CN104833535A - 一种铁道车辆车轮踏面擦伤的检测方法 - Google Patents

Abstract

本发明公开了一种铁道车辆车轮踏面擦伤的检测方法，基于形态滤波、能量原理和特征固有模态分量(Intrinsic Mode Function,IMF)选择的改进，通过对测量轴箱垂向振动加速度信号的分析有效提取车轮故障特征，实现踏面擦伤的检测。本发明首先使用形态滤波去噪，然后对信号进行经验模态分解(Empirical Mode Decomposition，EMD)，得到多个IMF，再根据能量原理对其进行判断，消除虚假模态成分，最后选取对故障最为敏感的IMF，从而实现故障特征的提取。将此方法运用于列车车轮踏面擦伤的检测中，能够有效提取复杂运行环境下由车轮踏面擦伤引起的轴箱垂向振动信号的特征，实现车轮踏面擦伤故障检测。

Description

一种铁道车辆车轮踏面擦伤的检测方法

技术领域

本发明涉及一种铁道车辆车辆踏面擦伤的检测方法。

背景技术

列车运行中车轮踏面常因制动或空转打滑等原因产生局部擦伤。擦伤车轮运行时轮轨间会产生周期性冲击，引起整个车辆轨道系统的耦合振动，危及行车安全。因此，对车轮踏面擦伤进行实时检测与识别非常重要和必要。

现有的车轮踏面擦伤检测技术主要分为两大类：地面检测与车载检测。

地面检测方法中使用得最多的是测力钢轨，然而在轨道上布置应变片的数量有限，车轮擦伤位置刚好作用于应变片安装处的概率较小，容易漏检。由于振动传感器的响应范围更大，因此，部分检测系统在轨道上安装加速度传感器去替代应变片，但是此方法难以避免相邻车轮带来的影响，可能发生误判。还有部分方法使用光学或激光传感器，通过图像的方式识别车轮缺陷，但这类方法只适用于静态或低速状态下。总的说来，地面检测方法的共有缺陷在于它难以对车辆运行状态进行全过程实时检测。

车载检测技术主要包括两种：测力轮对和轴箱加速度测量。测力轮对通过轮轨垂向力的测试，能直接反映车轮实时状态，但是该方法的最大不足在于其贴片和标定过程异常复杂，工作量大，成本高。轴箱振动加速度是轮轨接触界面不平顺的测度，能够间接反映车轮状态，同时，轴箱加速度测试系统结构简单，便于安装，成本较低。因此，本发明通过分析轴箱的振动，运用科学的方法提取相关信息，实现车轮踏面擦伤的动态检测与识别。

发明内容

本专利发明的目的就是提供一种铁道车辆车轮踏面擦伤的检测方法，该方法通过对测量轴箱垂向振动加速度信号的分析，有效提取车轮故障特征，实现踏面擦伤的检测。

本发明的目的是通过以下的手段实现的。

一种铁道车辆车轮踏面擦伤的检测方法，通过对测量轴箱垂向振动加速度信号的分析有效提取车轮故障特征，实现踏面擦伤的检测，包含如下的步骤：

A、对采集到的轴箱垂向振动加速度信号进行数学形态学滤波；

B、将滤波后的信号进行经验模态分解(Empirical Mode Decomposition，EMD)，得到一组固有模态分量IMF；

C、使用能量原理识别处理这组IMF，消除虚假模态，得到一组只含真实模态的IMF；

D、找出C处理后这组IMF中对故障最为敏感的一个IMF，对最为敏感的IMF进行频谱分析，根据特征频率对故障进行判断。

与现有技术相比，本发明的有益效果是：

一、本方法针对EMD分解中存在的模态混叠现象，提出了一种基于形态学滤波、能量原理以及特征IMF选择的EMD改进算法。形态滤波可以有效地抑制信号中噪声的影响，能量原理判定法能够去除IMF中的虚假成分，有效地提高EMD的精度，合适的IMF选择可以进一步强化故障特征。

二、通过对内圈故障轴承振动信号的分析，证明该方法能在信噪比较低、存在局部强干扰的情况下，有效识别故障特征。将改进的EMD算法应用于列车车轮踏面擦伤的检测中，利用仿真和试验两种手段进行研究，研究结果表明此方法能够有效提取不同运行条件下车轮踏面擦伤引起的轴箱垂向振动响应的特征，且不受轨道不平顺及车速变化的影响，从而实现了车轮踏面擦伤故障的检测。

综上所述，利用本发明方法能够将轴箱垂向振动加速度进行分析，有效提取出车轮故障特征，实现了踏面擦伤的检测。

附图说明：

图1是现场试验测试获得的轴箱振动加速度信号的时间历程曲线及频谱。其中，图1(a)是现场试验测试获得的轴箱振动加速度信号的时间历程曲线；图1(b)是对其进行频谱分析的结果。

图2运用本发明方法对图1所示的信号进行分析的结果。其中图2(a)为运用本发明方法对图1(a)所示信号进行分析得到的结果；图2(b)为对图2(a)所示信号进行频谱分析的结果。

