CN107505127A - 一种列车万向轴动不平衡特征谱线提取方法 - Google Patents

Abstract

本发明公开了一种列车万向轴动不平衡特征谱线提取方法，该方法结合了双树复小波包、奇异值差分谱和包络谱，其中，由于对万向轴振动信号进行双树复小波包变换，不仅能够保证信号平移不变性，还不会造成频率混叠、掺入虚假频率信号。而且根据差分谱，确定奇异值的重构个数，能够最大限度地降低噪声和、消除无用信号和凸显特征谱线，因此，本发明能够最大限度地降低噪声干扰，提高谱线清晰度。

Description

一种列车万向轴动不平衡特征谱线提取方法

技术领域

本发明涉及列车万向轴动不平衡故障诊断领域，具体涉及一种基于双树复小波包、差分谱和包络谱的列车万向轴动不平衡特征谱线提取的新方法。

背景技术

列车传动系统的动态性能是列车运行安全的重要因素，其主要构成为牵引电机、齿轮箱、万向轴、轮对以及安全装置。万向轴为传动系统的核心部件，主要作用是将电机驱动力矩传递给齿轮箱。万向轴在列车运行过程中传递牵引力矩，极易产生偏心。并且，随着列车运行里程增加，万向轴节磨损，传动轴平衡滑块的松动等原因加剧万向轴的偏心，从而引起动不平衡附加力矩增加，高速列车传动系统振动加剧，进而影响列车运行安全。为了保证列车传动系统性能安全，对万向轴动不平衡故障诊断非常必要。

万向轴动不平衡为万向轴在工作过程中偏离万向轴十字节，产生由离心惯性力组成的不平衡力系。动不平衡值为量化万向轴偏移量的大小，反映轴的状态，通过万向轴旋转对两端支撑轴承的作用力与旋转角速度的商计算得到。现阶段，万向轴动不平衡的检测需要将万向轴卸下来之后再通过专门的检测仪器进行检测，此种检测方式操作复杂，且在拆卸万向轴的过程中容易二次加剧万向轴的破坏，影响万向轴的使用寿命。因此，通过采集万向轴振动数据对动不平衡故障进行诊断，不仅可以降低对万向轴的损坏，提高使用寿命，还可以实时分析万向轴状态，具有一定的工程意义。

而万向轴动不平衡故障诊断的关键技术为特征谱线的提取，通过对特征谱线的分析，可判断万向轴是否存在动不平衡故障。在实际运行中，列车传动系统受力复杂，噪声信号与万向轴动不平衡故障信号混合在一起，微弱故障特征信号淹没在其中，导致动不平衡特征谱线提取存在一定难度。传统的提取特征谱线的方法有傅立叶变换、小波变换、经验模态分解(Empirical Model Decomposition，EMD)与集合经验模态分解(EnsembleEmpirical Model Decomposition,EEMD)结合奇异值方法。傅立叶变换为信号频域分析的经典方法，此种方法不能考虑时间上对频谱变化，且对噪声信号敏感，不利于定量分析。小波变换、EMD等方法在对信号分解过程中存在频率混叠、平移敏感性，频带能量泄漏等问题，严重影响特征谱线提取。

双树复小波包变换(Dual Tree Complex Wavelet Packet Transform，DTCWPT)采用二叉树结构，分别将信号分解为高频分量和低频分量，通过二抽样得到系数。在对信号的分解与重构中，实树与虚树系数互补，具有近似平移不变性和解析性等特点，现阶段已广泛应用于在轴承与齿轮箱故障诊断、图像处理、信号降噪等多方面。双树复小波包变换将信号分成等频段分量，信号频段较宽，成分复杂，微弱特征信号不明显。奇异值分解具有消噪能力，现阶段常用奇异值分解方法对信号进行降噪，提高谱线特征。然而，奇异值排列顺序代表分量信号能量大小，若均采用前几个较大的奇异值对信号进行重构，某些微弱特征信号不能有效提取出来。

