CN104949848A - 基于频域峭度的蛇行失稳检测算法 - Google Patents

Abstract

本发明公开了基于频域峭度的蛇行失稳检测算法。包括如下步骤：(1)转向架依据固有频率周期性振动，发生蛇行失稳时，计算对应频谱图能量集中的固有频率f处；(2)根据被测车辆抗蛇行减震器在正常运行状态、临界状态、蛇行失稳状态三种工况下的转向架横向加速度测试结果，取一定距离，利用FFT分别计算三种工况的频谱图；(3)将步骤(2)中的三种工况下频谱图的横坐标f分别等效为时间，纵坐标Power/Frequency分别视作频域幅值，求其三种工况下的频域峭度K，将K值设定为达到一定值后即存在蛇行失稳，进行报警。本发明具备蛇行失稳的预警能力，本质为对振动能量集中程度的计算，受振动幅值影响较小，因而能够正确报警，具有更高的可靠性。

Description

基于频域峭度的蛇行失稳检测算法

技术领域

本发明涉及基于频域峭度的蛇行失稳检测算法，属于车辆运行安全领域。

背景技术

列车在运行的过程中，当运行速度超过某一临界数值时，会产生一种称为不稳定的蛇行运动，此时振幅随着时间的延续而不断地扩大，使轮对左右摇摆直到轮缘碰撞钢轨，对于转向架或车体，则出现大振幅的剧烈振动。

蛇行失稳运动的危害：使车辆的运行性能恶化，旅客的舒适度下降，作用在车辆各零部件上的动载荷增大，并且将使轮对严重地打击钢轨，损伤车辆及线路，甚至会造成脱轨事故，所以蛇行运动是机车车辆实现高速运行的一大障碍。

Bombardier公司的BCN-System，中国CRH2型动车组的BIDS系统等蛇行失稳监控系统皆采用了构架加速度评价的方法进行监测。然而，其只能在蛇行失稳出现后进行报警，这对保证列车安全运行显然是不够的。

发明内容

本发明的目的在于提供基于频域峭度的蛇行失稳检测算法，解决现有蛇行失稳监控系统只有在蛇行失稳出现后才能进行报警的问题，提供一种能够检测到蛇行失稳发生。

为了实现上述目的，本发明采用的技术方案如下：

基于频域峭度的蛇行失稳检测算法，包括如下步骤：

(1)转向架依据固有频率周期性振动，发生蛇行失稳时，计算对应频谱图能量集中的固有频率f处，从而确定滤波器滤波范围值为低通13Hz；

(2)根据被测车辆抗蛇行减震器在正常运行状态、临界状态、蛇行失稳状态三种工况下的转向架横向加速度测试结果，取一定距离，利用FFT分别计算三种工况的频谱图；

(3)将步骤(2)中的三种工况下频谱图的横坐标f分别等效为时间，纵坐标Power/Frequency分别视作频域幅值，求其三种工况下的频域峭度K，将K值设定为达到一定值后即存在蛇行失稳，进行报警。

具体地，所述固有频率f的取值范围为f_t≤f≤f_w，其中f_w、f_t由以下公式计算得知：

$f_w=\frac{V}{3.6*2\mathrm{\π}}\sqrt{\frac{\mathrm{\λ}}{{\mathrm{br}}_0}}$

$f_t=\frac{V}{3.6*2\mathrm{\π}}\sqrt{\frac{\mathrm{\λ}b}{r_0(b^2+L_1^2)}}$

其中，λ为踏面等效斜率，b为轮对滚动圆距离之半，r₀为轮对半径，L₁为转向架轴距之半，V为列车车速。

进一步地，所述转向架横向加速度测试结果经过滤波后输出，滤波器采用低通13Hz滤波。

再进一步地，所述频域峭度K的计算公式为：

$K=N\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^4/{\left[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^2\right]}^2$