具体实施方式

下面结合实例对本发明做进一步的详细说明：

1、一种铁道车辆车轮踏面擦伤的检测方法，其步骤为：

A、对采集到的轴箱垂向振动加速度信号进行数学形态学滤波；

采用的是组合形态滤波器，见式(7)。

形态学滤波是基于数学形态学变换的非线性滤波方法，它依据待处理信号的局部形态特征，通过数学形态学变换，将信号与噪声分离。形态滤波的基本思想是设计一个称作结构元素的“探针”，通过探针的移动，对信号进行匹配，以达到提取信号、保持细节和抑制噪声的目的。

数学形态学有两种基本运算：膨胀和腐蚀。设原始信号f(n)为定义在F＝(0,1,...,N-1)上的离散函数，结构元素g(m)为定义在G＝(0,1,...,M-1)上的离散函数，且N≥M，那么f(n)关于g(m)的膨胀和腐蚀分别定义为：

(f⊕g)(n)＝max[f(n-m)+g(m)] m∈0,1,…,M-1  (1)

(fΘg)(n)＝min[f(n+m)-g(m)] m∈0,1,…,M-1  (2)

符号⊕和Θ分别表示膨胀和腐蚀。膨胀变换是一个扩张过程，它使目标扩张、孔洞收缩。腐蚀变换是一种收缩变换，它使目标收缩、孔洞扩张。f(n)关于g(m)的开运算与闭运算分别定义为：

(fοg)(n)＝(fΘg⊕g)(n)  (3)

(f·g)(n)＝(f⊕gΘg)(n)  (4)

符号ο和·分别表示开运算和闭运算。开运算能去掉毛刺和孤立点，可以抑制信号中的峰值噪声；闭运算能填平小沟、弥合孔洞，可以抑制信号中的低谷噪声。由不同的形态开、闭的级联顺序，产生了形态开-闭和闭-开滤波器：

F_oc(f(n))＝(fοg·g)(n)  (5)

F_co(f(n))＝(f·gοg)(n)  (6)

开-闭和闭-开滤波器均存在中值偏倚现象，常采用组合形态滤波器：

$y\left(n\right)=\frac{1}{2}[F_{\mathrm{oc}}\left(f\left(n\right)\right)+F_{\mathrm{co}}\left(f\left(n\right)\right)]---\left(7\right)$

组合形态滤波器可以同时消除信号中的正、负冲击，对信号进行平滑。

B、将滤波后的信号进行EMD，得到一组IMF；

经验模态分解(Empirical Mode Decomposition，EMD)是一种基于信号局部特征的信号分解方法，与基于傅里叶变换的传统信号分析方法相比，其优点是不再要求被分析信号具有线性、高斯性和平稳性的特点。同时，EMD是一种自适应的信号处理方法，分析结果具有清晰的物理意义。

信号x(t)经EMD分解后，得到n-1个IMF分量c(t)和一个余项r(t):

$x\left(t\right)=\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}{c}_i\left(t\right)+r\left(t\right)---\left(8\right)$

由EMD的完备性与正交性可知：

$\begin{array}{c}{E}_x={\∫}_{-\∞}^{\∞}{x}^2\left(t\right)\mathrm{dt}\\ ={\∫}_{-\∞}^{\∞}{c_1}^2\left(t\right)\mathrm{dt}+{\∫}_{-\∞}^{\∞}\\ =E_1+E_2...+E_{n-1}+E_n\end{array},{c_2}^2\left(t\right)\mathrm{dt}...+{\∫}_{-\∞}^{\∞}{c_{n-1}}^2\left(t\right)+{\∫}_{-\∞}^{\∞}{r}^2\left(t\right)\mathrm{dt}---\left(9\right)$

若分解得到的某一分量di(t)不是正交分量，那么当di(t)分离出去后，信号的总能量Et变为：

$\begin{array}{c}{E}_t={\∫}_{-\∞}^{\∞}{d_i}^2\left(t\right)\mathrm{dt}+{\∫}_{-\∞}^{\∞}{[x\left(t\right)-d_i\left(t\right)]}^2\mathrm{dt}\\ =2E_{d_i}+E_x-2{\∫}_{-\∞}^{\∞}-2{\∫}_{-\∞}^{\∞}x\left(t\right)d_i\left(t\right)\mathrm{dt}\end{array}---\left(10\right)$

不失一般性，令：

d_i(t)＝c_i(t)+e_i(t)  (11)

式中，ei(t)为非正交的误差成分，式(10)可表示为：

$\begin{array}{c}{E}_t=2E_{d_i}+E_x-2{\∫}_{-\∞}^{\∞}x\left(t\right)d_i\left(t\right)\mathrm{dt}\\ =2{\∫}_{-\∞}^{\∞}{[c_i\left(t\right)+e_i\left(t\right)]}^2\mathrm{dt}+E_x-2{\∫}_{-\∞}^{\∞}\\ =E_x+2E_e\end{array},x\left(t\right)[c_i\left(t\right)+e_i\left(t\right)]\mathrm{dt}---\left(12\right)$

