CN105403420A - 一种融合多传感器的转向架故障诊断方法 - Google Patents
一种融合多传感器的转向架故障诊断方法 Download PDFInfo
- Publication number
- CN105403420A CN105403420A CN201510934487.5A CN201510934487A CN105403420A CN 105403420 A CN105403420 A CN 105403420A CN 201510934487 A CN201510934487 A CN 201510934487A CN 105403420 A CN105403420 A CN 105403420A
- Authority
- CN
- China
- Prior art keywords
- sensor
- signal
- bogie
- shock
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
- G01M17/10—Suspensions, axles or wheels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种融合多传感器的转向架故障诊断方法,该方法包括同步采集安装在转向架的故障易发位置上的多个传感器的振动冲击信号;计算各传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差;根据所述相位差对故障位置进行定位;根据所述相位差,通过移相技术对各传感器的振动冲击信号移相,并进行信号融合;计算融合信号的最大值,对故障进行定量诊断。本发明的故障诊断方法可提高故障位置定位和等级报警精度以及传感器冗余度,并能实现对转向架非转动部件故障的诊断。
Description
技术领域
本发明属于交通运输领域,具体涉及一种融合多传感器的转向架故障诊断方法。
背景技术
随着高速、重载铁路以及城市轨道交通的快速发展,车辆转向架疲劳伤损现象愈发严重,如车轮多边形、车轮踏面擦伤、转向架各轴承故障以及裂纹等。车辆转向架作为车辆的两条腿,起着支撑和导向的作用,其运行状况将直接影响行车的平稳性、稳定性以及安全性。若能通过某种技术手段对故障实时监测和诊断,对提高行车安全具有重要意义。
若干公司研发的6A系统走行部监测子系统,通过在故障易发位置:如轴箱轴承、抱轴箱轴承、电机轴承以及齿轮箱,加装振动冲击传感器,某故障易发位置的传感器负责该测点位置处的故障监测和诊断,在转向架故障监测和诊断方面卓见成效。
如图1为机车轮对轴箱轴承测点示意图,左右两轴箱分别安装,传感器1和传感器2,传感器1负责左侧轴箱故障检测,传感器2负责右侧轴箱故障检测。
但是,上述方法依然存在以下几个缺陷:
一、由于轮轨冲击、电磁干扰、加工工艺、内部缺陷等原因,传感器总会发生不同程度故障,将导致其监测位置处数据丢失,失去实时监测的有效性,对转瞬即逝的故障造成极大的漏诊几率。
二、测点振动冲击信号可能由其他位置(非传感器加装位置)故障引起,当冲击频率与测点故障特征频率重合时将引起误诊。
三、受噪声干扰的影响,对故障初期微弱冲击很难识别,导致故障等级报警准确性大大降低,增加误诊的几率。
四、只能对具有故障特征频率的旋转部件(轴承、车轮等)进行监测和诊断,对转向架裂纹等非旋转部件故障无技可施。
因此,为提高转向架故障定位和等级报警的准确性、故障监测的冗余度,增加故障检测类型,迫切需要发明一种的新的检测方法和分析技术。
发明内容
本发明的目的在于提供一种融合多传感器的转向架故障诊断方法,该故障诊断方法可提高故障位置定位和等级报警精度以及传感器冗余度,并能实现对转向架非转动部件故障的诊断。
为了实现上述发明目的,本发明所采用的技术方案如下:
一种融合多传感器的转向架故障诊断方法,该方法包括:同步采集安装在转向架的故障易发位置上的多个传感器的振动冲击信号;
计算各传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差;
根据所述相位差对故障位置进行定位;
根据所述相位差,通过移相技术对各传感器的振动冲击信号移相,并进行信号融合;
计算融合信号的最大值,对故障进行定量诊断。
作为一种具体的实施例,所述计算各传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差包括:
将各传感器的振动冲击信号进行预处理,得到信号fi(t);
计算在第k个冲击时,传感器i的信号fi(t)相对于传感器j的信号fj(t)的相位差Δtij_k;
计算在采样时间t内,传感器i的信号fi(t)相对于传感器j的信号fj(t)的相位差平均值,所述相位差平均值即为传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差Δtij,在采样时间t内共有M个冲击;
