一种城轨列车车轮扁疤故障检测方法技术

本发明专利技术公开了一种城轨列车车轮扁疤故障检测方法。该方法基于改进的魏格纳‑威尔分布时频分析方法，包括以下步骤：现场采集信号，对振动信号采用自适应降噪；对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度；提取小波系数，分析信号特征，估算阈值；对振动信号进行IWVD处理，根据信号的时频图和时频幅值图，进行车轮状态判别；若交叉干扰项超过振动信号的分量个数N，则返回重新估算阈值，继续进行处理。本发明专利技术基于改进的魏格纳‑威尔时频分布，检测结果明显，适用性强。

【技术实现步骤摘要】
一种城轨列车车轮扁疤故障检测方法
本专利技术属于车轮检测
，特别是一种城轨列车车轮扁疤故障检测方法。
技术介绍
列车轮对是车辆运行部件中最重要的部件之一，其不仅承受车身和旅客或货物的全部重量，而且负责传导轮对与钢轨间的相互作用力，尤其当车轮经过钢轨上方时会产生轨道上的垂向振动加速度。轮对组需要承受较多影响，其中包括较大的静载荷和动载荷，组装应力和制动片、闸片制动时产生的热应力以及通过曲线时的离心力等。然而随着城轨车辆的速度提升与旅客数量的急剧增长，轮对和轨道之间的相互作用力增强，从而导致轮对与钢轨接触面非圆化现象日益增多，其中就包括车轮踏面扁疤这种最常见的损伤形式，该损伤形式会对车辆和轨道各部件造成伤害，并引起安全和乘坐舒适度降低等问题。现有车轮检测技术，不能够准确并实时地检测出车轮扁疤等异常情况，无法及时采取有效措施消除安全隐患，是城轨交通发展中的监测难题。
技术实现思路
本专利技术的目的在于提供一种准确性高、实时性好的城轨列车车轮扁疤故障检测方法，从而及时采取有效措施消除安全隐患。实现本专利技术目的的技术解决方案是：一种城轨列车车轮扁疤故障检测方法，基于改进的魏格纳-威尔分布时频分析方法，包括以下步骤：步骤1，现场采集信号，对振动信号采用自适应降噪；步骤2，对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度；步骤3，提取小波系数，分析信号特征，估算阈值λ；步骤4，对振动信号进行IWVD处理，根据信号的时频图和时频幅值图，进行车轮状态判别；步骤5，若交叉干扰项超过振动信号的分量个数N，则返回步骤3重新估算阈值λ，进行步骤4处理。作为一种具体示例，步骤1所述的现场采集信号，对振动信号采用自适应降噪，具体如下：现场采集信号输入是信号源s和噪声源n的组合，辅助输入是噪声源n1；自适应滤波系统输出e实际为源估计也是信号s、噪声源n和具有自适应滤波器的噪声估计的组合，具体如下式所示：噪声信号n和n1不相关，自适应滤波器基于内置的自适应算法，通过n1实时得到噪声估计自适应滤波系统用来代替n，以实现自适应干扰抵消的功能。作为一种具体示例，步骤2所述的对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度，具体步骤为：(2.1)设定函数ψ(t)∈L2(R)，ψ对应的傅立叶变换为当满足允许条件：时，即Cψ有界，则ψ为母小波函数，经过伸缩和平移，变换为：式中，a,b∈R，且a≠0，a被称为伸缩因子，b被称为平移因子；设自适应滤波后的信号f(t)∈L2(R)，则f(t)的小波变换定义为：式中，为的共轭运算形式；(2.2)设W(t,f)是振动信号连续小波变换所得小波谱中的小波系数的绝对值，WVDx(t,f)是魏格纳-威尔分布表达式；由于WVDx(t,f)的维度与采样点数相同，因此采用信号的采样点数作为小波尺度长度，确保WVDx(t,f)和W(t,f)维度相同。作为一种具体示例，步骤3所述的提取小波系数，分析信号特征，估算阈值λ，具体如下：选取阈值λ，表达式为：其中是小波系数在整个时频域的平均值，σ为小波系数的标准差。作为一种具体示例，步骤4所述对振动信号进行IWVD处理，根据信号的时频图和时频幅值图，进行车轮状态判别，具体如下：设确定性时间连续信号x(t)为采样信号，则x(t)在时间域的WVD定义如下：WVDx(t,f)＝∫x(t+τ/2)x*(t-τ/2)e-jftdτ(5)WVDx(t,f)为信号x(t)的瞬时自相关函数Rx(t，τ)的傅里叶变换，即：Rx(t,τ)＝x(t+τ/2)x*(t-τ/2)(6)WVDx(t,f)＝∫Rx(t，τ)e-jftdτ(7)信号x(t)在频率域的WVD定义为：式中，S(θ)为S(t)的傅里叶变换；则改进的魏格纳威尔分布法如下：IWVDs(t,f)＝WVDx(t,f)M(t,f)(9)其中M(t,f)是由振动信号的连续小波变换的时频谱构建的时频滤波器，具体表达式如下：根据信号的时频图和时频幅值图，进行车轮扁疤故障的判别。本专利技术与现有技术相比，其显著优点是：(1)基于改进的魏格纳-威尔时频分布，同时克服了连续小波变换依赖小波函数的选择、维格纳分布分析多分量信号存在交叉项干扰的根本缺陷，实时性好、准确性高；(2)检测结果较为明显，方法适用性强。附图说明图1为城轨列车车轮扁疤故障检测方法的流程示意图。图2为自适应降噪原理示意图。图3为时速60公里扁疤故障仿真信号时域信号图，其中(a)为无故障车轮仿真信号图，(b)20mm扁疤车轮仿真信号图，(c)40mm扁疤车轮仿真信号图，(d)80mm扁疤车轮仿真信号图。图4为时速60公里仿真信号IWVD时频图，其中(a)为无故障车轮IWVD图，(b)为20mm扁疤车轮IWVD图，(c)为40mm扁疤车轮IWVD图，(d)为80mm扁疤车轮IWVD图。图5为时速60公里仿真信号IWVD时频幅值图，其中(a)为无故障车轮IWVD时频幅值图，(b)为20mm扁疤车轮IWVD时频幅值图，(c)为40mm扁疤车轮IWVD时频幅值图，(d)为80mm扁疤车轮IWVD时频幅值图。具体实施方式下面结合附图对本专利技术作进一步的详细说明。结合图1，本专利技术基于改进的魏格纳-威尔分布时频分析方法，首先现场采集信号，对振动信号进行滤波处理，然后对信号进行连续小波变换，将小波频谱图线性地划分为小的时频单元以满足WVD的维度；提取小波系数，针对所分析信号的特征估算阈值λ；对振动信号进行IWVD处理，观察信号的时频图和时频幅值图，进行车轮状态判别，同时若交叉干扰项过多，超过振动信号的分量个数N，重新估算阈值λ进行处理。包括步骤如下：步骤1，现场实际采集信号，对振动信号采用自适应降噪，降低噪声干扰，具体如下：如图2所示，现场采集信号输入是信号源s和噪声源n的组合，辅助输入是噪声源n1；自适应滤波系统输出e实际为源估计也是信号s、噪声源n和具有自适应滤波器的噪声估计的组合，具体如下式所示：噪声信号n和n1不相关，自适应滤波器基于内置的自适应算法，通过n1实时得到噪声估计自适应滤波系统用来代替n，以实现自适应干扰抵消的功能。上式的平方并且考虑噪声信号n和n1不相关，得到如下公式：要达到滤波优化信号的目的，自适应滤波系统的输出e必须在最小均方功率方面最小化。如果在最小二乘法中被最小化，那信号的最小二乘估计能够等到下式：为了使均方误差E[s2]梯度相对于重量w可以设置为0，得到下式其产生维纳方程：w＝R-1P步骤2，对振动信号进行连续小波变换，将小波频谱图线性地划分为小的时频单元，以满足WVD的维度，具体如下：(2.1)设函数ψ(t)∈L2(R)，ψ对应的傅立叶变换为当满足允许条件：时，即Cψ有界，则称ψ为母小波函数，经过伸缩和平移变换，变为：式中，a,b∈R，且a≠0，a被称为伸缩因子，b被称为平移因子。设自适应滤波后的信号f(t)∈L2(R)，则f(t)的小波变换定义为：式中，为的共轭运算形式。(2.2)设W(t,f)是振动信号连续小波变换所得小波谱中的小波系数的绝对值，WVDx(t,f)是魏格纳-威尔分布表达式；由于WVDx(t,f)的维度与采样点数相同，因此采用信号的采样点数作为小波尺度长度，确保WVDx(t,f)和W(t,f)本文档来自技高网...

