System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及弓网设备监测领域,尤其涉及一种城市轨道交通弓网异常磨耗状态预测方法、装置和存储介质。
技术介绍
1、随着近几年城市轨道交通的爆发式发展以及地下隧道空间的局限性,架空柔性接触网以及第三轨供电方式逐渐被取代,架空刚性接触网越来越多的在城市轨道交通隧道内应用,因此弓网间的异常磨耗问题也逐步凸显,在弓网异常磨耗期间碳滑板、接触线磨耗率急剧上升,从而造成了碳滑板、接触线以及人力维护成本的大量浪费。异常磨耗期间通常还会伴随碳滑板缺块、受电弓裂纹等现象,严重威胁城市轨道交通运营安全。
2、因此弓网异常磨耗问题无论是从运营安全方面还是运营成本方面都给各地铁运营公司带来了极大的考验,而对城市轨道交通弓网异常磨耗状态的预测无论是从成本节约角度考虑还是从运营安全角度考虑都是十分必要的。即弓网系统的异常磨耗状态的预测研究直接影响了弓网系统的运营安全性与维修成本,因此对其磨耗状态的评估与预测显得格外重要。
3、在现有技术中,大部分关于弓网磨耗状态预测研究结论基于实验室数据得出,在工程应用条件下,列车往往会在不同的车速、加速度下切换牵引、制动工况,同时弓网接触响应还受车辆运行姿态、轮轨状态、接触网波磨、硬点等多种外界因素影响,因此面对接触网响应、磨损的复杂性与非线性问题,既有研究尚未形成系统的理论将通过试验或仿真得到的弓网响应数据与弓网耦合关系、磨损程度建立联系。并且现有研究结论未能结合动力学以及环境参数等多方面因此提出弓网磨耗预测方法。
技术实现思路
1、本专利技术的目
2、本专利技术的目的是通过以下技术方案来实现的:
3、本专利技术的第一方面,提供一种城市轨道交通弓网异常磨耗状态预测方法,包括以下步骤:
4、将环境湿度、弓网燃弧率、弓网接触响应信号近似熵参数、弓网接触响应信号频域平稳性输入至预测模型,所述预测模型输出弓网磨耗率;
5、其中,所述预测模型为利用历史的环境湿度、弓网燃弧率、弓网接触响应信号近似熵参数、弓网接触响应信号频域平稳性、弓网磨耗率建立的线性回归模型。
6、进一步地,所述环境湿度为湿度传感器采集的湿度数据;
7、所述弓网燃弧率为利用火花探测仪或紫外相机采集的燃弧的次数和单次燃弧的持续时间进行计算,从而得到的数据;
8、所述弓网接触响应信号近似熵参数、弓网接触响应信号频域平稳性,均为通过弓网接触力叠加数据f计算得到的数据;其中,所述弓网接触力叠加数据f为利用受电弓前后碳滑板的若干支点处安装的接触力传感器采集的若干接触力值、在进行叠加后得到的数据。
9、进一步地,所述利用受电弓前后碳滑板的若干支点处安装的接触力传感器采集的若干接触力值,为试验数据或仿真数据。
10、进一步地,所述弓网接触响应信号近似熵参数的计算方式如下:
11、针对某一长度为n的非平稳随机序列为u=[u(1),u(2),u(3),......,u(n)],u(i)即为按照时间序列第i次采集的得到的弓网接触力叠加数据f,n为总采集次数,将u(i)转化为原非平稳序列的子序列,公式如下:
12、x(i)=[x(i),x(i+1),x(i+2),......,x(i+m-1)],1≤i≤n-m
13、此时需要求取原非平稳序列的标准差sd,并预设模式维数m与相似容限系数r;对每一个i值计算矢量x(i)、余矢量x(j)之间的距离d,公式如下:
14、d[x(i),x(j)]=max|x(i-k)-x(j-k)|,0≤k<m
15、循环计算不同的i值所计算得到的矢量距离d,将其与预先设定的相似容限系数r进行对比计数,求取其与总的矢量个数的比值记为公式如下:
16、
17、对求取其对数,再求取其所有i值所对应的平均值记为公式如下:
18、
19、重复上式计算得到进而求取该序列的近似熵apen即所述弓网接触响应信号近似熵参数,公式如下:
20、
21、进一步地,所述弓网接触响应信号频域平稳性的计算方式如下:
22、将长度为n的信号x(n)进行经验模态分解,信号x(n)即弓网接触力叠加数据f,得到m个基本模式分量c1,c2...cm和剩余分量rm,公式如下:
23、
24、对每个基本模式进行hilbert变换,公式如下:
25、
26、式中,i表示不同模式分量,ωj(n)表示不同模式分量下的频率;
27、则信号x(n)的hilbert谱表达为:
