车辆轴承温度在线监测系统的制作方法

本发明涉及温度监测领域，特别是车辆轴承温度在线监测系统。

背景技术：

1、火车在运行过程中，车轮上的轴承随着运行时间的累积，滚动轴承的材料表面质量降低、力学性能下降，运行温度相应的发生变化，即性能状态改变的相应部位会出现局部温升。通过温度变化判断轴承性能状态是否正常是一种行之有效的方法。传统的火车轴承温度监测方法主要依赖于人工巡检和定期检测，这种方式存在监测周期长、数据精度低、反应速度慢等问题，无法满足现代铁路运输对安全性的高要求。因此如何针对火车的运行过程中轴承的温度进行实时监测，进而满足对火车运行状态的安全精确把控是现阶段丞待解决的技术问题。

技术实现思路

1、本发明的目的是为了解决上述问题，设计了车辆轴承温度在线监测系统。

2、实现上述目的本发明的技术方案为，进一步，在上述车辆轴承温度在线监测系统中，所述车辆轴承温度在线监测系统包括包括轴承数据处理模块、特征数据计算模块、识别模型建立模块、轴承状态识别模块、轴承温度判断模块、轴承温度监测模块：

3、轴承数据处理模块，用于基于温度传感器获取行驶火车中轴承的轴承温度数据，基于声波传感器获取轴承声波信号数据，对所述轴承温度数据和轴承声波信号数据进行数据预处理，得到初始轴承运行数据集；

4、特征数据计算模块，用于至少获取2个对角线火车车轮和2个平行线火车车轮的初始轴承运行数据集，利用ipdft差值离散傅里叶变换获取所述初始轴承运行数据集中的时域特征和频域特征，得到特征轴承运行数据集；

5、识别模型建立模块，用于基于cnn卷积神经网络引入tms可迁移多尺度学习方法，建立tms-cnn车辆轴承运行识别模型，对所述tms-cnn车辆轴承运行识别模型进行优化，得到目标tms-cnn车辆轴承运行识别模型；

6、轴承状态识别模块，用于将所述特征轴承运行数据集输入至所述目标tms-cnn车辆轴承运行识别模型中进行识别，得到车辆轴承实时运行状态；

7、轴承温度判断模块，用于基于所述车辆轴承实时运行状态判断火车车轮轴承的运行温度是否达到预设的轴承温度，若大于预设的轴承温度，则生成预警指令并将所述预警指令传输至服务器中进行预警；

8、轴承温度监测模块，用于对所述大于预设的轴承温度的火车车轮轴承进行温度监测，并判断所述火车车轮轴承在所述运行温度下的轴承运行寿命，若所述轴承运行寿命小于120min，则生成紧急制动指令。

9、进一步，在上述车辆轴承温度在线监测系统中，所述轴承数据处理模块包括温度传感器子模块、声波传感器子模块、增强子模块、删除子模块：

10、温度传感器子模块，用于基于温度传感器获取行驶火车中轴承的轴承温度数据，所述温度信息数据至少包括轴承温度数据、轴承环境温度数据、轴承温度变化趋势数据；

11、声波传感器子模块，用于基于声波传感器获取轴承声波信号数据，所述轴承声波信号数据至少包括轴承噪声数据，轴承振幅数据、轴承波形数据、轴承冲击信号数据；

12、增强子模块，用于对所述轴承温度数据和轴承声波信号数据进行数据预增强处理，得到增强轴承运行数据；

13、删除子模块，用于将所述增强轴承运行数据中的异常值进行删除，得到初始轴承运行数据集。

14、进一步，在上述车辆轴承温度在线监测系统中，所述特征数据计算模块包括数据收集子模块、数据变换子模块、归一化子模块、计算子模块、聚类子模块：

15、数据收集子模块，用于获取行驶火车中的2个对角线火车车轮和2个平行线火车车轮的初始轴承运行数据集，所述初始轴承运行数据集还包括4个对角线火车车轮和4个平行线火车车轮；

16、数据变换子模块，用于利用ipdft差值离散傅里叶变换获取所述初始轴承运行数据集中的时域特征和频域特征，得到轴承频谱运行数据；

17、归一化子模块，用于对所述轴承频谱运行数据进行数据归一化建立轴承频谱运行数据的轴承频谱矩阵；

18、计算子模块，用于计算所述轴承频谱矩阵，得到所述轴承频谱矩阵中评价指标的最大值和最小值；

19、聚类子模块，用于利用k-means聚类算法将所述轴承频谱矩阵中的数据按照规则划分为类簇，得到特征轴承运行数据集，所述特征轴承运行数据集至少包括训练特征轴承运行数据和测试特征轴承运行数据。