【技术保护点】
一种城轨列车车轮扁疤故障检测方法，其特征在于，基于改进的魏格纳‑威尔分布时频分析方法，包括以下步骤：步骤1，现场采集信号，对振动信号采用自适应降噪；步骤2，对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度；步骤3，提取小波系数，分析信号特征，估算阈值λ；步骤4，对振动信号进行IWVD处理，根据信号的时频图和时频幅值图，进行车轮状态判别；步骤5，若交叉干扰项超过振动信号的分量个数N，则返回步骤3重新估算阈值λ，进行步骤4处理。

【技术特征摘要】
1.一种城轨列车车轮扁疤故障检测方法，其特征在于，基于改进的魏格纳-威尔分布时频分析方法，包括以下步骤：步骤1，现场采集信号，对振动信号采用自适应降噪；步骤2，对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度；步骤3，提取小波系数，分析信号特征，估算阈值λ；步骤4，对振动信号进行IWVD处理，根据信号的时频图和时频幅值图，进行车轮状态判别；步骤5，若交叉干扰项超过振动信号的分量个数N，则返回步骤3重新估算阈值λ，进行步骤4处理。2.根据权利要求1所述的城轨列车车轮扁疤故障检测方法，其特征在于，步骤1所述的现场采集信号，对振动信号采用自适应降噪，具体如下：现场采集信号输入是信号源s和噪声源n的组合，辅助输入是噪声源n1；自适应滤波系统输出e实际为源估计也是信号s、噪声源n和具有自适应滤波器的噪声估计的组合，具体如下式所示：噪声信号n和n1不相关，自适应滤波器基于内置的自适应算法，通过n1实时得到噪声估计自适应滤波系统用来代替n，以实现自适应干扰抵消的功能。3.根据权利要求1所述的城轨列车车轮扁疤故障检测方法，其特征在于，步骤2所述的对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度，具体步骤为：(2.1)设定函数ψ(t)∈L2(R)，ψ对应的傅立叶变换为当满足允许条件：时，即Cψ有界，则ψ为母小波函数，经过伸缩和平移，变换为：式中，a,b∈R，且a≠0，a被称为伸缩因子，b被称为平移因子；设自适应滤波后的信号f(t)∈L2(R)，则f(t)的小波变换定义为：

【专利技术属性】
技术研发人员：郎宽，邢宗义，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32