其中:i=1,2,…j…,N;j为某一固定传感器;当i=j时,Δtij=0;
当采样时间t→+∞时,M→+∞,采样时间越长,Δtij越精确。
作为一种具体的实施例,在所述根据所述相位差对故障位置进行定位之前,还包括:
建立转向架仿真模型或进行实验,在转向架的n个故障易发位置中的若干个故障易发位置施加编号为m的冲击载荷;
在所述转向架上设有多个测点,所述多个测点的位置与安装在转向架上的多个传感器的位置对应,计算测点i的冲击响应相对于某固定测点j的冲击响应的相位差ΔTij (m);
其中:i=1,2,…j…,N;m∈[1,n]。
作为一种具体的实施例,所述根据所述相位差对故障位置进行定位包括:
计算相位差Δtij与仿真建模或实验得到的相位差ΔTij (m)的相对误差εij (m);
计算最小相对误差εij (m0),定位相对误差为最小相对误差εij (m0)时,仿真建模或实验中施加冲击载荷m0所对应的故障易发位置发生故障。
作为一种具体的实施例,所述根据所述相位差,通过移相技术对各传感器的振动冲击信号移相为:
平移信号fi(t),平移量为传感器i的信号fi(t)相对于传感器j的信号fj(t)在采样时间t内的相位差平均值Δtij,平移得到信号fi(t-Δtij);其中:i=1,2,…j…,N。
进一步地,所述在第k个冲击时,传感器i的信号fi(t)相对于传感器j的信号fj(t)的相位差Δtij_k的计算公式为:Δtij_k=tmax_ik-tmax_jk;
其中:tmax_ik为传感器i的信号fi(t)在第k个冲击区域的最大值点;tmax_jk传感器j的信号fj(t)在第k个冲击区域的最大值点。
进一步地,所述计算测点i的冲击响应相对于某固定测点j的冲击响应的相位差ΔTij (m)的计算公式为:ΔTij (m)=tmax_i (m)-tmax_j (m);
其中:tmax_i (m)和tmax_j (m)分别为转向架上测点i和测点j处对编号m载荷的冲击响应的最大值点。
作为一种具体的实施例,所述故障易发位置包括电机轴承、抱轴轴承、轮对轴承、齿轮箱、横梁与纵梁交接点、小纵梁与横梁交接点、电机悬挂点或齿轮箱悬挂点。
进一步地,每个故障易发位置至少设置一个传感器。
本发明提供的技术方案具有如下有益效果:
本发明的融合多传感器的转向架故障诊断方法,通过各测点振动冲击信号的相位差对故障进行位置定位,也即通过各测点振动冲击信号的相关性对故障进行位置定位,这种传感器之间的相关性能提高传感器的冗余度,避免因某传感器故障而数据丢失,有效避免漏诊。
进一步地,本发明保证转向架故障易发位置至少一个传感器,中,故障易发位置包括旋转部件和非旋转部件,增加了故障检测类型。
进一步第,本发明根据相位差将各传感器信号平移融合,通过融合信号的最大值对故障进行等级报警,等级报警灵敏度得到提高,能有效避免初期故障引起的微弱冲击的漏检,能提高故障等级报警精度,有效避免漏报和误报。
附图说明
图1是机车轮对轴箱轴承测点示意图。
图2是本发明融合多传感器的转向架故障诊断方法的流程框图。
图3是本发明的一种实施例的振动冲击传感器安装位置示意图。
图4是传感器13相对于传感器1的相位差图。
图5是仿真模型中的测点13和测点1的冲击响应处理后示意图。
图6是传感器13相对传感器1移相结果图。
图7是本发明得到的融合信号图。
具体实施方式
为了充分地了解本发明的目的、特征和效果,以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明。
如图2所示,本发明一种融合多传感器的转向架故障诊断方法,该方法包括以下步骤:
(101):同步采集安装在转向架的故障易发位置上的多个传感器的振动冲击信号。
其中,所述故障易发位置包括旋转部件和非旋转部件。所述旋转部件包括电机轴承、抱轴轴承、轮对轴承、齿轮箱等;所述非旋转部件包括横梁与纵梁交接点、小纵梁与横梁交接点、电机悬挂点、齿轮箱悬挂点等。具体如下表1可知。
表1:转向架易发故障位置及故障类型
其中,传感器的个数N取决于车辆转向架结构,但保证转向架故障易发位置至少一个传感器。所述传感器为振动冲击传感器,利用传感器内部共振特性对转向架故障信号进行采集和处理。
(102):计算各传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差。
其中,计算各传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差的方法包括:
将各传感器的振动冲击信号进行预处理,得到信号fi(t);
计算在第k个冲击时,传感器i的信号fi(t)相对于传感器j的信号fj(t)的相位差Δtij_k;
其中,相位差Δtij_k的计算公式为:Δtij_k=tmax_ik-tmax_jk;
