一种城轨列车车轮振动信号的故障特征提取方法与流程

本发明涉及城轨车轮检测技术领域，特别是一种城轨列车车轮振动信号的故障特征提取方法。

背景技术：

城轨列车在运营中，由于频繁的停启，轮轨之间不断摩擦，极易发生车轮不圆顺故障，车轮全局不圆顺故障，仅靠人工很难检测，需要借助专业检测仪器，检测时间行、准确率不高，因此研究车轮全局不圆顺特征检测方法，对于城轨列车安全运行非常重要。

振动信号故障检测中，采集的信号含有许多噪声和冲击信号，传统的滤波方法由于自身的局限，无法达到理想的滤波效果，不利于后续故障信号的提取。emd作为经典的信号处理算法，能够按高频到低频把信号分解出来，但是emd滤波由于间歇信号等噪声的干扰，分解后的信号存在着模态混叠的问题。

技术实现要素：

本发明的目的在于提供一种准确率高、易于施行的城轨列车车轮振动信号的故障特征提取方法，从而实现振动故障信号的有效提取。

实现本发明目的的技术解决方案为：一种城轨列车车轮振动信号的故障特征提取方法，包括以下步骤：

步骤1、收集车轮振动信号；

步骤2、对车轮振动信号进行改进的eemd滤波：在车轮振动信号中添加均值为零的白噪声，对加噪后的信号进行emd分解得到瞬时频率由高到低的分量，计算分解出分量的排列熵，将排列熵大于规定阈值的分量从原始信号中剔除，得到滤波后的车轮振动信号；

步骤3、对滤波后的车轮振动信号进行emd分解；

步骤4、对固有模态分量进行希尔伯特变换，得到固有模态分量的边际谱，完成城轨列车车轮振动信号的故障特征提取。

进一步地，步骤2中所述的对车轮振动信号进行改进的eemd滤波，具体如下：

步骤2.1、在原始车轮振动信号x(t)中，分别添加均值为零的白噪声mi(t)和-mi(t)得到

其中，mi(t)为添加的白噪声信号，ai为添加噪声信号的幅值，i＝1,2,...,ne，ne添加白噪声对数；

步骤2.2、分别对和进行emd分解，得到第一阶固有模态分量序列和

计算上述得到分量的平均值k1(t)：

步骤2.3、检查k1(t)是否是异常信号：如果排列熵熵值大于θ0，则被认为是异常信号，继续执行步骤2.1～2.2，直至重复p次得到的第p个固有模态分量kp(t)不是异常信号；否则为平稳信号，进入步骤2.4；

步骤2.4、将已分解的前p-1个分量从原始信号中分离出来，即：

其中，r(t)为滤波后的车轮振动信号，x(t)为原始信号，ki(t)为第i个固有模态分量。

进一步地，步骤3所述的对滤波后的车轮振动信号进行emd分解，具体步骤为：

步骤3.1、寻找滤波后的车轮振动信号中包含的所有极值点，并将所有极小值点与极大值点分别拟合成一条曲线，曲线需要经过所有极大值点和极小值点；

步骤3.2、确定上、下包络线的平均值m1，求出：

r(t)-m1＝h1

步骤3.3、如果h1符合固有模态分量的定义，则h1为r(t)的第一个符合固有模态分量定义的分量l1(t)，转入步骤3.4；

如果h1不符合固有模态分量的定义，则h1作为原始信号，重复上述步骤3.1～3.2，得到该信号的上、下包络线的平均值m11，再判断h11＝h1-m11是否符合固有模态分量的定义，如果还是不符合，则继续重复k次，得到h1(k-1)-m1k＝h1k，使得h1k符合固有模态分量的定义，记l1(t)＝h1k，则l1(t)为滤波后的车轮振动信号r(t)的第一个符合固有模态分量定义的分量，转入步骤3.4；

步骤3.4、将l1(t)从r(t)中分离出来，得到：

r1＝r(t)-l1(t)

