CN104228872A - 一种便携式轨道不平顺在线监测装置及方法 - Google Patents

Abstract

本发明公开了一种便携式轨道不平顺在线监测装置及方法。该装置包括振动传感器、测速传感器、模拟预处理电路、A/D转换器、单片机、ZigBee电路、独立电池、上位机主控制芯片、网卡接口；所述振动传感器设置在列车走行部一系簧上方的构架上，测速传感器设置于列车的车轴端盖内，振动传感器和测速传感器分别采集车载振动信号和测速信号，采集到的信号先经模拟预处理电路进行低通滤波处理，再经A/D转换器将模拟信号转换为数字信号，该数字信号一方面通过单片机传输至无线通讯端，另一方面通过ZigBee电路传输至上位机进行故障诊断分析处理；上位机主控芯片对接收到的数字信号进行信号分析处理及故障诊断。本发明具有操作方便、精度高、成本低等优点。

Description

一种便携式轨道不平顺在线监测装置及方法

技术领域

本发明涉及轨道长波不平顺在线监测的技术领域，特别是一种便携式轨道不平顺在线监测装置及方法。

背景技术

轨道不平顺由轮轨反复作用及轨道枕木等恶化造成，是引起车辆和轨道振动的重要激励源之一。当轨道不平顺达到一定程度时会影响车辆平稳性、乘客舒适度、车辆和轨道的使用寿命甚至危害车辆运行安全，因此对轨道不平顺进行实时在线的有效检测与管理对铁路运营具有重要意义。

Tsunashima H等(Tsunashima H,Kojima T,Matsummoto A,et al.Condition monitoringof railway track using in-service vehicle[J].Japanese Railway Engineering,2008,161:333-356.)采用在车体上安装一陀螺仪采集车体的角速度来推导轨道状态，并使用GPS系统和地图匹配算法精确定位故障位置，但是在车体安装陀螺仪系统，就限制了该系统的测量场所和增加了测量成本。

发明内容

本发明的目的在于提供一种成本低、工程实施性好的便携式轨道不平顺在线监测装置及方法，基于轴箱振动加速度和列车车速对垂向轨道长波不平顺进行在线监测。

实现本发明目的的技术解决方案是：一种便携式轨道不平顺在线监测装置，包括振动传感器、测速传感器、模拟预处理电路、A/D转换器、单片机、ZigBee电路、独立电池、上位机主控制芯片、网卡接口；所述振动传感器设置在列车走行部一系簧上方的构架上，测速传感器设置于列车的车轴端盖内，所述振动传感器和测速传感器的输出信号接入模拟预处理电路，模拟预处理电路的输出信号接入A/D转换器，A/D转换器的输出信号接入单片机，单片机的输出信号接入ZigBee电路，ZigBee电路的输出信号接入上位机主控制芯片，上位机主控制芯片的输出信号接入网卡接口；独立电池为单片机进行供电；

所述振动传感器和测速传感器分别采集车载振动信号和测速信号，采集到的信号先经模拟预处理电路进行低通滤波处理，再经A/D转换器将模拟信号转换为数字信号，该数字信号一方面通过单片机传输至无线通讯端，另一方面通过ZigBee电路传输至上位机进行故障诊断分析处理；所述ZigBee电路发射端将接收的数字信号传输至上位机主控芯片，上位机主控芯片对接收到的数字信号进行信号分析处理及故障诊断，通过上位机主控芯片进行轨道不平顺诊断结果显示、存储。

一种便携式轨道不平顺在线监测方法，步骤如下：

步骤1，在列车走行部一系弹簧上方的构架上安装振动传感器，并在列车的车轴端盖内设置测速传感器，所述振动传感器和测速传感器的输出端均接入模拟预处理电路；

步骤2，振动传感器采集列车的轴箱振动加速度信号、测速传感器采集列车的运行速度信号，所采集到的两路信号输入模拟预处理电路进行低通滤波处理，低通滤波器采用巴斯沃特滤波器，后经A/D转换器将模拟信号转换为数字信号，该数字信号通过单片机传输至ZigBee电路，ZigBee电路提供了无线传输功能，将该数字信号传输至上位机主控制芯片；