其中:tmax_ik为传感器i的信号fi(t)在第k个冲击区域的最大值点;tmax_jk传感器j的信号fj(t)在第k个冲击区域的最大值点。
计算在采样时间t内,传感器i的信号fi(t)相对于传感器j的信号fj(t)的相位差平均值,所述相位差平均值即为传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差Δtij,在采样时间t内共有M个冲击;
其中:i=1,2,…j…,N;j为某一固定传感器;当i=j时,Δtij=0;
当采样时间t→+∞时,M→+∞,采样时间越长,Δtij越精确。
(103):根据所述相位差对故障位置进行定位。
其中,在步骤103之前,还包括以下步骤:
建立转向架仿真模型或进行实验,在转向架的n个故障易发位置中的若干个故障易发位置施加编号为m的冲击载荷;
在所述转向架上设有多个测点,所述多个测点的位置与安装在转向架上的多个传感器的位置对应,计算测点i的冲击响应相对于某固定测点j的冲击响应的相位差ΔTij (m);
其中:相位差ΔTij (m)的计算公式为:ΔTij (m)=tmax_i (m)-tmax_j (m);
式中:tmax_i (m)和tmax_j (m)分别为转向架上测点i和测点j处对编号m载荷的冲击响应的最大值点;i=1,2,…j…,N;m∈[1,n]。
所述步骤103具体包括有:计算相位差Δtij与仿真建模或实验得到的相位差ΔTij (m)的相对误差εij (m);计算最小相对误差εij (m0),定位相对误差为最小相对误差εij (m0)时,仿真建模或实验中施加冲击载荷m0所对应的故障易发位置发生故障。
(104):根据所述相位差,通过移相技术对各传感器的振动冲击信号移相,并进行信号融合。
该步骤具体为:平移信号fi(t),平移量为传感器i的信号fi(t)相对于传感器j的信号fj(t)在采样时间t内的相位差平均值Δtij,平移得到信号fi(t-Δtij);其中:i=1,2,…j…,N。
(105):计算融合信号的最大值,对故障进行定量诊断。
求得融合信号最大值A=maxF(t),利用最大值A对故障进行等级报警,最大值A约为单一传感器信号最大值的10倍,等效于故障接受功率变大,等级报警灵敏度得到提高,能有效避免初期故障引起的微弱冲击的漏检,能提高故障等级报警精度,有效避免漏报和误报。
下面以传感器个数N=16,将16个振动冲击传感器布置于转向架易发生故障的位置为例,对转向器故障进行融合多传感器诊断:
1、如图3所示,将16个振动冲击传感器设置于的易发生故障的位置。其中,各传感器序号和位置对应关系如表2所示。
表2:各传感器序号和位置对应关系
序号 | 位置 |
1、2、7、8 | 轮对轴箱轴承 |
3、4、9、10 | 抱轴箱轴承 |
6、11 | 电机齿端轴承 |
5、12 | 电机非齿轮端轴承 |
13、14、15、16 | 构架横梁和纵梁交点 |
2、取j=1,将各传感器信号预处理后得到信号fi(t),计算传感器i的信号fi(t)相对于传感器1的信号f1(t)的相位差Δti1。
如图4,为i=13,采样2秒,前1秒为待机状态,共采集M=28个冲击波形。计算得到在第k个冲击时,传感器13的信号f13(t)相对于传感器1的信号f1(t)的相位差Δt131_k(k=1,2,…,28)。
然后计算得到相位差平均值Δt131,即传感器13相对于传感器1的相位差Δt131。
根据相同方法可得到各传感器相对于传感器i的相位差Δti1(i=1,2,…,16)。
3、建立该型机车转向架完整的仿真模型,在转向架各易发故障位置(n=20)分别施加冲击载荷,编号为1~20,其中1~16冲击载荷施加位置为图3中测点位置,且编号一样;编号17~18载荷施加位置分别为该转向架4个车轮轮轨接触点,17、18、19、20分别与1、2、7、8位置所在车轮对应。
如图5所示,为施加编号17冲击载荷时,测点1和测点13的冲击响应经处理后示意图,得到测点13冲击响应相对于测点1冲击响应的相位差:ΔT131 (17)=tmax_13 (17)-tmax_1 (17)
式中,tmax_13 (17)和tmax_1 (17)分别测点13和测点1对17号冲击载荷冲击响应的最大值点。
对于17号冲击载荷,同样可得其余测点相对于测点1相位差ΔTi1 (17)(i=1,2,…,16);对于20个冲击载荷,同样可得ΔTi1 (m)(m=1,2,…,20)。
4、对比计算相位差Δti1与仿真建模得到的相位差ΔTi1 (m)的相对误差εi1 (m),实现故障位置定位。
首先,计算相位差Δti1与仿真建模得到的相位差ΔTi1 (m)的相对误差εi1 (m)。
然后,计算最小相对误差εi1 (m0),定位相对误差为最小相对误差εi1 (m0)时,仿真建模或实验中施加冲击载荷m0所对应的故障易发位置发生故障。
经计算可得m0=17,由此可定位故障为仿真模型中冲击载荷17处的故障,及车轮踏面故障。