发明内容

本发明的目的在于：解决现有特征谱线提取方法中存在频率混叠、特征频率不明显、噪声信号未消除等技术问题。

为了实现上述发明目的，本发明提供了以下技术方案：

一种列车万向轴动不平衡特征谱线提取方法，其包括以下步骤：

步骤S1，对采集到的万向轴振动信号进行双树复小波包变换，得到N个等频段的分量信号；

步骤S2，根据每个分量信号，分别构建相应的Hankel矩阵，再对构建的Hankel矩阵进行奇异值分解，并根据得到的奇异值，计算出每个分量信号对应的差分谱；

步骤S3，根据差分谱，确定奇异值的重构个数后，再对奇异值进行信号重构后，得到各个分量信号的有用信号；

步骤S4，分别对各个分量信号的有用信号进行包络谱变换，再将经包络谱变换后的信号全部叠加在一起，得到万向轴动不平衡的特征谱线。

根据一种具体的实施方式，本发明的列车万向轴动不平衡特征谱线提取方法，所述步骤S1中，双树复小波包变换的层数为2～4。

根据一种具体的实施方式，本发明的列车万向轴动不平衡特征谱线提取方法，所述步骤S2中，所述差分谱的值为相邻奇异值之间的差值。

进一步地，所述步骤S3中，根据差分谱值的大小，将所述差分谱的序列以降序的方式重新排列，并确定重新排列后前M个差分谱值中的最大的差分谱序列数，而且奇异值的重构个数与最大的差分谱序列数相等；其中M为设定值。

根据一种具体的实施方式，本发明的列车万向轴动不平衡特征谱线提取方法，在所述步骤S4中，所述包络谱变换通过先对有用信号进行Hilbert变换，然后进行FFT变换而实现。

与现有技术相比，本发明的有益效果：本发明的列车万向轴动不平衡特征谱线提取方法，由于对万向轴振动信号进行双树复小波包变换，不仅能够保证信号平移不变性，还不会造成频率混叠、掺入虚假频率信号。而且根据差分谱，确定奇异值的重构个数，能够最大限度地降低噪声和、消除无用信号和凸显特征谱线，因此，本发明能够最大限度地降低噪声干扰，提高谱线清晰度。

附图说明：

图1为本发明列车万向轴动不平衡特征谱线提取方法流程图；

图2a和图2b分别为万向轴振动信号的时域图和频域图；

图3为万向轴振动信号双树复小波包3层变换之后8个分量信号时域图；

图4为万向轴振动信号双树复小波包3层变换之后8个分量信号频域图；

图5为分量信号1的奇异值和差分谱前60个点的序列图；

图6为各个分量信号的重构信号时域图；

图7为各个分量信号经包络谱变换后的图；

图8为叠加后得到的万向轴动不平衡特征谱线图。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

如图1所示的本发明列车万向轴动不平衡特征谱线提取方法流程图；其中，包括如下步骤：

步骤S1：对采集到的万向轴振动信号进行双树复小波包变换，得到N个等频段额分量信号。具体的，双树复小波包变换的层数为2～4。

步骤S2：根据每个分量信号，分别构建相应的Hankel矩阵，再对构建的Hankel矩阵进行奇异值分解，并根据得到的奇异值，计算出每个分量信号对应的差分谱。具体的，由于对Hankel矩阵进行奇异值分解后，得到一个奇异值的序列，而差分谱的值为相邻奇异值之间的差值。

步骤S3：根据计算出的差分谱，确定奇异值的重构个数，然后根据确定的奇异值重构个数，对奇异值进行信号重构，从而得到各个分量信号的有用信号。具体的，首先根据差分谱值的大小，将所述差分谱的序列以降序的方式重新排列，并确定重新排列后前M个差分谱值中的最大的差分谱序列数，而且奇异值的重构个数与最大的差分谱序列数相等；其中M为设定值。

步骤S4：分别对各个分量信号的有用信号进行包络谱变换，再将经包络谱变换后的信号全部叠加在一起，得到万向轴动不平衡的特征谱线。具体的，包络谱变换通过先对有用信号进行Hilbert变换，然后进行FFT变换而实现。

下面结合一个实施例进一步解释本发明列车万向轴动不平衡特征谱线提取方法。以万向轴模拟实验台上，电机转动速度为2700r/min状态下采集的垂向振动加速度数据为例。

步骤S1：对采集的万向轴振动信号进行3层双树复小波包变换，共得到8个分量信号。其中，图2a和图2b为采集的万向轴振动信号的时域图和频域图，该万向轴振动信号经过3层双树复小包变换之后，得到8个分量信号且每个分量信号的频段范围为250Hz，第一个分量的频段是0Hz-250Hz，第二个分量的频段时250Hz-500Hz，第三个分量信号的频段是500Hz-750Hz，以此类推，最后一个分量信号的频段是1750Hz-2000Hz。图3和图4分别为各个分量信号的时域图和频域图。