20、进一步，在上述车辆轴承温度在线监测系统中，所述识别模型建立模块包括模型建立单元、模型计算单元、特征分布单元、参数迁移单元：

21、模型建立单元，用于基于cnn卷积神经网络引入tms可迁移多尺度学习方法，建立tms-cnn车辆轴承运行识别模型，所述tms-cnn车辆轴承运行识别模型至少包括输入层、卷积层、池化层、输出层；

22、模型计算单元，用于利用所述tms可迁移多尺度学习方法学习tms-cnn车辆轴承运行识别模型中数据的条件概率分布，计算源领域和目标领域之前存在的相似性和差异性；

23、特征分布单元，用于通过将源领域和目标领域的特征映射到同一特征空间中，令所述源领域和目标领域具有相同的特征分布；

24、参数迁移单元，用于通过在源领域中预先训练好tms-cnn车辆轴承运行识别模型，然后将tms-cnn车辆轴承运行识别模型的参数迁移到目标领域的模型中，得到目标tms-cnn车辆轴承运行识别模型。

25、进一步，在上述车辆轴承温度在线监测系统中，所述轴承状态识别模块包括数据识别单元、网络结构单元、模型再训练单元、模型测试单元、参数设置单元：

26、数据识别单元，用于将所述特征轴承运行数据集输入至所述目标tms-cnn车辆轴承运行识别模型中进行识别；

27、网络结构单元，用于将预训练网络的部分参数迁移到目标领域的目标tms-cnn车辆轴承运行识别模型中，其中目标领域的网络结构与源领域网络结构一致；

28、模型再训练单元，用于使用目标领域数据对目标tms-cnn车辆轴承运行识别模型进行再训练；

29、模型测试单元，用于使用测试特征轴承运行数据对目标tms-cnn车辆轴承运行识别模型进行测试；

30、参数设置单元，用于设置所述目标tms-cnn车辆轴承运行识别模型的dropout 丢弃率=0.6，初始学习率=0.002，训练次数=60次，得到车辆轴承实时运行状态。

31、进一步，在上述车辆轴承温度在线监测系统中，所述轴承温度判断模块包括判断子模块、设定子模块、阈值子模块、传输子模块：

32、判断子模块，用于基于所述车辆轴承实时运行状态判断火车车轮轴承的运行温度是否达到预设的轴承温度；

33、设定子模块，用于确定所述预设的轴承温度基于火车车轮轴承的材质、设计规格、运行环境以及运行历史数据设定，在所述火车车轮轴承运行超过1万小时，预设的轴承温度为430℃；

34、阈值子模块，用于若火车车轮轴承的运行温度大于预设的轴承温度，则生成预警指令，所述预警指令至少包括轴承编号、轴承位置、轴承实时温度和超过预设阈值的比例；

35、传输子模块，用于基于zigbee无线传输技术将所述预警指令传输至火车管理人员的服务器中进行预警。

36、进一步，在上述车辆轴承温度在线监测系统中，所述轴承温度监测模块包括温度监测子模块、对角线温度监测子模块、平行线温度监测子模块、紧急制动子模块：

37、温度监测子模块，用于对所述大于预设的轴承温度的火车车轮轴承进行温度监测，同时判断对角线火车车轮轴承和平行线火车车轮轴承的运行温度是否大于预设的轴承温度；

38、对角线温度监测子模块，用于若对角线火车车轮轴承的运行温度大于预设的轴承温度，则获取火车车轮轴承在所述运行温度下的轴承运行寿命；若所述轴承运行寿命小于120min，则生成紧急制动指令；

39、平行线温度监测子模块，用于若平行线火车车轮轴承的运行温度大于预设的轴承温度，则获取火车车轮轴承在所述运行温度下的轴承运行寿命；若所述轴承运行寿命小于80min，则生成紧急制动指令；

40、紧急制动子模块，用于将所述紧急制动指令发送至火车的制动系统中，并找寻最近的火车站点进行停靠。

41、进一步，在上述车辆轴承温度在线监测系统中，实现所述车辆轴承温度在线监测系统的方法，所述方法包括以下步骤：

42、基于温度传感器获取行驶火车中轴承的轴承温度数据，基于声波传感器获取轴承声波信号数据，对所述轴承温度数据和轴承声波信号数据进行数据预处理，得到初始轴承运行数据集；

43、获取多个对角线火车车轮和平行线火车车轮的初始轴承运行数据集，利用ipdft差值离散傅里叶变换获取所述初始轴承运行数据集中的时域特征和频域特征，得到特征轴承运行数据集；

