一种基于GEMD包络谱分析的车轴故障的诊断方法技术

本发明专利技术提供了一种基于GEMD包络谱分析的车轴故障的诊断方法，包括：速度传感器内集成振动传感器，所述振动传感器用于检测车轴振动；所述振动传感器采集原始的振动信号，基于GEMD的包络谱分析形成所述振动信号的检测数据；输出所述检测数据所形成的车轴状态信息给上级系统和/或检测人员，以判断车轴是否出现故障。本发明专利技术除了测量车轮的运动参数外，还可以同时监测车轴的工作状态；利用基于GEMD包络谱分析的设备故障诊断技术对车轴的潜在故障进行提前检测，可以判断是否需要对潜在故障的车轴进行预防性更换，避免因定期更换产生的成本浪费。

【技术实现步骤摘要】
一种基于GEMD包络谱分析的车轴故障的诊断方法
本专利技术涉及检测
，具体而言，涉及一种基于GEMD包络谱分析的车轴故障的诊断方法。
技术介绍
机车轴端测速传感器是车载系统必配的设备，对列车超速保护、防空转系统以及我国铁路六次全面大提速产生了不可估量的影响,也为铁路安全可靠的运输提供了良好的技术保障。目前世界范围内的轴端测速传感器器分为：有源光电式、有源霍尔式和无源磁电式三大类，用于检测列车车轮的旋转速度和旋转方向，从而可以计算出列车的运行速度、运行距离和运行方向。现有安装在轴端的测速传感器仅仅用于测量车轮的运动参数，比如速度、距离、方向等，但是仅靠这一套测速传感器，不能测量车轴的模态振型等振动状态，对车轴的潜在故障不能提前检测。
技术实现思路
鉴于此，本专利技术一种基于GEMD包络谱分析的车轴故障的诊断方法的目的：利用“轴端安装”这一特性，除了测量车轮的运动参数外，还可以同时监测车轴的工作状态，比如模态振型等；利用基于GEMD包络谱分析的设备故障诊断技术对车轴的潜在故障进行提前检测。GEMD，即基于遗传算法的经验模态分析。本专利技术一种基于GEMD包络谱分析的车轴故障的诊断方法，包括如下步骤：S1、速度传感器内集成振动传感器，所述振动传感器用于检测车轴振动；S2、所述振动传感器采集原始的振动信号，基于GEMD的包络谱分析形成所述振动信号的检测数据；S3、输出所述检测数据所形成的车轴状态信息给上级系统和/或检测人员，以判断车轴是否出现故障。r>进一步地，利用所述GEMD，从原始振动数据中分离出不同频率的噪声干扰信号，将干扰信号从原始信号中除掉，作为新数据再次分解，经过迭代计算，直到信号平稳，变为稳定性数据。进一步地，利用所述包络谱分析，从所述频谱中提取出高频故障信号；一般而言车轴故障信号为高频分量，例如，在2950rpm时，正常轴承的特征频率范围为110.3Hz～125.6Hz，轴承缺滚珠的特征频率范围为507.6～523.3Hz，轴承滚珠磨损的特征频率范围为459.2Hz～473.6Hz，轴承内裂的特征频率范围为320.5Hz～334.1Hz，轴承外裂的特征频率范围为775.4Hz～790.8Hz。进一步地，所述基于GEMD的包络谱分析，包括以下步骤：S21，在获得采集的振动信号并分析出频谱后，确定用遗传算法对频谱进行去噪所采用的编码方法。S22，利用遗传算法的解码过程，求出振动信号频谱的极值点。S23，判断数据的端点是不是极值点，是的话直接进行下一步；否的话拓延端点数据，使其两端为极值点，再进行下一步。S24，采用样条插值法拟合上下极值点的包络线，计算出上下包络线的均值，并去掉低频的均值。S25，判断去除低频均值后的拟合函数是否满足经验模态(EMD)分解所需要的信号分量条件，如果不满足，重复步骤四，直到上下包络线的均值趋近于0，得到第一个信号分量S1(t)，它即是所采集到的振动信号x(t)中最高频率的分量。S26，将原始振动信号x(t)减去S1(t)，得到x1(t)，代表去除最高频分量后的剩余频率量。S27，将x1(t)再做为原始信号，重复S23步到S26步，直到剩余的函数xn(t)为单调函数；对于得到的x1(t)，x2(t)…xn-1(t)获得包络谱，去除了频率谱中的噪声波动信号，以形成所述振动信号的检测数据对机车轴进行故障诊断。进一步地，所述GEMD，设一个原始采集到的振动信号为x(t)，由多个分量组成，其中包括被测车轴的分量和各种噪声干扰的分量，分解筛选过程包括以下步骤：S211，确定x(t)的所有局部极值点，并求出包含所有原始信号数据的上下包络线；S212，计算两条包络线均值u，并求出x1(t)＝x(t)-u；S213，判断x1(t)是否满足固有模态函数的条件，当不满足时，把x1(t)作为新的x(t)原始信号，重复第一步和第二步，直到x1(t)满足分量的固有模态函数条件，记y1(t)作为第一个信号分量，也代表x(t)中最高频的分量；S214，将得到的分量信号从原始信号中除去，得到r1(t)＝x(t)-y1(t)；S215，重复以上步骤，直到剩余的信号满足给定的终止条件，得到x(t)的分解式：式中r1(t)为剩余的函数，代表x(t)的平稳走势，这些固有模态函数分量包含了信号的稳定特性，用于信号的分析处理。进一步地，所述GEMD的S211步，确定x(t)的极值点时，采用遗传算法，使用以下函数求解极值点：得出对应x1和x2定义域的极值点。进一步地，所述速度传感器内集成振动传感器，通过安装孔固定两组光电模块和振动模块，分别输出两个通道的速度信号和两个方向的振动信号。进一步地，所述速度传感器内集成振动传感器，安装在车轴的轴端。进一步地，所述车轮的运动参数和车轴状态信息，当列车运行时，通过总线输出给上级系统。进一步地，所述车轮的运动参数和车轴状态信息，当列车入库时，可以通过手持式蓝牙设备，和传感器建立无线连接，读取存储在传感器内部的监测数据，从而方便地判断经过一天运行后，车轴是否出现异常的振动频谱，以及对车轴使用寿命还剩多久进行预估并提供参考值。进一步地，所述速度传感器内集成振动传感器，安装在车轴的轴端的轴箱盖上，自带轴通过孔座和机车轴相连，并且随着车轴一起转动，用以检测车轴转速；外壳和轴箱盖、轴箱盖和车轴通过螺栓硬性相连，车轴的振动会通过硬性互连传输到传感器外壳，用以检测车轴的振动。与现有技术相比，本专利技术的有益效果在于：1、在轨道交通领域首次将车轮转速检测和车轴监控两种功能结合在一起，在传感器端完成数据的采集和分析；2、预测模型中采用基于GEMD(遗传算法经验模态分析)包络谱分析车轴的振动频谱，准确判断车轴潜在故障；3、速度、车轴状态信息既可以通过有线总线方式在运行时实时传输，也可以停车时通过手持蓝牙设备和传感器进行无线连接而获取。通过这些参考信息，可以判断是否需要对潜在故障的车轴进行预防性更换，避免因定期更换产生的成本浪费。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。在附图中：图1为本专利技术的一种基于GEMD包络谱分析的车轴故障的诊断方法的流程图。图2为本专利技术基于GEMD的包络谱分析流程图。图3为本专利技术GEMD的流程图。图4为本专利技术实施例的传感器的外壳的内部结构图。图5为本专利技术实施例的传感器安装位置示意图。图6为本专利技术的信息传输流向示意图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并本文档来自技高网...