28、
29、式中,bj表示修正因子,aj(n)表示分解后信号瞬时振幅;当ωj=ω时,bj取值为1,其余情况下bj取值为0,ω表示分解后信号瞬时频率;计算得到hilbert边界谱h(ω)、平均边界谱b(ω),公式如下:
30、
31、
32、当信号hilbert谱不随时间变化时,弓网接触响应信号频域平稳性ds(ω)数值为0,信号处于平稳状态;当信号频率依赖时间变化时,信号平稳性降低,表征为弓网接触响应信号频域平稳性ds(ω)数值逐渐增大,公式如下:
33、
34、进一步地,所述方法还包括以下步骤:
35、根据预测模型输出的弓网磨耗率结果,形成对应管控措施。
36、本专利技术的第二方面,提供一种城市轨道交通弓网异常磨耗状态预测装置,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行所述的一种城市轨道交通弓网异常磨耗状态预测方法的步骤。
37、本专利技术的第三方面,提供一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行所述的一种城市轨道交通弓网异常磨耗状态预测的步骤。
38、本专利技术的有益效果是:
39、在本专利技术的一示例性实施例中,基于弓网异常磨耗期间的实测数据对弓网异常磨耗状态进行研究分析,结合动力学以及环境参数等多方面建立了弓网响应数据与弓网耦合关系、磨损程度之间的联系。并且,对于了弓网运行动力学参数“接触力”这一非线性信号的处理,采用弓网接触响应信号近似熵参数、弓网接触响应信号频域平稳性的方式进行转化处理,即本方法的使用适用于非线性信号的信号处理方法,适用于城市轨道交通下工况复杂的环境。
本文档来自技高网...【技术保护点】
1.一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:所述环境湿度为湿度传感器采集的湿度数据;
3.根据权利要求2所述的一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:所述利用受电弓前后碳滑板的若干支点处安装的接触力传感器采集的若干接触力值,为试验数据或仿真数据。
4.根据权利要求2所述的一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:所述弓网接触响应信号近似熵参数的计算方式如下:
5.根据权利要求2所述的一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:所述弓网接触响应信号频域平稳性的计算方式如下:
6.根据权利要求1所述的一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:所述方法还包括以下步骤:
7.一种城市轨道交通弓网异常磨耗状态预测装置,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令,其特征在于:所述处理器运行所述计算机指令时执行如权利要求1~6中任意一项所述的
8.一种存储介质,其上存储有计算机指令,其特征在于:所述计算机指令运行时执行如权利要求1~6中任意一项所述的一种城市轨道交通弓网异常磨耗状态预测的步骤。
...【技术特征摘要】
1.一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:所述环境湿度为湿度传感器采集的湿度数据;
3.根据权利要求2所述的一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:所述利用受电弓前后碳滑板的若干支点处安装的接触力传感器采集的若干接触力值,为试验数据或仿真数据。
4.根据权利要求2所述的一种城市轨道交通弓网异常磨耗状态预测方法,其特征在于:所述弓网接触响应信号近似熵参数的计算方式如下:
5.根据权利要求2所述的一种城市轨道交通弓网异常磨耗状态预测...
【专利技术属性】
技术研发人员:徐文治,刘志刚,宋洋,胡泽尧,陈龙,李佶林,
申请(专利权)人:西南交通大学,
类型:发明
国别省市:
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。