CN103425827B - 一种列车车轮扁疤的仿真分析方法 - Google Patents

Abstract

本发明公开了一种列车车轮扁疤的仿真分析方法，该方法包括如下步骤：利用动力学仿真软件SIMPACK建立第一车辆模型、第二车辆模型和加入轨道激励的轨道模型；在第一车辆模型和第二车辆模型上各设置至少一个加速度传感器模型；在动力学仿真软件SIMPACK中分别运行第一车辆模型和第二车辆模型，利用设置于第一车辆模型和第二车辆模型上的加速度模型分别采集第一车辆模型和第二车辆模型的加速度数据；利用MATLAB软件对第一车辆模型和第二车辆模型的加速度数据都依次进行时域分析和频域分析；通过对比时域分析和频域分析后的第一车辆模型和第二车辆模型的加速度数据分析第一车辆模型的车轮扁疤情况。所述仿真分析方法能够迅速、准确地检测列车车轮的扁疤情况。

Description

一种列车车轮扁疤的仿真分析方法

技术领域

本发明涉及列车车轮扁疤检测技术领域，尤其涉及一种列车车轮扁疤的仿真分析方法。

背景技术

轮对是列车车辆行走部的极为重要的部件。轮对上负载荷，下压钢轨，是列车车辆的“脚”。每一个轮对的两个轮子被设置于一根车轴的两端。在列车运行过程中，车轮踏面常因各种原因出现局部擦伤或剥离，此类现象统称为车轮扁疤。车轮踏面擦伤是由于车轮材质过软，或紧急制动时轮对空转，同一轮对的轮径相差过大等原因所致。车轮踏面剥离是由于车轮踏面的材质或其制备工艺不良等原因所致。车轮踏面有扁疤时，车轮发生变形，即车轮形状不再是规则的圆形。带扁疤的车轮无法圆顺地沿轨道表面行驶，而是周期性地撞击钢轨。当车轮在钢轨顶面上滚动到扁疤位置处时，车轮就会周期性地对钢轨施加很大的冲击力，该冲击力的频率f为：

$f=\frac{v}{2\mathrm{\π}R}$

其中，v为列车的行驶速度，R为车轮滚动圆半径。通常这种振动冲击力可高达静态轮重的数倍。这种冲击力不仅使车辆产生振动，影响车辆零件强度，加剧轮对的损坏，还对轨道产生极大的影响，致使钢轨发生意外的折损，给混凝土轨枕及其他部件以料想不到的损伤。车轮扁疤不仅降低了车辆和轨道的使用寿命，而且增加了维修成本。此外，由于振动及其产生的巨大噪声使乘客乘坐列车时的舒适度大大降低，同时对列车沿途的环境造成不良影响。

现有技术中，列车车轮扁疤的检查方法包括人工检查法和在轨道上安装传感器的方法。一方面，人工检查法是靠检车员在接车过程中或者停车后的耳听、眼观、锤敲来判断车轮扁疤情况。人工检查方法受人为因素、扁疤所在位置、现场工作条件以及技术校对时间等因素的影响，其缺点为不容易及时发现车轮扁疤，容易造成漏检，并且工人的劳动强度大，技术校对时间长。另一方面，在轨道上安装传感器的方法的缺点是工程量大，施工难度大，并且需要对现有的线路做较大改动，从而有可能降低轨道的使用寿命。因此在轨道交通高速发展的现状下，人工检查法和在轨道上安装传感器的方法都不能较为迅速、准确地检测出列车车轮扁疤情况，因此无法满足工程实践的实际需求。

发明内容

本发明的目的是提供一种列车车轮扁疤的仿真分析方法。

本发明提供的列车车轮扁疤的仿真分析方法包括如下步骤：

利用动力学仿真软件SIMPACK建立第一车辆模型、第二车辆模型和加入轨道激励的轨道模型，且第一车辆模型的至少一个车轮具有扁疤，第二车辆模型的所有车轮都是规则的圆形；

在第一车辆模型和第二车辆模型上各设置至少一个加速度传感器模型；

在动力学仿真软件SIMPACK中分别运行第一车辆模型和第二车辆模型，利用设置于第一车辆模型和第二车辆模型上的加速度传感器模型分别采集第一车辆模型和第二车辆模型的加速度数据；

利用MATLAB软件对第一车辆模型和第二车辆模型的加速度数据都依次进行时域分析和频域分析；

通过对比时域分析和频域分析后的第一车辆模型和第二车辆模型的加速度数据分析第一车辆模型的车轮扁疤情况。

优选地，按照真实的城轨列车的结构参数建立所述第一车辆模型和所述第二车辆模型。

优选地，利用美国五级轨道谱向所述轨道模型加入轨道激励。

优选地，所述时域分析包括时域波形分析和时域参数分析。

进一步优选地，所述时域波形分析为：通过对比所述第一车辆模型和所述第二车辆模型在时域内的加速度的波形分析所述第一车辆模型的车轮扁疤情况。

进一步优选地，通过所述时域参数分析获得如下参数：

加速度平均值为：

$C_1=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i;$

加速度均方值为：

$C_2=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^2\right)-{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)}^2;$

