序列分量cji(t)，其中，i＝1,2,3,4…m，且m为不小于1的整数；
其具体的分解步骤如下：
a：计算分解信号yj(t)的极大值和极小值点，并将分解信号yj(t)存在的极大值点和极小值点分别拟合分别得到上包络线yj(up)(t)和下包络线yj(low)(t)；
其中，三次样条插值是指通过一系列形值点的一条光滑曲线，数学上通过求解三弯矩方程组得出曲线函数组的过程。
b：根据上包络线、下包络线计算平均值曲线mj(t)，具体公式为：
c：利用下述公式提取一个序列hj(t)
hj(t)＝x0(t)-mj(t)(3)
若序列hj(t)不满足imf条件，则分解步骤结束，进入步骤s13；
若序列hj(t)满足imf条件，则将该序列hj(t)记为该j组的第i个序列分量cji(t)，并进入下一步骤d；
d：将提取的序列分量hji(t)从分解信号yj(t)中去除后，即将(yj(t)-hji(t))的值重新赋值给yj(t)后，重复步骤a～c，获取新的序列分量cj(i+1)(t)；
s13：当j<n时，对初始加速度信号添加不同的有效高斯白噪声，并重复上述步骤s11～s12，可获得n组序列分量组成的cji(t)；
s14：计算该n组序列分量中每组对应序列的序列分量的平均值，即可得到m个分解均值
进一步的，在步骤a中，采用采用三次样条插值法对分解信号的极大值和极小值进行拟合。
进一步的，有效的高斯白噪声总数量n不少于50。
进一步的，步骤s2具体包括以下步骤：
s21：利用下述公式分别计算imf分量信号的能量值ei
其中，ai(t)是该imf分量幅值最大值，ti-1是imf分量起始，ti是imf停止时间，m是imf分量信号的数量；
s22：计算信号总能量值。
进一步的，步骤s3具体包括以下步骤：
s31：计算每一个所述imf分量信号的能量值ei在信号总能量值e中的概率；
s32：利用概率pi计算所述imf分量信号的eemd能量熵。
进一步的，步骤s5具体包括以下步骤：
获取所述imf分量信号
将各个wdi(t,ω)进行线性叠加，得到信号x(t)的wvd时频图wd(t,ω)。
进一步的，步骤s6中波磨位置和波磨长度可根据如下方式确定：
根据时频图中的频率集中区域，定位轨道波磨故障的具体位置；并根据时频图的频率集中区域估算出波磨故障的波长。
与现有技术相比，本发明的有益效果为：
本发明的基于eemd能量熵和wvd的轨道波磨故障检测方法，其基于eemd能量熵和wvd时频分析，能快快捷地定位波磨故障位置，并估算出波磨故障的波磨长度，判断波磨故障的严重程度，从而可以更好地根据波磨故障进行维护。该基于eemd能量熵和wvd的轨道波磨故障检测方法的实时性好、检测效率高、操作简便，适合轨道日常检修。
附图说明
下面结合附图和具体实施方式对本发明的技术作进一步地详细说明：
图1为本发明所述的基于eemd能量熵和wvd的轨道波磨故障检测方法的流程图；
图2为本发明通过simpack仿真得到50mm波长0.04mm波深轴箱振动加速度信号；
图3为本发明50mm波长0.04mm波深eemd分解imf分量能量分布图；
图4为50mm波长0.04mm波深eemd分解imf分量能量熵分布图；
图5为本发明50mm波长0.04mm波深信号时频图；
图6为本发明50mm波长0.04mm波深信号时频幅值图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明公开了一种基于eemd能量熵和wvd的轨道波磨故障检测方法，如图1-图所示，其基于eemd能量熵和wvd时频分析，包括以下步骤：
s1：对采集到的车辆轴箱振动的初始加速度信号(简称振动信号)进行eemd分解，得到多个imf分量信号；其中，在对初始加速度信号进行eemd分解前，需先对采集的加速度信号进行滤波处理。
具体可通过以下步骤得到多个的imf分量信号：
s11：对加速度信号x0(t)中添加有效的高斯白噪声nj(t)得到分解信号yj(t)，具体公式为：
yj(t)＝x0(t)+k*nj(t)(j＝1,2,3,4…n)(1)
其中，x0(t)为初始加速度信号，k为有效的高斯白噪声的幅值系数，n为添加的有效的高斯白噪声的总数量，优选的，n不小于50。
s12：将分解信号yj(t)分解得到由m个序列分量组成的第j组imf序列分量cji(t)，其中，i＝1,2,3,4…m，且m为不小于1的整数；
其具体的分解步骤如下：
a：计算分解信号yj(t)的极大值和极小值点，并采用三次样条插值法将分解信号yj(t)存在的极大值点和极小值点分别拟合分别得到上包络线yj(up)(t)和下包络线yj(low)(t)；
其中，三次样条插值是指通过一系列形值点的一条光滑曲线，数学上通过求解三弯矩方程组得出曲线函数组的过程。
b：根据上包络线、下包络线计算平均值曲线mj(t)，具体公式为：
c：利用下述公式提取一个序列hj(t)
hj(t)＝x0(t)-mj(t)(3)
若序列hj(t)不满足imf条件，则分解步骤结束，进入步骤s13；
若序列hj(t)满足imf条件，则将该序列hj(t)记为该j组的第i个序列分量cji(t)，并进入下一步骤d；