其中，X_i为频域幅值，N采样点个数，采样点区间的振动幅值大于0.15g。

本发明与现有技术相比，具有以下优点及有益效果：

(1)本发明具备蛇行失稳的预警能力，解决了现有蛇行失稳监控系统皆采用了构架加速度评价的方法进行监测时，在一定时间内无法进行相应，在事后才会相应。

(2)本发明本质为对振动能量集中程度的计算，受振动幅值影响较小，因而能够正确报警，而传统方法受振动幅值影响较大，存在报警滞后的问题，因此本方法具有更高的可靠性。

附图说明

图1为本发明-实施例的被测列车横向加速度及Normal，Critical，HuntingState状态下的频谱。

图2为本发明-实施例的各个方法的报警时间点。

图3为本发明-实施例的测试列车蛇行失稳的超临界分叉工况。

具体实施方式

下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。

实施例

基于频域峭度的蛇行失稳检测算法，包括如下实现方法：

转向架蛇行失稳的本质为转向架依据固有频率的周期性振动，蛇行失稳发生时，对应频谱图的能量必然集中于固有频率f处。f_t≤f≤f_w，f_w、f_t由公式(1)，公式(2)计算得知。

$f_w=\frac{V}{3.6*2\mathrm{\π}}\sqrt{\frac{\mathrm{\λ}}{{\mathrm{br}}_0}}---\left(1\right)$

$f_t=\frac{v}{3.6*2\mathrm{\π}}\sqrt{\frac{\mathrm{\λ}b}{r_0(b^2+L_1^2)}}---\left(2\right)$

其中，λ为踏面等效斜率，b为轮对滚动圆距离之半，r₀为轮对半径，L₁为转向架轴距之半，V为列车车速。滤波器选用低通13Hz滤波。

图1 Lateral Acceleration所示为被测动车组抗蛇行减震器三种不同工况下的转向架横向加速度测试记录经13Hz滤波后的结果。其中包含了4种工况：0-13.5s为Normal state，13.5-16s为临界蛇行状态，16s-25s和25s-31s为不同抗蛇行减震器阻尼状态下的振动状态。取100m区间，利用FFT计算相应的频谱图：图1Normal State所示正常运行状态的频谱，图1Critical State为临界状态的频谱，图1Hunting State为蛇行失稳状态的频谱。可见由于在临界失稳和蛇行失稳状态逐渐呈现依据固有频率的振动，因而在频谱图中呈现能量集中，即出现尖峰。

将三种工况下频谱图的横坐标f分别等效为时间，纵坐标Power/Frequency分别视作频域幅值，求其三种工况下的频域峭度K，对于离散信号来说峭度计算方法如公式(3)所示，K为频域峭度，X_i为频域幅值，N采样点个数。

$K={\mathrm{N\Σ}}_{i=1}^N{x}_i^4/{\[{\mathrm{\Σ}}_{i=1}^N{x}_i^2\]}^2---\left(3\right)$

设y_i如公式(4)

$y_i=\frac{{x_i}^2}{{\mathrm{\Σ}}_1^N{x_i}^2}---\left(4\right)$

设c如公式(5)

$c={\mathrm{\Σ}}_{i=1}^N{y_i}^2---\left(5\right)$

将公式(5)带入公式(3)得

K＝-cN   (6)

c为信息测度，当y_i的值比较均匀时，信息量较多，c较大，K值较小；当有冲击时，信息量较少，c值很小，K值很大。

利用公式(3)计算图1中的频域峭度，Normal State为K_N＝2.97，Critical State为K_C＝14.27，Hunting State为K_H＝8.28，将K值设定为达到一定值后即存在蛇行失稳，进行报警，通常认为K＞3.8时存在明显的尖峰，即存在蛇行失稳。考虑到减小误报的问题，同时要求该区间的振动幅值大于0.15g(与被测测量相适应)。

本发明现有技术相比，具备如下有益效果：

1、预警能力

首先，利用公式(1)、(2)计算EN14363、UIC518的阈值得 ${\stackrel{\·\·}{y}}_{\max .\stackrel{}{\lim }}={\left({\stackrel{\·\·}{y}}_s^{+}\right)}_{\stackrel{}{\lim }}=10.5217$