5、定位故障后,利用移项技术将各传感器信号fi(t)按照Δti1进行移相,得到信号fi(t-Δti1),图6所示为传感器13相对传感器1移相结果,其余各传感器移相结果与其相似;然后融合得到融合信号,所述融合信号如图7所示。
6、计算融合信号的最大值A=maxF(t),利用最大值A对故障进行等级报警,最大值A约为单一传感器信号最大值的10倍,等效于故障接受功率变大,等级报警灵敏度得到提高,能有效避免初期故障引起的微弱冲击的漏检,能提高故障等级报警精度,有效避免漏报和误报。
以上所述,仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,故凡未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (9)
1.一种融合多传感器的转向架故障诊断方法,其特征在于,该方法包括:
同步采集安装在转向架的故障易发位置上的多个传感器的振动冲击信号;
计算各传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差;
根据所述相位差对故障位置进行定位;
根据所述相位差,通过移相技术对各传感器的振动冲击信号移相,并进行信号融合;
计算融合信号的最大值,对故障进行定量诊断。
2.根据权利要求1所述的融合多传感器的转向架故障诊断方法,其特征在于:所述计算各传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差包括:
将各传感器的振动冲击信号进行预处理,得到信号fi(t);
计算在第k个冲击时,传感器i的信号fi(t)相对于传感器j的信号fj(t)的相位差Δtij_k;
计算在采样时间t内,传感器i的信号fi(t)相对于传感器j的信号fj(t)的相位差平均值,所述相位差平均值即为传感器的振动冲击信号相对某一传感器的振动冲击信号的相位差Δtij,在采样时间t内共有M个冲击;
其中:i=1,2,…j…,N;j为某一固定传感器;当i=j时,Δtij=0;
当采样时间t→+∞时,M→+∞,采样时间越长,Δtij越精确。
3.根据权利要求2所述的融合多传感器的转向架故障诊断方法,其特征在于:在所述根据所述相位差对故障位置进行定位之前,还包括:
建立转向架仿真模型或进行实验,在转向架的n个故障易发位置中的若干个故障易发位置施加编号为m的冲击载荷;
在所述转向架上设有多个测点,所述多个测点的位置与安装在转向架上的多个传感器的位置对应,计算测点i的冲击响应相对于某固定测点j的冲击响应的相位差ΔTij (m);
其中:i=1,2,…j…,N;m∈[1,n]。
4.根据权利要求3所述的融合多传感器的转向架故障诊断方法,其特征在于:所述根据所述相位差对故障位置进行定位包括:
计算相位差Δtij与仿真建模或实验得到的相位差ΔTij (m)的相对误差εij (m);
计算最小相对误差εij (m0),定位相对误差为最小相对误差εij (m0)时,仿真建模或实验中施加冲击载荷m0所对应的故障易发位置发生故障。
5.根据权利要求2或4所述的融合多传感器的转向架故障诊断方法,其特征在于:所述根据所述相位差,通过移相技术对各传感器的振动冲击信号移相为:
平移信号fi(t),平移量为传感器i的信号fi(t)相对于传感器j的信号fj(t)在采样时间t内的相位差平均值Δtij,平移得到信号fi(t-Δtij);其中:i=1,2,…j…,N。
6.根据权利要求2所述的融合多传感器的转向架故障诊断方法,其特征在于:所述在第k个冲击时,传感器i的信号fi(t)相对于传感器j的信号fj(t)的相位差Δtij_k的计算公式为:
Δtij_k=tmax_ik-tmax_jk;
其中:tmax_ik为传感器i的信号fi(t)在第k个冲击区域的最大值点;tmax_jk传感器j的信号fj(t)在第k个冲击区域的最大值点。
7.根据权利要求3所述的融合多传感器的转向架故障诊断方法,其特征在于:所述计算测点i的冲击响应相对于某固定测点j的冲击响应的相位差ΔTij (m)的计算公式为:
ΔTij (m)=tmax_i (m)-tmax_j (m);
其中:tmax_i (m)和tmax_j (m)分别为转向架上测点i和测点j处对编号m载荷的冲击响应的最大值点。
8.根据权利要求1所述的融合多传感器的转向架故障诊断方法,其特征在于:所述故障易发位置包括电机轴承、抱轴轴承、轮对轴承、齿轮箱、横梁与纵梁交接点、小纵梁与横梁交接点、电机悬挂点和齿轮箱悬挂点。