步骤3，提取信号特征值：上位机主控制芯片通过对数字信号进行故障诊断，确定振动加速度信号的特征值即短时能量、幅值、方差、峭度，并确定各个特征值对应的阈值；

步骤4，故障等级划分：将骤3中获取的振动加速度信号各个特征值与相应特征值的阈值进行比较，并根据比较结果划分故障等级，进而确定故障点；

步骤5，不平顺位置判定：确定步骤4所得故障点对应的时间，结合采集到的速度信号，根据位移定义推算出确定轨道存在不平顺的位置。

本发明与现有技术相比，其显著优点是：(1)成本低，避免了使用机器视觉法带来的高成本，以及轨检车的运行、维护和调度成本；(2)工程实施性好，振动传感器和车速传感器能承受现场的恶劣环境，且安装方便；(3)在线监测，可及时发现突发的和长期累积的轨道不平顺状态变化，从而提供及时的维护预警，避免了在日后更广泛的维护并对故障进行跟踪记录，为以后的铁路维护进行更有效的规划。

附图说明

图1为本发明便携式轨道不平顺在线监测装置的硬件结构示意图。

图2为本发明便携式轨道不平顺在线监测装置中传感器的安装示意图。

图3为本发明便携式轨道不平顺在线监测方法的处理流程图。

图4为本发明实施例1中振动传感器采集的振动加速度信号。

图5为本发明实施例1中振动加速度信号的短时能量值。

图6为本发明实施例1中振动加速度信号的振幅值。

图7为本发明实施例1中振动加速度信号的方差值。

图8为本发明实施例1中振动加速度信号的峭度值。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

结合图1～2，本发明便携式轨道不平顺在线监测装置，包括振动传感器1、测速传感器2、模拟预处理电路3、A/D转换器4、单片机5、ZigBee电路6、独立电池7、上位机主控制芯片8、网卡接口9；所述振动传感器1设置在列车走行部一系簧上方的构架上，测速传感器2设置于列车的车轴端盖内，所述振动传感器1和测速传感器2的输出信号接入模拟预处理电路3，模拟预处理电路3的输出信号接入A/D转换器4，A/D转换器4的输出信号接入单片机5，单片机5的输出信号接入ZigBee电路6，ZigBee电路6的输出信号接入上位机主控制芯片8，上位机主控制芯片8的输出信号接入网卡接口9；独立电池7为单片机5进行供电；所述振动传感器1和测速传感器2分别采集车载振动信号和测速信号，采集到的信号先经模拟预处理电路3进行低通滤波处理，再经A/D转换器4将模拟信号转换为数字信号，该数字信号一方面通过单片机5传输至无线通讯端，另一方面通过ZigBee电路6传输至上位机进行故障诊断分析处理；所述ZigBee电路6发射端将接收的数字信号传输至上位机主控芯片8，上位机主控芯片8对接收到的数字信号进行信号分析处理及故障诊断，通过上位机主控芯片8进行轨道不平顺诊断结果显示、存储。独立电池7对单片机进行供电，保证单片机的正常工作。

所述振动传感器1采用PCB公司的PCB356A26，主要性能指标为量程为±100g pk，灵敏度为50mV/g，频率范围为0.7～6500Hz。

所述单片机5采用PIC18F2525中高端单片机，包括复位按键和外部20MHz石英晶振；PIC18单片机是Microchip公司推出的中高端8位单片机，PIC18F2525为属PIC18系列的一款28引脚QFDN封装，纳瓦技术和多种功耗管理模式以满足低功耗要求。该单片机的性能指标为：2.0-5.5V电源，40MHZ的主频，内部RTC32KHZ的时钟，支持在线ICE仿真，ICD调试，外设包括4路定时器、同时支持I²C和SPI总线的MSSP模块，支持LIN总线的USART、10位AD、最大分辨率52ns捕获和最大分辨率833ns的捕获捕捉比较模块PWMCCP模块。

所述ZigBee电路6采用无线通讯接口JN5139，JN5139为单一芯片一体化低功耗低成本无线收发器和单片机。芯片集成了一个32bit RISC处理器，兼容214GHzIEEE802.15.4收发器，包括192kB的ROM 96kB的RAM提供4输入12bit AD转换器、2路11bit DA比较器、2个应用计时器、3个系统计时器、2路UART串口、5个片选位的SPI端口、1个I²C接口。丰富的接口为外接各种传感器和控制电路提供了很大的便利。

