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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。