9.根据权利要求8所述的融合多传感器的转向架故障诊断方法,其特征在于:每个故障易发位置至少设置一个传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510934487.5A CN105403420B (zh) | 2015-12-15 | 2015-12-15 | 一种融合多传感器的转向架故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510934487.5A CN105403420B (zh) | 2015-12-15 | 2015-12-15 | 一种融合多传感器的转向架故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105403420A true CN105403420A (zh) | 2016-03-16 |
CN105403420B CN105403420B (zh) | 2018-02-09 |
Family
ID=55469045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510934487.5A Active CN105403420B (zh) | 2015-12-15 | 2015-12-15 | 一种融合多传感器的转向架故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105403420B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106289822A (zh) * | 2016-08-31 | 2017-01-04 | 成都铁安科技有限责任公司 | 一种列车故障检测系统及方法 |
CN107340147A (zh) * | 2017-05-17 | 2017-11-10 | 中车长江车辆有限公司 | 一种铁路货车转向架整机疲劳试验方法 |
CN107884214A (zh) * | 2017-11-08 | 2018-04-06 | 唐智科技湖南发展有限公司 | 一种列车走行部部件故障多参数综合决策方法及装置 |
CN110146308A (zh) * | 2019-06-21 | 2019-08-20 | 中国神华能源股份有限公司 | 用于诊断转向架故障的方法、服务器及故障诊断系统 |
CN110376002A (zh) * | 2019-07-24 | 2019-10-25 | 西南交通大学 | 一种高速列车转向架故障诊断方法 |
CN114397121A (zh) * | 2022-01-21 | 2022-04-26 | 西南交通大学 | 一种转向架故障诊断方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10185787A (ja) * | 1996-12-26 | 1998-07-14 | Toyota Central Res & Dev Lab Inc | 疲労試験装置 |
CN1401487A (zh) * | 2001-08-21 | 2003-03-12 | 佳能株式会社 | 信号输出装置及图象成形装置 |
CN101750198A (zh) * | 2008-11-28 | 2010-06-23 | 上海宝钢工业检测公司 | 旋转机械不同测点振动信号相对相位的测量方法 |
CN102175470A (zh) * | 2011-02-18 | 2011-09-07 | 吉林大学 | 一种轨道车辆悬架振动衰减试验系统 |
CN104502126A (zh) * | 2014-12-28 | 2015-04-08 | 华东交通大学 | 一种基于模态区间的高速列车转向架故障诊断方法 |
-
2015
- 2015-12-15 CN CN201510934487.5A patent/CN105403420B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10185787A (ja) * | 1996-12-26 | 1998-07-14 | Toyota Central Res & Dev Lab Inc | 疲労試験装置 |
CN1401487A (zh) * | 2001-08-21 | 2003-03-12 | 佳能株式会社 | 信号输出装置及图象成形装置 |
CN101750198A (zh) * | 2008-11-28 | 2010-06-23 | 上海宝钢工业检测公司 | 旋转机械不同测点振动信号相对相位的测量方法 |
CN102175470A (zh) * | 2011-02-18 | 2011-09-07 | 吉林大学 | 一种轨道车辆悬架振动衰减试验系统 |
CN104502126A (zh) * | 2014-12-28 | 2015-04-08 | 华东交通大学 | 一种基于模态区间的高速列车转向架故障诊断方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106289822A (zh) * | 2016-08-31 | 2017-01-04 | 成都铁安科技有限责任公司 | 一种列车故障检测系统及方法 |