44、基于cnn卷积神经网络引入tms可迁移多尺度学习方法，建立tms-cnn车辆轴承运行识别模型，对所述tms-cnn车辆轴承运行识别模型进行优化，得到目标tms-cnn车辆轴承运行识别模型；

45、将所述特征轴承运行数据集输入至所述目标tms-cnn车辆轴承运行识别模型中进行识别，得到车辆轴承实时运行状态；

46、基于所述车辆轴承实时运行状态判断火车车轮轴承的运行温度是否达到预设的轴承温度，若大于预设的轴承温度，则生成预警指令并将所述预警指令传输至服务器中进行预警；

47、对所述大于预设的轴承温度的火车车轮轴承进行温度监测，并判断所述火车车轮轴承在所述运行温度下的轴承运行寿命，若所述轴承运行寿命小于120min，则生成紧急制动指令。

48、进一步，在上述车辆轴承温度在线监测系统中，实现所述车辆轴承温度在线监测系统的方法，所述方法包括以下步骤：

49、数据收集子模块，用于获取行驶火车中的2个对角线火车车轮和2个平行线火车车轮的初始轴承运行数据集，所述初始轴承运行数据集还包括4个对角线火车车轮和4个平行线火车车轮；

50、利用ipdft差值离散傅里叶变换获取所述初始轴承运行数据集中的时域特征和频域特征，得到轴承频谱运行数据；

51、对所述轴承频谱运行数据进行数据归一化建立轴承频谱运行数据的轴承频谱矩阵；

52、计算所述轴承频谱矩阵，得到所述轴承频谱矩阵中评价指标的最大值和最小值；

53、利用k-means聚类算法将所述轴承频谱矩阵中的数据按照规则划分为类簇，得到特征轴承运行数据集，得到特征轴承运行数据集，所述特征轴承运行数据集至少包括训练特征轴承运行数据和测试特征轴承运行数据。

54、进一步，在上述车辆轴承温度在线监测系统中，实现所述车辆轴承温度在线监测系统的方法，所述方法包括以下步骤：

55、基于cnn卷积神经网络引入tms可迁移多尺度学习方法，建立tms-cnn车辆轴承运行识别模型，所述tms-cnn车辆轴承运行识别模型至少包括输入层、卷积层、池化层、输出层；

56、利用所述tms可迁移多尺度学习方法学习tms-cnn车辆轴承运行识别模型中数据的条件概率分布，计算源领域和目标领域之前存在的相似性和差异性；

57、通过将源领域和目标领域的特征映射到同一特征空间中，令所述源领域和目标领域具有相同的特征分布；

58、通过在源领域中预先训练好tms-cnn车辆轴承运行识别模型，然后将tms-cnn车辆轴承运行识别模型的参数迁移到目标领域的模型中，得到目标tms-cnn车辆轴承运行识别模型。

59、其有益效果在于，基于温度传感器获取行驶火车中轴承的轴承温度数据，基于声波传感器获取轴承声波信号数据，对所述轴承温度数据和轴承声波信号数据进行数据预处理，得到初始轴承运行数据集；获取多个对角线火车车轮和平行线火车车轮的初始轴承运行数据集，利用ipdft差值离散傅里叶变换获取所述初始轴承运行数据集中的时域特征和频域特征，得到特征轴承运行数据集；基于cnn卷积神经网络引入tms可迁移多尺度学习方法，建立tms-cnn车辆轴承运行识别模型，对所述tms-cnn车辆轴承运行识别模型进行优化，得到目标tms-cnn车辆轴承运行识别模型；将所述特征轴承运行数据集输入至所述目标tms-cnn车辆轴承运行识别模型中进行识别，得到车辆轴承实时运行状态；基于所述车辆轴承实时运行状态判断火车车轮轴承的运行温度是否达到预设的轴承温度，若大于预设的轴承温度，则生成预警指令并将所述预警指令传输至服务器中进行预警；对所述大于预设的轴承温度的火车车轮轴承进行温度监测，并判断所述火车车轮轴承在所述运行温度下的轴承运行寿命，若所述轴承运行寿命小于120min，则生成紧急制动指令。可以实时监测轴承温度，及时发现异常情况，提高车辆运行的安全性。该系统还可以帮助减少维护人员上道作业的次数，降低交通成本，提高维护效率。本系统针对对角线的火车轴承和平行线的火车轴承进行温度监测和寿命评估，对火车的轴承运行状态进行更精确的评估，保障铁路安全。