将r1作为原始信号重复上述步骤3.1～步骤3.3，得到r(t)的第二个符合固有模态分量定义的分量l2(t)；

步骤3.5、重复上述步骤3.1～3.4计算n次，得到信号r(t)的第n个符合固有模态分量定义的分量ln(t)，将前n个分量从r(t)中分离出来，得到：

当rn最终变成一个单调函数时，则无法再从其中提取出符合固有模态分量定义的分量时，结束上述步骤循环，得到

其中，n为直到信号r(t)无法再从其中提取出符合固有模态分量定义的分量时，得到的信号r(t)提取出的符合固有模态分量定义分量的个数，li(t)为r(t)的第i个符合固有模态分量定义的分量，rn为r(t)分离掉n个符合固有模态分量定义分量后得到的信号。

进一步地，步骤4中所述的对固有模态分量进行希尔伯特变换，得到固有模态分量的边际谱，完成城轨列车车轮振动信号的故障特征提取，具体如下：

对每个固有模态分量li(t)，对其作hilbert变换，计算每个固有模态分量的希尔伯特边际谱，具体如下：

对每个固有模态分量li(t)做希尔伯特变换，得到每个分量的瞬时频率和瞬时幅值，将每个分量的瞬时频率和瞬时幅值叠加在一起得到每个固有模态分量li(t)的希尔伯特幅值谱：

其中，n为滤波后信号分解得到的固有模态分量的个数，bi(t)为第i个固有模态分量的瞬时幅值，ωi(t)为第i个固有模态分量的瞬时频率；

将固有模态分量的希尔伯特谱图对时间积分，得到固有模态分量的边际谱：

其中，s为滤波后信号的长度。

本发明与现有技术相比，其显著优点为：(1)改进eemd滤波通过在分解过程中添加均值为零的白噪声，能有效改善模态混叠问题；(2)在分解过程中以排列熵为参数设置阈值进行滤波，既对信号起到了很好的滤波处理能力，又提高了运算效率；(3)滤波之后对信号进行emd分解，能准确的分离出故障信号。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明城轨列车车轮振动信号的故障特征提取方法的流程图。

图2是本发明实施中现场采集的振动信号图。

图3是本发明实施中二阶不圆顺振动信号进行改进的eemd滤波分解图。

图4是本发明实施中各固有模态分量的希尔伯特边际谱图。

具体实施方式

结合图1，本发明提供了一种城轨列车车轮振动信号的故障特征提取方法，首先收集车轮振动信号；对车轮振动信号进行改进的eemd滤波，在车轮振动信号中添加均值为零的白噪声，对加噪后的信号进行emd分解得到瞬时频率由高到低的分量，计算分解出分量的排列熵，将排列熵大于规定阈值的分量从原始信号中剔除，得到滤波后的车轮振动信号；然后对滤波后的车轮振动信号进行emd分解；最后对固有模态分量进行希尔伯特变换，得到固有模态分量的边际谱，完成城轨列车车轮振动信号的故障特征提取，具体包括以下步骤：

步骤1、收集车轮振动信号；

步骤2、对车轮振动信号进行改进的eemd滤波：在车轮振动信号中添加均值为零的白噪声，对加噪后的信号进行emd分解得到瞬时频率由高到低的分量，计算分解出分量的排列熵，将排列熵大于规定阈值的分量从原始信号中剔除，得到滤波后的车轮振动信号，具体如下：

步骤2.1、在原始车轮振动信号x(t)中，分别添加均值为零的白噪声mi(t)和-mi(t)得到

其中，mi(t)为添加的白噪声信号，ai为添加噪声信号的幅值，i＝1,2,...,ne，ne添加白噪声对数；

步骤2.2、分别对和进行emd分解，得到第一阶固有模态分量序列和

计算上述得到分量的平均值k1(t)：

步骤2.3、检查k1(t)是否是异常信号：如果排列熵熵值大于θ0，则被认为是异常信号，继续执行步骤2.1～2.2，直至重复p次得到的第p个固有模态分量kp(t)不是异常信号；否则为平稳信号，进入步骤2.4；