d：将提取的序列分量hji(t)从分解信号yj(t)中去除后，即将(yj(t)-hji(t))的值重新赋值给yj(t)后，重复步骤a～c，获取新的序列分量cj(i+1)(t)；
s13：当j<n时，对初始加速度信号添加不同的有效高斯白噪声，并重复上述步骤s11～s12，可获得n组序列分量组成的cji(t)；
s14：计算该n组序列分量中每组对应序列的序列分量的平均值，即可得到m个分解均值
在上述步骤s11中，有效高斯白噪声的选取过程为：
1)对初始加速度信号x0(t)中添加一个任意的高斯白噪声na(t)得到分解信号ya(t)；
2)计算分解信号ya(t)的极大值和极小值点，并采用三次样条插值法将分解信号yj(t)存在的极大值点和极小值点分别拟合分别得到上包络线ya(up)(t)和下包络线ya(low)(t)；
3)根据上包络线、下包络线计算平均值曲线ma(t)；
4)提取第一个序列ha(t)，其中，ha(t)＝x0(t)-ma(t)；
若序列ha(t)不满足imf条件，该添加的高斯白噪声为无效高斯白噪声，需对初始加速度信号重新添加新的高斯白噪声，并回归至步骤1)重新进行判断；
若序列ha(t)满足imf条件，此时添加的高斯白噪声则为一个有效的高斯白噪声。
s2：计算每一个所述imf分量信号的eemd能量以及多个所述imf分量信号的信号总能量；
具体包括以下步骤：
s21：积分计算每一个所述imf分量信号的eemd能量值ei，具体公式如下：
其中，ai(t)是该imf分量幅值最大值，ti-1是imf分量起始，ti是imf停止时间，m是imf分量信号的数量；
s22：将每一个所述imf分量信号的eemd能量值累加，即可求得多个所述imf分量信号的总能量值
s3：根据imf分量信号的eemd能量分布计算imf分量信号的eemd能量熵；
具体包括以下两个步骤：
s31：计算每一个所述imf分量信号的能量值ei在信号总能量值e中的概率
s32：利用概率pi计算所述imf分量信号的eemd能量熵hee，具体公式如下：
s4：进行轨道波磨故障诊断：将所述eemd能量熵值与设定阈值比较，若所述eemd能量熵值不小于所述设定阈值，即可判定轨道不存在波磨故障；若所述eemd能量熵值小于所述阈值，即可判定轨道存在波磨故障，则进入下一步骤s5；
s5：对每一个所述imf分量信号分别进行wvd时频分析，并将wvd时频分析的结果线性叠加，得出振动信号的时频图；具体包括：
获取所述imf分量信号
将各个wdi(t,ω)进行线性叠加，得到信号x(t)的wvd时频图wd(t,ω)。
s6：依据时频图定位波磨故障的位置，并估算波磨故障的波磨长度(也即波长)，具体可根据如下方式确定：
找到时频图中的频率集中区域，该频率集中区域即为故障频率段，根据该故障频率段即可定位轨道波磨故障的具体位置；同时可根据该故障频率段估算出波磨故障的波长。
本发明的基于eemd能量熵和wvd的轨道波磨故障检测方法，其基于eemd能量熵和wvd时频分析，能快快捷地定位波磨故障位置，并估算出波磨故障的波磨长度，判断波磨故障的严重程度，从而可以更好地根据波磨故障进行维护。该基于eemd能量熵和wvd的轨道波磨故障检测方法的实时性好、检测效率高、操作简便，适合轨道日常检修。
下面结合具体实施例对该方法进行阐释：
实施例1：
本实施例为了尽可能模拟真实轨道状态，在轨道谱上叠加波磨的方式进行轨道设置，simpack仿真实验时，采样频率为1khz，轨道长度95m，只在65～-67m处存在波长50mm波深0.04mm的轨道故障，在其他位置只存在轨道谱垂向不平顺，设置好列车运行速度为10m/s设置和其他设置，得到如图2所示的轴箱垂向振动加速度信号。
对采集到的轴箱振动加速度信号进行eemd分解，得到11个imf分量和1个res分量。由于res分量为无用项，对信号分析没有影响，因此不用对其进行处理；对分解得到的每一个imf分量分别计算其eemd能量，得到如图3所示的能量分布图。
根据imf分量的能量分布，获得如图4所示的能量熵分布图。并根据能量熵值可计算出imf分量的eemd总熵值为0.2685。依据无故障仿真信号设置阈值为0.6，该设置阈值大于0.2685，即eemd能量熵值明显小于阈值，由此可以判断存在波磨故障。
分别对对imf分量进行wvd分析，并将每个imf分量的imf分析结果进行线性叠加即可得到如图5所示的信号的二维时频图以及图6所示的三维时频幅值图。
从图5和图6看出，图中出现频率集中区域，如图中a区域，且出现在65～67米处附近，频率大致在200hz附近，与仿真波磨位置基本相同。为估算波磨波长，将区域a细化处理在199.8hz处振动幅值最大。根据理论推导，波磨波长和频率存在着如下关系：
本发明所述的基于eemd能量熵和wvd的轨道波磨故障检测方法的其它内容参见现有技术，在此不再赘述。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
- 还没有人留言评论。精彩留言会获得点赞！