步骤S2：根据得到的8个分量信号，分别构建8个相应的Hankel矩阵，并对构建的每个Hankel矩阵进行奇异值分解，再根据得到的奇异值，计算出每个分量信号相对应的差分谱。结合图4所示的各个分量信号的频域图，由于信号频带范围较宽，特征信号与噪声信号混合在一起，谱线特征不明显。

在实施时，由于数据长度为4000，为保证奇异值分解效果，对数据构造2001×2000的Hankel矩阵。然后，对构建的Hankel矩阵进行奇异值分解，得到一个有2000个奇异值的序列，而且序列数越大，奇异值逐渐趋于零。最后，再根据得到的奇异值序列，计算出差分谱。其中，图5为分量信号1的奇异值和差分谱前60个点的序列图，差分谱值在序列为20之后几乎为零。

步骤S3，根据差分谱值的大小，将计算出的差分谱的序列以降序的方式重新排列，并确定重新排列后前M个差分谱值中的最大的差分谱序列数，而且奇异值的重构个数与最大的差分谱序列数相等。

在实施时，M＝3，且表1中3个差分谱值的差分谱序列数的最大值为8。

表1差分谱值及差分谱序列数

差分谱值	371.93	341.08	47.37
				差分谱序列数	2	8	4

因此，选取奇异值序列的前8个奇异值进行信号重构，经过重构后得到重构矩阵，并将该重构矩阵转换成序列信号，从而得到有用信号。其中，图6为各个分量信号的重构信号时域图。

步骤S4：通过先对步骤S3中得到的有用信号进行Hilbert变换，然后进行FFT变换实现包络谱变换。其中，图7为各个分量信号经过包络谱变换后的频域图。最后，通过将各个分量信号经过包络谱变换后的结果叠加在一起，得到万向轴动不平衡的特征谱线。

由于电机转速为2700r/min，由此可计算出万向轴转动频率为2700/60＝45Hz，如图8所示，特征谱线图中的主要频率为万向轴转频及其倍频成分。f代表万向轴转动频率，2*f代表其二倍频。图中万向轴动不平衡特征谱线清晰，噪声信号消除。

因此，本发明结合双树复小波包、奇异值差分谱和包络谱的列车万向轴动不平衡特征谱线提取方法，不仅能有效提取特征谱线，而且能够最大限度消除噪声干扰，提高谱线清晰度，为万向轴动不平衡故障诊断提供依据。

Claims (5)

1.一种列车万向轴动不平衡特征谱线提取方法，其特征在于，包括以下步骤，

步骤S1，对采集到的万向轴振动信号进行双树复小波包变换，得到N个等频段的分量信号；

步骤S2，根据每个分量信号，分别构建相应的Hankel矩阵，再对构建的Hankel矩阵进行奇异值分解，并根据得到的奇异值，计算出每个分量信号对应的差分谱；

步骤S3，根据差分谱，确定奇异值的重构个数后，再对奇异值进行信号重构后，得到各个分量信号的有用信号；

步骤S4，分别对各个分量信号的有用信号进行包络谱变换，再将经包络谱变换后的信号全部叠加在一起，得到万向轴动不平衡的特征谱线。

2.如权利要求1所述的列车万向轴动不平衡特征谱线提取方法，其特征在于，所述步骤S1中，双树复小波包变换的层数为2～4。

3.如权利要求1所述的列车万向轴动不平衡特征谱线提取方法，其特征在于，所述步骤S2中，所述差分谱的值为相邻奇异值之间的差值。

4.如权利要求3所述的列车万向轴动不平衡特征谱线提取方法，其特征在于，所述步骤S3中，根据差分谱值的大小，将所述差分谱的序列以降序的方式重新排列，并确定重新排列后前M个差分谱值中的最大的差分谱序列数，而且奇异值的重构个数与最大的差分谱序列数相等；其中M为设定值。

5.如权利要求1～4之一所述的列车万向轴动不平衡特征谱线提取方法，其特征在于，在所述步骤S4中，所述包络谱变换通过先对有用信号进行Hilbert变换，然后进行FFT变换而实现。