所述上位机主控制芯片8采用三星公司的基于ARM11内核的S3C6410微处理器，主频最高达667MHz，该处理器的控制板上扩展了256MB DDR内存，2GB NANDFLASH，运行嵌入式Linux操作系统，提供IIC、SPI、UART接口以及液晶显示控制器。主控模块硬件设计中DDR，FLASH，电源，时钟等外围硬件是运行嵌入式系统必不可少的部分，这些部分为外围功能拓展电路；LCD屏显示采集的信息；触摸屏进行人机交互；振动传感器和旋转脉冲速度传感器采集相应信息；DMA9000为网卡模块。

结合图2～3，本发明便携式轨道不平顺在线监测方法，步骤如下：

步骤1，在列车走行部一系弹簧上方的构架上安装振动传感器1，并在列车的车轴端盖内设置测速传感器2，所述振动传感器1和测速传感器2的输出端均接入模拟预处理电路3；

步骤2，振动传感器1采集列车的轴箱振动加速度信号、测速传感器2采集列车的运行速度信号，所采集到的两路信号输入模拟预处理电路3进行低通滤波处理，低通滤波器采用巴斯沃特滤波器，后经A/D转换器4将模拟信号转换为数字信号，该数字信号通过单片机5传输至ZigBee电路6，ZigBee电路6提供了无线传输功能，将该数字信号传输至上位机主控制芯片8；

步骤3，提取信号特征值：上位机主控制芯片8通过对数字信号进行故障诊断，确定振动加速度信号的特征值即短时能量、幅值、方差、峭度，并确定各个特征值对应的阈值，该阈值需在实验中进行大量数据分析，以达到给定的各阈值能够尽量合理的适应众多的情况；振动加速度信号的特征值即短时能量、幅值、方差、峭度，公式如下：

短时能量E定义：

$E_n=\underset{m=n-N+1}{\mathrm{\Σ}}{\left[x\left(m\right)w(n-m)\right]}^2$

其中，E_n为滑动窗函数，n为帧长即窗口长度，m为窗口初始时刻、x(m)为m时刻振动信号幅值、N为采样点数；由于要保留振动加速度信号的原始振动能量，采用矩形窗作为窗函数：

因此，振动加速度信号在时刻n的短时能量E_n表示为：

$E_n=\underset{m=n-N+1}{\mathrm{\Σ}}{\left[x\left(m\right)w(n-m)\right]}^2$

幅值Peak为振动加速度信号偏离零线的最大值：

Peak＝|max(x_i)|_max

其中，x_i为振动信号的幅值，i＝1，2，…，N；

方差Variance为振动加速度信号的波动大小：

$\mathrm{Variance}=\frac{1}{N}\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2$

其中，为振动信号的平均值；

峭度Kurtosis对于均值为零的振动信号定义为：

$\mathrm{Kurtosis}=\frac{{\∫}_{-\∞}^{+\∞}{x}^{4}p\left(x\right)\mathrm{dx}}{{\left({\∫}_{-\∞}^{+\∞}{x}^{2}p\left(x\right)\mathrm{dx}\right)}^2}$

式中，p(x)为信号x(t)的概率密度分布函数，x为采集的振动加速度值；

步骤4，故障等级划分：将骤3中获取的振动加速度信号各个特征值与相应特征值的阈值进行比较，并根据比较结果划分故障等级，进而确定故障点；

步骤5，不平顺位置判定：确定步骤4所得故障点对应的时间，结合采集到的速度信号，根据位移定义推算出确定轨道存在不平顺的位置。通过确定发生故障的采样点个数，乘以采样间隔即可确定发生故障的位置。

下面结合具体实施例对本发明作进一步详细说明。

实施例1

结合图4，振动传感器以10KHz的采样频率采集轴箱振动信号，单片机采用2500Hz低通滤波预将采集的振动信号处理后上传至上位机进行信号短时能量、幅值、方差和峭度等特征值的提取。