加速度的歪度为：

$C_3=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^3\right)-3\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^2\right)\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)+2{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)}^3;$

加速度的峭度为：

$C_4=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^4\right)-3{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^2\right)}^2-4\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^3\right)\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)+12\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^2\right){\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)}^2-6{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)}^4;$

其中，x_i为i时刻的加速度数据，N为加速度数据的个数。

优选地，所述频域分析包括频域波形分析和频域参数分析。

进一步优选地，所述频域波形分析为：将时域的加速度数据进行傅立叶变换，然后通过对比所述第一车辆模型和所述第二车辆模型在频域内的加速度幅值的波形分析所述第一车辆模型的车轮扁疤情况。

进一步优选地，通过所述频域参数分析获得如下参数：

频域中心为：

$FC=\frac{{\∫}_0^{+\mathrm{\∞}}fs\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df};$

频域均方根为：

$RMSF={\[\frac{{\∫}_0^{+\mathrm{\∞}}{f}^{2}s\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df}\]}^{1/2};$

频域均方差为：

$RVF={\[\frac{{\∫}_0^{+\mathrm{\∞}}{(f-FC)}^{2}s\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df}\]}^{1/2};$

其中，f为频率。

本发明具有如下有益效果：

(1)与现有技术的人工检查法相比，本发明的仿真分析方法不受人为因素、扁疤所在位置、现场工作条件以及技术校对时间等因素的影响，从而能够及时发现车轮扁疤，避免漏检，并且工人的劳动强度较小，技术校对时间较短；

(2)与现有技术的在轨道上安装传感器的方法相比，本发明的仿真分析方法在车辆上设置加速度传感器，工程量较小，施工难度较低，并且不需要对现有的线路做较大改动，从而能够延长轨道的使用寿命；

(3)本发明的仿真分析方法能够迅速、准确地检测列车车轮的扁疤情况。

附图说明

图1是本发明实施例提供的列车车轮扁疤的仿真分析方法的流程图；

图2是本发明实施例利用动力学仿真软件SIMPACK建立的第一车辆模型的示意图；

图3是本发明实施例的第一车辆模型(车轮有扁疤)在时域内的加速度的波形图；

图4是本发明实施例的第二车辆模型(车轮无扁疤)在时域内的加速度的波形图；

图5是本发明实施例的第一车辆模型(车轮有扁疤)在频域内的加速度幅值的波形图；

图6是本发明实施例的第二车辆模型(车轮无扁疤)在频域内的加速度幅值的波形图。

具体实施方式

下面结合附图及实施例对本发明的发明内容作进一步的描述。

如图1所示，本实施例提供的列车车轮扁疤的仿真分析方法包括如下步骤：

S1：利用动力学仿真软件SIMPACK建立第一车辆模型、第二车辆模型和加入轨道激励的轨道模型，且第一车辆模型的至少一个车轮具有扁疤，第二车辆模型的所有车轮都是规则的圆形，即第二车辆模型的所有车轮都不具有扁疤；在本实施例中，例如按照真实的城轨列车的结构参数建立第一车辆模型和第二车辆模型，如图2所示，第一车辆模型的前转向架2的靠近后转向架3的车轴6的一侧车轮5具有例如9mm深的扁疤，并利用例如美国五级轨道谱向本实施例的轨道模型加入轨道激励；

S2：在第一车辆模型和第二车辆上各设置至少一个加速度传感器模型，以测量车辆模型的加速度；在本实施例中，如图3所示，例如在第一车辆模型的车体1底部的四角处各设置一个加速度传感器模型4，第二车辆模型的加速度传感器模型的个数和设置方式与第一车辆模型相同；

S3：在动力学仿真软件SIMPACK中分别运行第一车辆模型和第二车辆模型，利用设置于第一车辆模型和第二车辆模型上的加速度传感器模型分别采集第一车辆模型和第二车辆模型的加速度数据；在本实施例中，例如利用设置于第一车辆模型的车体1底部的四个加速度传感器模型4采集第一车辆模型的车体1的加速度数据，利用设置于第二车辆模型的车体底部的四个加速度传感器模型采集第二车辆模型的车体的加速度数据，且每一个加速度传感器模型采集一组加速度数据；

S4：利用MATLAB软件对第一车辆模型的加速度数据依次进行时域分析和频域分析，并利用MATLAB软件对第二车辆模型的加速度数据依次进行时域分析和频域分析；

S5：通过对比时域分析和频域分析后的第一车辆模型和第二车辆模型的加速度数据分析第一车辆模型的车轮扁疤情况。

在上述步骤S4中，时域分析如下：

时域分析包括时域波形分析和时域参数分析，其中时域参数分析即时域特征分析。

如图3和图4所示，时域波形分析为：通过对比第一车辆模型和第二车辆模型在时域内的加速度的波形分析第一车辆模型的车轮扁疤情况。通过时域参数分析获得如下参数：

加速度平均值C₁为：

$C_1=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i;$ 公式(1)

加速度均方值C₂为：

$C_2=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^2\right)-{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)}^2;$ 公式(2)