CN107340147A (zh) * | 2017-05-17 | 2017-11-10 | 中车长江车辆有限公司 | 一种铁路货车转向架整机疲劳试验方法 |
CN107884214A (zh) * | 2017-11-08 | 2018-04-06 | 唐智科技湖南发展有限公司 | 一种列车走行部部件故障多参数综合决策方法及装置 |
CN107884214B (zh) * | 2017-11-08 | 2019-12-03 | 北京唐智科技发展有限公司 | 一种列车走行部部件故障多参数综合决策方法及装置 |
CN110146308A (zh) * | 2019-06-21 | 2019-08-20 | 中国神华能源股份有限公司 | 用于诊断转向架故障的方法、服务器及故障诊断系统 |
CN110376002A (zh) * | 2019-07-24 | 2019-10-25 | 西南交通大学 | 一种高速列车转向架故障诊断方法 |
CN114397121A (zh) * | 2022-01-21 | 2022-04-26 | 西南交通大学 | 一种转向架故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105403420B (zh) | 2018-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105403420A (zh) | 一种融合多传感器的转向架故障诊断方法 | |
Li et al. | Fault detection method for railway wheel flat using an adaptive multiscale morphological filter | |
AU2016206598B2 (en) | Abnormal vehicle dynamics detection | |
CN108515984B (zh) | 一种车轮伤损检测方法及装置 | |
Mosleh et al. | Early wheel flat detection: An automatic data-driven wavelet-based approach for railways | |
Li et al. | Railway wheel flat detection based on improved empirical mode decomposition | |
CN108698622A (zh) | 轨道状态评价方法、装置以及程序 | |
CN104458298B (zh) | 基于多模型的高速列车悬架系统多执行器故障检测与隔离方法 | |
CN103592122A (zh) | 城市轨道交通列车走行部故障诊断设备及方法 | |
CN104833535A (zh) | 一种铁道车辆车轮踏面擦伤的检测方法 | |
CN105929025A (zh) | 一种基于时间与空间连续的车轮踏面与轨道故障检测方法 | |
CN107403139A (zh) | 一种城轨列车车轮扁疤故障检测方法 | |
CN102890143B (zh) | 一种融合车速信息和前后轴箱加速度信息的轨道局部缺陷车载检测方法 | |
CN103207097A (zh) | 轨道刚度动态检测方法 | |
CN105973618A (zh) | 一种车轮服役状态安全域初步评估方法 | |
CN110220627A (zh) | 轮轨力的测试装置、测试系统及测试方法 | |
CN104458297A (zh) | 基于非线性随机模型的列车悬架系统传感器故障检测方法 | |
CN113776760B (zh) | 基于整轴振动分析的列车轮对失圆故障监测方法和系统 | |
CN104949848A (zh) | 基于频域峭度的蛇行失稳检测算法 | |
Mosleh et al. | Approaches for weigh-in-motion and wheel defect detection of railway vehicles | |
CN102798413B (zh) | 一种铁道动态检测系统 | |
Diana et al. | Full-scale derailment tests on freight wagons | |
CN110171442B (zh) | 车轮扁疤的检测系统、检测方法 | |
CN105501250A (zh) | 基于车载检测装置的列车轮对踏面擦伤故障诊断方法 | |
KR20190089583A (ko) | 지상 차량 부품 탐지 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |