一种在线监测列车车轮多边形故障的方法技术

本发明专利技术属于轨道列车故障检测技术领域，公开了一种在线监测列车车轮多边形故障的方法。本发明专利技术的车轮多边形故障监测方法，引入了一定时间内多边形指标平均值作为多边形评价指标的方式和选取一定时间内出现最多次的多边形阶次指标作为多边形阶次评价指标的方式，保证了评价指标稳定可靠，有效避免了误诊和漏诊；引入了车速作为故障判断和报警状态输出的条件，引入了时间维度判断和故障状态值计数判断的方法，有效避免了轨道状态对车轮多边形故障状态判断的影响，减少了大量故障报警信息提示对驾乘人员的干扰。本发明专利技术的车轮多边形故障检测方法监测结果准确且稳定，对系统性能要求小，满足低成本嵌入式设备实时在线监测系统的要求。要求。要求。

【技术实现步骤摘要】
一种在线监测列车车轮多边形故障的方法


[0001]本专利技术属于轨道列车故障检测
，涉及一种在线监测列车车轮多边形故障的方法。

技术介绍

[0002]截至2021年年底，全国铁路营业里程15万公里，高速铁路运营里程达4万公里，稳居世界第一。截至2022年7月，31个省(自治区、直辖市)和新疆生产建设兵团共有51个城市开通运营城市轨道交通线路277条，运营里程0.91万公里。
[0003]列车运营过程中，有许多关系经济性、舒适性和安全性的技术指标需要重点关注，车轮多边形故障指标就是其中之一。车轮多边形又称车轮波磨或车轮周期性非圆化，普遍存在于地铁车辆、普通铁路及高速列车运营中，车轮多边形会加剧车辆振动和产生噪音，对乘坐舒适性造成影响；并且振动也会对轮轨系统的使用寿命产生影响，影响列车运行的稳定性、经济性和安全性。
[0004]目前在用的车轮多边形状态检测方式主要分为三大类：地面检测、轨旁检测和实时在线监测。目前我国大部分列车检修工务段车轮多边形状态检测主要以地面检测为主，地面检测使用特定设备进行检查，优点是检测准确性高，但需要轮对拆卸下来后进行检测，一般仅在四级修或五级修时进行，检测频次过少。轨旁检测一般使用图像检测技术，利用在轨边安装高清相机阵列，完整采集车辆轮对踏面图像，自动分析识别出故障信息，优点是检测准确性较高，缺点是轨旁检测设备位置固定，需要列车经过此设备旁才可进行检测且检测结果受列车通过速度影响。实时在线监测一般指使用安装在营运车辆轴箱上的振动加速度传感器进行检测，通过检测算法得到多边形评价指标，进行实时检测。
[0005]目前已有的实时在线监测方法采用短时指标进行报警判断，对车轮多边形故障程度识别较好，但列车实际运行过程中，由于运行的轨道状态存在差异，当列车运行在状态较差轨道段时，多边形评价指标值受冲击信号影响会偏高，容易造成误判，并且当车轮存在多边形故障时，采用短时指标进行报警判断会持续报出多边形故障，造成大量报警信息提示。

技术实现思路

[0006]本专利技术针对这一难点问题，给出了具体的解决方案。本专利技术采用对传感器采集的振动加速度信号进行分析处理的方法实现，不仅能够实时在线监测车轮多边形缺陷，而且有效避免了采用短时指标报警判断容易产生的误报等情况。
[0007]为实现上述目的，本专利技术解决问题采用的技术方案是：
[0008]获取列车的实时车速和车轮直径信息；根据实时车速和车轮直径，计算车轮实时转频，然后计算出车轮多边形阶次频率值序列；
[0009]获取采集的列车车轮垂向振动加速度信号；将振动加速度信号进行低通滤波后，截取中段，同时进行频域变换；
[0010]根据截取中段后得到的振动加速度信号，先计算时域有效值，再计算出振动有效
值指标；
[0011]根据频域变换得到的频域数据，先提取频域数据中一定数量的峰值及对应频率形成峰值序列，采用差值阈值算法从峰值序列中提取出车轮多边形阶次频率值序列所对应的频域幅值，形成车轮多边形幅频特征序列；
[0012]根据车轮多边形幅频特征序列，取其中幅值最大的一组数据做为表征量，计算多边形幅值指标和多边形阶次指标；
[0013]根据振动有效值指标和多边形幅值指标，计算出多边形指标；
[0014]根据多边形指标和多边形阶次指标，计算出多边形评价指标和多边形阶次评价指标；
[0015]当车速大于预设值时，将多边形评价指标与报警阈值比较，并结合多边形阶次指标，判断是否满足故障状态计数条件，并进行计数；当车速小于预设值时，判断故障状态次数总和是否超过报警判断次数，输出报警状态，并将相关报警参数置0。
[0016]一种在线监测列车车轮多边形故障的方法，具体实施步骤如下：
[0017]步骤1：获取列车的实时车速TSpd和车轮直径TDia；
[0018]步骤2：根据实时车速TSpd和车轮直径TDia，计算车轮实时转频St＝TSpd*1000/(3.6*TDia*π)，然后计算出车轮多边形阶次频率值序列On(St)；
[0019]步骤3：获取采集的列车车轮垂向振动加速度信号；
[0020]步骤4：将步骤3得到的振动加速度信号进行低通滤波后，截取中段，同时进行FFTW频域变换；
[0021]步骤5：根据步骤4截取中段后得到的振动加速度信号，先计算时域有效值RMS，再计算出振动有效值指标RmsdB＝20log(RMS)；
[0022]步骤6：根据步骤4FFTW频域变换得到的频域数据，先提取频域数据中一定数量的峰值及对应频率形成P(x,y)序列，然后将P(x,y)序列按照频域幅值从大到小排序形成峰值序列Py(x,y)，采用差值阈值算法从峰值序列中提取出车轮多边形阶次频率值序列所对应的频域幅值，形成车轮多边形幅频特征序列OPn(x,y)；
[0023]步骤7：根据步骤6得到的车轮多边形幅频特征序列OPn(x,y)，取其中频域幅值最大的一组数据OPmax(x,y)做为表征量，计算多边形幅值指标AdB＝20log(OPmax(y))和多边形阶次指标Polyn＝OPmax(x)/St；
[0024]步骤8：根据步骤5得到振动有效值指标RmsdB，步骤7得到多边形幅值指标AdB值和加权系数a，计算出多边形指标KndB＝a*AdB+(1
‑
a)*RmsdB；
[0025]步骤9：对时间1秒至N秒内多边形指标KndB进行平均，作为第N秒多边形评价指标初始N
‑
1秒内的KdB取值0；
[0026]步骤10：选取时间1秒至N秒内出现次数最多的多边形阶次指标Polyn，作为最终的多边形阶次评价指标Poly；
[0027]步骤11：输出多边形评价指标KdB、多边形阶次评价指标Poly；
[0028]步骤12：当车速大于预设值时，将多边形评价指标KdB与报警阈值比较，并结合多边形阶次评价指标Poly，判断是否满足故障状态计数条件，并进行预判状态次数ALTn1或预警状态次数ALTn2或报警状态次数ALTn3的故障状态次数计数；当车速小于预设值时，判断故障状态次数总和是否超过报警判断次数，即ALTn1+ALTn2+ALTn3是否大于等于ALTN，超过
则报警状态ALTtr为ALTn1，ALTn2，ALTn3中最大值所对应的状态值ALTst，否则报警状态ALTtr＝0；