【技术保护点】
1.一种基于GEMD包络谱分析的车轴故障的诊断方法，其特征在于，包括如下步骤：/nS1、速度传感器内集成振动传感器，所述振动传感器用于检测车轴振动；/nS2、所述振动传感器采集原始的振动信号，基于GEMD的包络谱分析形成所述振动信号的检测数据；/nS3、输出所述检测数据所形成的车轴状态信息给上级系统和/或检测人员，以判断车轴是否出现故障。/n

【技术特征摘要】
1.一种基于GEMD包络谱分析的车轴故障的诊断方法，其特征在于，包括如下步骤：
S1、速度传感器内集成振动传感器，所述振动传感器用于检测车轴振动；
S2、所述振动传感器采集原始的振动信号，基于GEMD的包络谱分析形成所述振动信号的检测数据；
S3、输出所述检测数据所形成的车轴状态信息给上级系统和/或检测人员，以判断车轴是否出现故障。


2.根据权利要求1所述的诊断方法，其特征在于，利用所述GEMD，从原始的振动信号分析出频谱后，分离去除噪声干扰信号，经过迭代分解，变为稳定性数据。


3.根据权利要求1所述的诊断方法，其特征在于，利用所述包络谱分析，从所述频谱中提取出高频故障信号。


4.根据权利要求1所述的诊断方法，其特征在于，所述基于GEMD的包络谱分析，包括以下步骤：
S21、在获得采集的振动信号并分析出频谱后，确定用遗传算法对频谱进行去噪所采用的编码方法；
S22、利用遗传算法的解码过程，求出振动信号频谱的极值点；
S23、判断数据的端点是不是极值点，是的话直接进行下一步；否的话拓延端点数据，使其两端为极值点，再进行下一步；
S24、采用样条插值法拟合上下极值点的包络线，计算出上下包络线的均值，并去掉低频的均值；
S25、判断去除低频均值后的拟合函数是否满足经验模态(EMD)分解所需要的信号分量条件，如果不满足，重复步骤四，直到上下包络线的均值趋近于0，得到第一个信号分量S1(t)，它即是所采集到的振动信号x(t)中最高频率的分量；
S26、将原始振动信号...

【专利技术属性】
技术研发人员：陈伟，贾恺，
申请(专利权)人：上海德意达电子电器设备有限公司，
类型：发明
国别省市：上海;31