${\stackrel{\·\·}{y}}_{\max .\lim }=12-\frac{m^{+}}{5}---\left(7\right)$

${\left({\stackrel{\·\·}{y}}_s^{+}\right)}_{\lim }=12-\frac{H_b}{5}---\left(8\right)$

其中，m⁺，M_b代表转向架质量单位为吨。

图2中Point1-Point4显示了利用TSI L84，EN14363，UIC518，TB/T3188中加速度评价方法对图1中原始数据给出的横向失稳报警点，Point5为利用本发明方法对横向失稳的报警点。其中，对TSI L84采用0-13Hz滤波，以保证更多的能量进入使要求更为严格，对于EN14363，UIC518取较严格的1g，TB/T3188取较严格的0.8g。

由图2可知，传统方法对于14-16秒间的临界失稳状态无法进行响应，即上述四种方法为事后响应。而本发明方法在15.12秒处进行了报警，其具备蛇行失稳的预警能力。

2、可靠性

图3所示为测试列车蛇行失稳的超临界分叉工况。图3超临界工况下各个方法报警时间，Point1-5分别为TSI L84、TB/T3188、EN14363和UIC518、本发明方法的报警点。由图3可知，蛇行失稳在25.2s处已经发生。TSI L84，TB/T3188标准由于Point6、Point7、Point8的影响导致振动幅值无法连续超过阈值，报警时间将会大大延后，EN14363和UIC518标准由以Point9，Point10为代表的连续小幅振动的原因，报警滞后问题亦很严重。而本发明方法本质为对振动能量集中程度的计算，受振动幅值影响较小，因而能够正确报警，即Point5。

按照上述实施例，便可很好地实现本发明。值得说明的是，基于上述结构设计的前提下，为解决同样的技术问题，即使在本发明上做出的一些无实质性的改动或润色，所采用的技术方案的实质仍然与本发明一样，故其也应当在本发明的保护范围内。

Claims (4)

1.基于频域峭度的蛇行失稳检测算法，其特征在于，包括如下步骤：

(1)转向架依据固有频率周期性振动，发生蛇行失稳时，计算对应频谱图能量集中的固有频率f处；

(2)根据被测车辆抗蛇行减震器在正常运行状态、临界状态、蛇行失稳状态三种工况下的转向架横向加速度测试结果，取一定距离，利用FFT分别计算三种工况的频谱图；

(3)将步骤(2)中的三种工况下频谱图的横坐标f分别等效为时间，纵坐标Power/Frequency分别视作频域幅值，求其三种工况下的频域峭度K，将K值设定为达到一定值后即存在蛇行失稳，进行报警。

2.根据权利要求1所述的基于频域峭度的蛇行失稳检测算法，其特征在于，所述固有频率f的取值范围为f_t≤f≤f_w，其中f_w、f_t由以下公式计算得知：

$f_w=\frac{V}{3.6*2\mathrm{\π}}\sqrt{\frac{\mathrm{\λ}}{{\mathrm{br}}_0}}$

$f_t=\frac{V}{3.6*2\mathrm{\π}}\sqrt{\frac{\mathrm{\λ}b}{r_0(b^2+L_1^2)}}$

其中，λ为踏面等效斜率，b为轮对滚动圆距离之半，r₀为轮对半径，L₁为转向架轴距之半，V为列车车速。

3.根据权利要求2所述的基于频域峭度的蛇行失稳检测算法，其特征在于，所述转向架横向加速度测试结果经过滤波后输出，滤波器采用低通13Hz滤波。

4.根据权利要求3所述的基于频域峭度的蛇行失稳检测算法，其特征在于，所述频域峭度K的计算公式为：

$K=N\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^4/{\left[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^2\right]}^2$

其中，X_i为频域幅值，N采样点个数，采样点区间的振动幅值大于0.15g。