步骤2.4、将已分解的前p-1个分量从原始信号中分离出来，即：

其中，r(t)为滤波后的车轮振动信号，x(t)为原始信号，ki(t)为第i个固有模态分量。

步骤3、对滤波后的车轮振动信号进行emd分解，具体步骤为：

步骤3.1、寻找滤波后的车轮振动信号中包含的所有极值点，并将所有极小值点与极大值点分别拟合成一条曲线，曲线需要经过所有极大值点和极小值点；

步骤3.2、确定上、下包络线的平均值m1，求出：

r(t)-m1＝h1

步骤3.3、如果h1符合固有模态分量的定义，则h1为r(t)的第一个符合固有模态分量定义的分量l1(t)，转入步骤3.4；

如果h1不符合固有模态分量的定义，则h1作为原始信号，重复上述步骤3.1～3.2，得到该信号的上、下包络线的平均值m11，再判断h11＝h1-m11是否符合固有模态分量的定义，如果还是不符合，则继续重复k次，得到h1(k-1)-m1k＝h1k，使得h1k符合固有模态分量的定义，记l1(t)＝h1k，则l1(t)为滤波后的车轮振动信号r(t)的第一个符合固有模态分量定义的分量，转入步骤3.4；

步骤3.4、将l1(t)从r(t)中分离出来，得到：

r1＝r(t)-l1(t)

将r1作为原始信号重复上述步骤3.1～步骤3.3，得到r(t)的第二个符合固有模态分量定义的分量l2(t)；

步骤3.5、重复上述步骤3.1～3.4计算n次，得到信号r(t)的第n个符合固有模态分量定义的分量ln(t)，将前n个分量从r(t)中分离出来，得到：

当rn最终变成一个单调函数时，则无法再从其中提取出符合固有模态分量定义的分量时，结束上述步骤循环，得到

其中，n为直到信号r(t)无法再从其中提取出符合固有模态分量定义的分量时，得到的信号r(t)提取出的符合固有模态分量定义分量的个数，li(t)为r(t)的第i个符合固有模态分量定义的分量，rn为r(t)分离掉n个符合固有模态分量定义分量后得到的信号。

步骤4、对固有模态分量进行希尔伯特变换，得到固有模态分量的边际谱，完成城轨列车车轮振动信号的故障特征提取，具体如下：

对每个固有模态分量li(t)，对其作hilbert变换，计算每个固有模态分量的希尔伯特边际谱，具体如下：

对每个固有模态分量li(t)做希尔伯特变换，得到每个分量的瞬时频率和瞬时幅值，将每个分量的瞬时频率和瞬时幅值叠加在一起得到每个固有模态分量li(t)的希尔伯特幅值谱：

其中，n为滤波后信号分解得到的固有模态分量的个数，bi(t)为第i个固有模态分量的瞬时幅值，ωi(t)为第i个固有模态分量的瞬时频率；

将固有模态分量的希尔伯特谱图对时间积分，得到固有模态分量的边际谱：

其中，s为滤波后信号的长度。

实施例1

本实例为simpack仿真信号，如图2所示，车速65km/h，不圆顺阶数为2，车轮直径820mm，仿真采样频率10khz，仿真时长1s的样本信号。如图3所示，对故障振动信号进行改进的eemd滤波分解，排列熵阈值设置为0.55，得到6阶固有模态分量固有模态分量。

对分解后的各个固有模态分量进行希尔伯特变换，得到各个固有模态分量的边际谱如图4所示，从图中可以看出固有模态分量6的冲击主频率为14hz，且幅值最大，而根据车速65km/h，车轮直径820mm，车轮周长为2.58m，得到车轮的转动频率为6.998hz，则2阶车轮全局不圆顺的理论故障频率为13.997hz。这与固有模态分量6的冲击主频率及其接近。因此可以判断该方法可以准确地提取列车车轮不圆顺故障信息。