由式(12)可知，对信号进行EMD分解后，若分解结果为原始信号的固有模态分量，那么，分解前后信号总能量不会发生变化，因为此时e(t)＝0，Et＝Ex。如果分解得到的部分分量不是正交分量，EMD分解不服从能量守恒原理，分解后能量增加，有Et>Ex。

根据以上分析，可以对虚假模态分量进行识别和消除，具体步骤如下：

1)根据能量守恒原理，检查分解后是否存在虚假模态分量。如果说明虚假模态成分存在，分解结果需要逐一检验，否则，退出检验；

2)将分解得到的所有分量与原信号进行相关分析，将相关系数最大的分量ci(t)作为真实模态分量。当分解得到的第j阶模态分量cj(t)与真实固有模态分量ci(t)相加，能量增大，即则第j阶分量cj(t)被判断为真实模态分量。若cj(t)与ci(t)相加，能量减小，即则第j阶分量cj(t)被判断为虚假模态分量；

3)用原信号减去所有虚假模态分量，再次进行EMD，若分解结果不再含有虚假分量，停止，否则回到步骤1)。

C、使用能量原理处理这组IMF，消除虚假模态，得到一组只含真实模态的IMF；

D.找出这组IMF中对故障最为敏感的一个IMF；

步骤如下：计算故障信号与分解得到的每一个IMF的相关系数a_n，以及上述每一个IMF与正常工况下振动信号的相关系数b_n，故障相关系数定义为c_n＝b_n-a_n,故障敏感因子为最大的d_n所对应的IMF即为最敏感的IMF。

E.对最为敏感的IMF进行频谱分析，得到特征频率，将其与理论的故障特征频率进行比较，从而判断是否存在故障。

在西南交通大学牵引动力实验室的滚动振动试验台进行了现场测试，试验车辆为某型动车组单节车辆。轨道轮直径1.8m，车轮踏面擦伤长13.4mm，车辆运行速度为40km/h，轨道激扰为国内某既有线不平顺。由计算可得，踏面擦伤引起的周期性冲击频率为2Hz。从图1(a)所示的时域信号中很难得到太多有用信息，对其进行频谱分析后，频谱图中12.5Hz附近出现了一个峰值，频谱分析的结果产生了误判。图2为运用本文方法对图1(a)所示的信号进行分析的结果，从频谱图中可以清晰分辨出2Hz的特征频率，对应了车轮踏面擦伤故障的理论频率，实现了车轮踏面擦伤的检测。

显然，实施使用本发明时还应配合相应的配套设施和技术手段，本发明文本的叙述中已将这些相应的配套设施和技术手段视为常规的技术手段，本领域技术人员在不偏离本发明的范围和精神的情况下，对其进行的关于形式和细节的种种显而易见的修改或变化均应落在本发明的保护范围之内。

Claims (3)

1.一种铁道车辆车轮踏面擦伤的检测方法，通过对测量轴箱垂向振动加速度信号的分析有效提取车轮故障特征，实现踏面擦伤的检测，包含如下的步骤：

A、对采集到的轴箱垂向振动加速度信号进行数学形态学滤波；

B、将滤波后的信号进行经验模态分解EMD，得到一组固有模态分量IMF；

C、使用能量原理识别处理这组IMF，消除虚假模态，得到一组只含真实模态的IMF；

D、找出C处理后这组IMF中对故障最为敏感的一个IMF，对最为敏感的IMF进行频谱分析，根据特征频率对故障进行判断。

2.根据权利要求1所述之铁道车辆车轮踏面擦伤的检测方法，其特征在于，所述对虚假模态分量进行识别和消除，具体步骤如下：

1)根据能量守恒原理，检查分解后是否存在虚假模态分量，如果说明虚假模态成分存在，分解结果需要逐一检验，否则，退出检验；

2)将分解得到的所有分量与原信号进行相关分析，将相关系数最大的分量ci(t)作为真实模态分量，当分解得到的第j阶模态分量cj(t)与真实固有模态分量ci(t)相加，能量增大，即则第j阶分量cj(t)被判断为真实模态分量；若cj(t)与ci(t)相加，能量减小，即则第j阶分量cj(t)被判断为虚假模态分量；

3)用原信号减去所有虚假模态分量，再次进行EMD，若分解结果不再含有虚假分量，停止，否则回到步骤1)；

其中，E为信号能量，E_x ²为分解前信号总能量，为分解前后信号总能量，为真实模态分量的能量，为真实模态分量与任意一个模态分量相加后的能量，ci(t)为分解的得到的第i个模态分量，cj(t)为分解的得到的第j个模态分量。

3.根据权利要求1或2所述之铁道车辆车轮踏面擦伤的检测方法，其特征在于，所述最敏感的IMF采用如下步骤获取：计算故障信号与分解得到的每一个IMF的相关系数a_n，以及上述每一个IMF与正常工况下振动信号的相关系数b_n，故障相关系数定义为c_n＝b_n-a_n,故障敏感因子为最大的d_n所对应的IMF即为最敏感的IMF。