[0029]步骤13：输出报警状态ALTtr；并将ALTn1、ALTn2、ALTn3、ALTtr值置0。
[0030]作为优选的方式，步骤2中，车轮多边形阶次频率值序列On(St)为车轮转频St与多边形阶次On序列的乘积，车轮发生多边形故障的阶次On一般在15
‑
40之间；
[0031]作为优选的方式，步骤4中，截取中段为截取振动加速度信号10％
‑
90％之间的振动加速度信号。
[0032]作为较优的方式，步骤6中，峰值序列Py(x,y)的提取方法包括：采用最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线监测列车车轮多边形故障的方法，其特征在于，获取列车的实时车速和车轮直径信息；根据实时车速和车轮直径，计算车轮实时转频，然后计算出车轮多边形阶次频率值序列；获取采集的列车车轮垂向振动加速度信号；将振动加速度信号进行低通滤波后，截取中段，同时进行频域变换；根据截取中段后得到的振动加速度信号，先计算时域有效值，再计算出振动有效值指标；根据频域变换得到的频域数据，先提取频域数据中的峰值及对应频率形成峰值序列，采用差值阈值算法从峰值序列中提取出车轮多边形阶次频率值序列所对应的频域幅值，形成车轮多边形幅频特征序列；根据车轮多边形幅频特征序列，取其中幅值最大的一组数据做为表征量，计算多边形幅值指标和多边形阶次指标；根据振动有效值指标和多边形幅值指标，计算出多边形指标；根据多边形指标和多边形阶次指标，计算出多边形评价指标和多边形阶次评价指标；当车速大于预设值时，将多边形评价指标与报警阈值比较，并结合多边形阶次评价指标，判断是否满足故障状态计数条件，并进行计数；当车速小于预设值时，判断故障状态次数总和是否超过报警判断次数，输出报警状态，并将相关报警参数置0。2.根据权利要求1所述的一种在线监测列车车轮多边形故障的方法，其特征在于，包括如下步骤：步骤1：获取列车的实时车速TSpd和车轮直径TDia；步骤2：根据实时车速TSpd和车轮直径TDia，计算车轮实时转频St＝TSpd*1000/(3.6*TDia*π)，然后计算出车轮多边形阶次频率值序列On(St)；步骤3：获取采集的列车车轮垂向振动加速度信号；步骤4：将步骤3得到的列车车轮垂向振动加速度信号进行低通滤波后，截取中段，同时进行FFTW频域变换；步骤5：根据步骤4截取中段后得到的振动加速度信号，先计算时域有效值RMS，再计算出振动有效值指标RmsdB＝20log(RMS)；步骤6：根据步骤4FFTW频域变换得到的频域数据，先提取频域数据中一定数量的峰值及对应频率形成P(x,y)序列，然后将P(x,y)序列按照频域幅值从大到小排序形成峰值序列Py(x,y)，采用差值阈值算法从峰值序列中提取出车轮多边形阶次频率值序列所对应的频域幅值，形成车轮多边形幅频特征序列OPn(x,y)；步骤7：根据步骤6得到的车轮多边形幅频特征序列OPn(x,y)，取其中频域幅值最大的一组数据OPmax(x,y)做为表征量，计算多边形幅值指标AdB＝20log(OPmax(y))和多边形阶次指标Polyn＝OPmax(x)/St；步骤8：根据步骤5得到振动有效值指标RmsdB、步骤7得到多边形幅值指标AdB值和加权系数a，计算出多边形指标KndB＝a*AdB+(1
‑
a)*RmsdB；步骤9：对时间1秒至N秒内多边形指标KndB进行平均，作为第N秒多边形评价指标初始N
‑
1秒内的KdB取值0；
步骤10：选取时间1秒至N秒内出现次数最多的多边形阶次指标Polyn，作为最终的多边形阶次评价指标Poly；步骤11：输出多边形评价指标KdB、多边形阶次评价指标Poly；步骤12：当车速大于预设值时，将多边形评价指标KdB与报警阈值比较，并结合多边形阶次评价指标Poly，判断是否满足故障状态计数条件，并进行预判状态次数ALTn1或预警状态次数ALTn2或报警状态次数ALTn3的故障状态次数计数；当车速小于预设值时，判断故障状态次数总和是否超过报警判断次数，即ALTn1+ALTn2+ALTn3是否大于等于ALTN，超过...

【专利技术属性】
技术研发人员：曹日起，侯永强，刘闯，刘传杨，
申请(专利权)人：大连柏盛源科技有限公司，
类型：发明
国别省市：