短时能量E定义：

$E_n=\underset{m=n-N+1}{\mathrm{\Σ}}{\left[x\left(m\right)w(n-m)\right]}^2$

其中，E_n为滑动窗函数，n为帧长即窗口长度，m为窗口初始时刻、x(m)为m时刻振动信号幅值、N为采样点数；由于要保留振动加速度信号的原始振动能量，采用矩形窗作为窗函数：

因此，振动加速度信号在时刻n的短时能量E_n表示为：

$E_n=\underset{m=n-N+1}{\mathrm{\Σ}}{\left[x\left(m\right)w(n-m)\right]}^2$

式中，E_n表示信号在时刻n的短时能量，此处，采用帧长为16，帧位移量为4对采集到的振动信号提取短时能量特征值，如图5所示。

幅值Peak为振动加速度信号偏离零线的最大值：

Peak＝|max(x_i)|_max

其中，x_i为振动信号的幅值，i＝1，2，…，N；对采集到的振动信号提取幅值特征值，结果如图6所示。

方差Variance为振动加速度信号的波动大小：

$\mathrm{Variance}=\frac{1}{N}\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2$

其中，为振动信号的平均值；对采集到的振动信号提取方差特征值，如图7所示。

峭度Kurtosis对于均值为零的振动信号定义为：

$\mathrm{Kurtosis}=\frac{{\∫}_{-\∞}^{+\∞}{x}^{4}p\left(x\right)\mathrm{dx}}{{\left({\∫}_{-\∞}^{+\∞}{x}^{2}p\left(x\right)\mathrm{dx}\right)}^2}$

式中，p(x)为信号x(t)的概率密度分布函数，x为采集的振动加速度值。此处对采集到的振动信号提取峭度特征值，结果如图8所示。

其中第四个点的短时能量值、幅值及峭度都超过了相应的阈值，故在该点存在二级故障。通过确定发生故障的采样点个数，乘以采样间隔即可确定发生故障的位置。综上，本发明便携式轨道不平顺在线监测装置及方法具有操作方便、精度高、成本低等优点。

Claims (7)

1.一种便携式轨道不平顺在线监测装置，其特征在于，包括振动传感器(1)、测速传感器(2)、模拟预处理电路(3)、A/D转换器(4)、单片机(5)、ZigBee电路(6)、独立电池(7)、上位机主控制芯片(8)、网卡接口(9)；所述振动传感器(1)设置在列车走行部一系簧上方的构架上，测速传感器(2)设置于列车的车轴端盖内，所述振动传感器(1)和测速传感器(2)的输出信号接入模拟预处理电路(3)，模拟预处理电路(3)的输出信号接入A/D转换器(4)，A/D转换器(4)的输出信号接入单片机(5)，单片机(5)的输出信号接入ZigBee电路(6)，ZigBee电路(6)的输出信号接入上位机主控制芯片(8)，上位机主控制芯片(8)的输出信号接入网卡接口(9)；独立电池(7)为单片机(5)进行供电；

所述振动传感器(1)和测速传感器(2)分别采集车载振动信号和测速信号，采集到的信号先经模拟预处理电路(3)进行低通滤波处理，再经A/D转换器(4)将模拟信号转换为数字信号，该数字信号一方面通过单片机(5)传输至无线通讯端，另一方面通过ZigBee电路(6)传输至上位机进行故障诊断分析处理；所述ZigBee电路(6)发射端将接收的数字信号传输至上位机主控芯片(8)，上位机主控芯片(8)对接收到的数字信号进行信号分析处理及故障诊断，通过上位机主控芯片(8)进行轨道不平顺诊断结果显示、存储。

2.根据权利要求1所述便携式轨道不平顺在线监测装置，其特征在于，所述振动传感器(1)采用PCB公司的PCB356A26，主要性能指标为量程为±100g pk，灵敏度为50mV/g，频率范围为0.7～6500Hz。

3.根据权利要求1所述便携式轨道不平顺在线监测装置，其特征在于，所述单片机(5)采用PIC18F2525单片机，包括复位按键和外部20MHz石英晶振；该单片机的性能指标为：2.0-5.5V电源，40MHZ的主频，内部RTC32KHZ的时钟，支持在线ICE仿真，ICD调试，外设包括4路定时器、同时支持I²C和SPI总线的MSSP模块，支持LIN总线的USART、10位AD、最大分辨率52ns捕获和最大分辨率833ns的捕获捕捉比较模块PWMCCP模块。