加速度的歪度C₃为：

$C_3=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^3\right)-3\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^2\right)\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)+2{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)}^3;$ 公式(3)

加速度的峭度C₄为：

$C_4=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^4\right)-3{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^2\right)}^2-4\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^3\right)\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)+12\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^2\right){\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)}^2-6{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)}^4;$ 公式(4)

上述公式(1)至(4)中，x_i表示i时刻的加速度数据，N表示加速度数据的个数；根据公式(1)由每一个加速度传感器模型采集的加速度数据计算即可得到该加速度传感器模型所在位置处的加速度平均值。

在上述步骤S4中，频域分析如下：

频域分析包括频域波形分析和频域参数分析，其中频域参数分析即频域特征分析。

如图5和图6所示，频域波形分析为：将时域的加速度数据进行傅立叶变换，然后通过对比第一车辆模型和第二车辆模型在频域内的加速度幅值的波形分析第一车辆模型的车轮扁疤情况。通过频域参数分析获得如下参数：

频域中心FC为：

$FC=\frac{{\∫}_0^{+\mathrm{\∞}}fs\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df};$ 公式(5)

频域均方根RMSF为：

$RMSF={\[\frac{{\∫}_0^{+\mathrm{\∞}}{f}^{2}s\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df}\]}^{1/2};$ 公式(6)

频域均方差RVF为：

$RVF={\[\frac{{\∫}_0^{+\mathrm{\∞}}{(f-FC)}^{2}s\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df}\]}^{1/2};$ 公式(7)

上述公式(5)至(7)中，f表示频率。

应当理解，以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种列车车轮扁疤的仿真分析方法，其特征在于，该仿真分析方法包括如下步骤：

利用动力学仿真软件SIMPACK建立第一车辆模型、第二车辆模型和加入轨道激励的轨道模型，且第一车辆模型的至少一个车轮具有扁疤，第二车辆模型的所有车轮都是规则的圆形；

在第一车辆模型和第二车辆模型上各设置至少一个加速度传感器模型；

在动力学仿真软件SIMPACK中分别运行第一车辆模型和第二车辆模型，利用设置于第一车辆模型和第二车辆模型上的加速度传感器模型分别采集第一车辆模型和第二车辆模型的加速度数据；

利用MATLAB软件对第一车辆模型和第二车辆模型的加速度数据都依次进行时域分析和频域分析；

通过对比时域分析和频域分析后的第一车辆模型和第二车辆模型的加速度数据分析第一车辆模型的车轮扁疤情况。

2.根据权利要求1所述的列车车轮扁疤的仿真分析方法，其特征在于，按照真实的城轨列车的结构参数建立所述第一车辆模型和所述第二车辆模型。

3.根据权利要求1所述的列车车轮扁疤的仿真分析方法，其特征在于，利用美国五级轨道谱向所述轨道模型加入轨道激励。

4.根据权利要求1所述的列车车轮扁疤的仿真分析方法，其特征在于，所述时域分析包括时域波形分析和时域参数分析。

5.根据权利要求4所述的列车车轮扁疤的仿真分析方法，其特征在于，所述时域波形分析为：通过对比所述第一车辆模型和所述第二车辆模型在时域内的加速度的波形分析所述第一车辆模型的车轮扁疤情况。

6.根据权利要求4所述的列车车轮扁疤的仿真分析方法，其特征在于，通过所述时域参数分析获得如下参数：

加速度平均值为：

$C_1=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i;$

加速度均方值为：

$C_2=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^2\right)-{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)}^2;$

加速度的歪度为：

$C_3=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^3\right)-3\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^2\right)\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)+2{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)}^3;$

加速度的峭度为：

$C_4=\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^4\right)-3{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^2\right)}^2-4\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^3\right)\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)+12\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i^2\right){\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)}^2-6{\left(\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{x}_i\right)}^4;$

其中，x_i为i时刻的加速度数据，N为加速度数据的个数。

7.根据权利要求1所述的列车车轮扁疤的仿真分析方法，其特征在于，所述频域分析包括频域波形分析和频域参数分析。

8.根据权利要求6所述的列车车轮扁疤的仿真分析方法，其特征在于，所述频域波形分析为：将时域的加速度数据进行傅立叶变换，然后通过对比所述第一车辆模型和所述第二车辆模型在频域内的加速度幅值的波形分析所述第一车辆模型的车轮扁疤情况。

9.根据权利要求6所述的列车车轮扁疤的仿真分析方法，其特征在于，通过所述频域参数分析获得如下参数：

频域中心为：

$FC=\frac{{\∫}_0^{+\mathrm{\∞}}fs\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df};$

频域均方根为：

$RMSF={\[\frac{{\∫}_0^{+\mathrm{\∞}}{f}^{2}s\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df}\]}^{1/2};$

频域均方差为：

$RVF={\[\frac{{\∫}_0^{+\mathrm{\∞}}{(f-FC)}^{2}s\left(f\right)df}{{\∫}_0^{+\mathrm{\∞}}s\left(f\right)df}\]}^{1/2};$

其中，f为频率。