4.根据权利要求1所述便携式轨道不平顺在线监测装置，其特征在于，所述ZigBee电路(6)采用无线通讯接口JN5139，芯片集成了一个32bit RISC处理器，兼容214GHzIEEE802.15.4收发器，包括192kB的ROM 96kB的RAM提供4输入12bit AD转换器、2路11bit DA比较器、2个应用计时器、3个系统计时器、2路UART串口、5个片选位的SPI端口、1个I²C接口。

5.根据权利要求1所述便携式轨道不平顺在线监测装置，其特征在于，所述上位机主控制芯片(8)采用三星公司的基于ARM11内核的S3C6410微处理器，主频最高达667MHz，该处理器的控制板上扩展了256MB DDR内存，2GB NAND FLASH，运行嵌入式Linux操作系统，提供IIC、SPI、UART接口以及液晶显示控制器。

6.一种便携式轨道不平顺在线监测方法，其特征在于，步骤如下：

步骤1，在列车走行部一系弹簧上方的构架上安装振动传感器(1)，并在列车的车轴端盖内设置测速传感器(2)，所述振动传感器(1)和测速传感器(2)的输出端均接入模拟预处理电路(3)；

步骤2，振动传感器(1)采集列车的轴箱振动加速度信号、测速传感器(2)采集列车的运行速度信号，所采集到的两路信号输入模拟预处理电路(3)进行低通滤波处理，低通滤波器采用巴斯沃特滤波器，后经A/D转换器(4)将模拟信号转换为数字信号，该数字信号通过单片机(5)传输至ZigBee电路(6)，ZigBee电路(6)提供了无线传输功能，将该数字信号传输至上位机主控制芯片(8)；

步骤3，提取信号特征值：上位机主控制芯片(8)通过对数字信号进行故障诊断，确定振动加速度信号的特征值即短时能量、幅值、方差、峭度，并确定各个特征值对应的阈值；

步骤4，故障等级划分：将骤3中获取的振动加速度信号各个特征值与相应特征值的阈值进行比较，并根据比较结果划分故障等级，进而确定故障点；

步骤5，不平顺位置判定：确定步骤4所得故障点对应的时间，结合采集到的速度信号，根据位移定义推算出确定轨道存在不平顺的位置。

7.根据权利要求6所述的便携式轨道不平顺在线监测方法，其特征在于，步骤3所述上位机主控制芯片(8)通过对数字信号进行故障诊断，确定振动加速度信号的特征值即短时能量、幅值、方差、峭度，公式如下：

短时能量E定义：

$E_n=\underset{m=n-N+1}{\mathrm{\Σ}}{\left[x\left(m\right)w(n-m)\right]}^2$

其中，E_n为滑动窗函数，n为帧长即窗口长度，m为窗口初始时刻、x(m)为m时刻振动信号幅值、N为采样点数；由于要保留振动加速度信号的原始振动能量，采用矩形窗作为窗函数：

因此，振动加速度信号在时刻n的短时能量E_n表示为：

$E_n=\underset{m=n-N+1}{\mathrm{\Σ}}{\left[x\left(m\right)w(n-m)\right]}^2$

幅值Peak为振动加速度信号偏离零线的最大值：

Peak＝|max(x_i)|_max

其中，x_i为振动信号的幅值，i＝1，2，…，N；

方差Variance为振动加速度信号的波动大小：

$\mathrm{Variance}=\frac{1}{N}\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2$

其中，为振动信号的平均值；

峭度Kurtosis对于均值为零的振动信号定义为：

$\mathrm{Kurtosis}=\frac{{\∫}_{-\∞}^{+\∞}{x}^{4}p\left(x\right)\mathrm{dx}}{{\left({\∫}_{-\∞}^{+\∞}{x}^{2}p\left(x\right)\mathrm{dx}\right)}^2}$

式中，p(x)为信号x(t)的概率密度分布函数，x为采集的振动加速度值。