CN108985282B - 一种识别高速动车组低锥度蛇行晃车特征的信号处理方法 - Google Patents

Abstract

本发明公开了一种识别高速动车组低锥度蛇行晃车特征的信号处理方法，属于轨道车辆技术领域，包括步骤A和步骤B两个步骤，其中步骤A、判断时间长度是否成立，如果是则对车体横向加速度进行10 Hz的低通滤波得到滤波后的车体加速度并进入步骤A1，否则终止迭代；A1、取一定时间内的车体横向加速度并）进行快速傅里叶变换得到b(

)；A2、计算谱线；A3、计算M(

)的平均值、最大谱峰幅值以及最大谱峰幅值对应的离散频率，A4、对最大谱峰进行幅值和频率修正并计算参数，如果

_maxP0<3和V_mean0/V_maxP0<0.1同时成立，则表明在t₀～t₀+t_w内动车组已经发生了低锥度蛇行晃车，进入步骤B，否则令并返回步骤A1。本发明可根据车体加速度信号识别是否出现低锥度蛇行晃车现象。

Description

一种识别高速动车组低锥度蛇行晃车特征的信号处理方法

技术领域

本发明属于轨道车辆技术领域，具体涉及一种识别高速动车组低锥度蛇行晃车特征的信号处理方法。

背景技术

机车车辆在行驶中，由于轮轨间设置了9mm的游间，又因为轮对踏面为具有锥度，导致轮对在构造上的蛇行运动。当蛇行运动与线路的弹性不平顺、轨道几何尺寸不平顺等不利因素耦合时，列车就十分容易在同一地段发生同形态的蛇行运动。当轮对等效锥度较低造成蛇行运动时，车轮轮缘是贴靠在磨耗一侧钢轨作用边的，如果磨耗幅值大而车速又高，势必产生车体的低频横向摆动，即晃车。晃车不仅降低乘客的乘坐舒适性，长期也会对轨道产生不利影响。而现有技术中，尚无针对高速动车组低锥度蛇行晃车的识别方法。

发明内容

本发明要解决的技术问题是提供一种识别高速动车组低锥度蛇行晃车特征的信号处理方法，可以对晃车的频率和幅值进行准确识别。

为解决上述技术问题，本发明采用的技术方案是：一种识别高速动车组低锥度蛇行晃车特征的信号处理方法，其特征在于包括以下步骤：

步骤A、判断时间长度t₀+t_W+9t_WS<t_n是否成立，如果成立则对车体横向加速度进行10Hz的低通滤波得到滤波后的车体加速度a(t)并进入步骤A1，否则终止迭代，其中t₀、t_n分别是加速度信号起始和终止时间点，t_W＝2s，t_WS是滑动窗步长并且取t_WS＝0.2s；

A1、取时间t₀～t₀+t_W内的车体横向加速度a(t)，对a(t)(t₀<t<t₀+t_W)进行快速傅里叶变换得到b(f)，其中t＝t₀+nΔt，f＝nf₀,，,n＝0,1,2,L,

N_W为t_W处采样点数并且

Δt为采样时间间隔，f₀为频率分辨率并且

采样频率

[·]为取整运算；

A2、计算谱线

其中f＝nf₀,、,n＝0,1,2,L,N_WS-1，abs(·)是取模运算，N_WS是在t_WS的采样点数并且

[·]为取整运算；

A3、计算M(f),的平均值V_mean0、最大谱峰幅值V_max＝M(n_maxf₀)以及最大谱峰幅值对应的离散频率为n_maxf₀；

A4、按照

计算参数f_d，并按下式对最大谱峰进行幅值和频率修正，得到修正后的真实频率和最大幅值f_maxP0和V_maxP0，

f_maxP0＝n_maxf₀-f_df₀

其中

为辛格函数；

A5、如果f_maxP0<3和

同时成立，则表明在t₀～t₀+t_W内动车组已经发生了低锥度蛇行晃车，进入步骤B，否则令t₀＝t₀+t_WS并返回步骤A1；

步骤B、取N_T＝1，

B1、重复步骤A1-A4得到t₀+N_Tt_WS:t₀+N_Tt_WS+t_W区间内的频谱最大值，均值及频率，其分别为

和

B2、如果

和

同时成立，则进入步骤B3，否则令t₀＝t₀+N_Tt_WS进入步骤A1；

B3、若N_T＝9，则进入步骤B4，否则令N_T＝N_T+1进入步骤B1；

B4、取V_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为V_maxPu和V_maxPd，f_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为f_maxPu和f_maxPd，如果不等式

和

同时满足，则判定在t₀～t₀+N_Tt_WS+t_W内已经持续出现低锥度蛇行晃车，令t_b＝t₀，t_e＝t₀+N_Tt_WS+t_W，N_T＝N_T+1然后进入步骤C，否则令t₀＝t₀+t_WS然后进入步骤A；

步骤C、判断t₀+N_Tt_WS+t_W≤t_n是否成立，如果是则执行步骤C1，否则迭代终止，

C1、在区间t₀+N_Tt_WS:t₀+N_Tt_WS+t_W内执行步骤A1-A4，得到幅值均值、最大值及最大值对应的频率分别为

取V_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为V_maxPu和V_maxPd，f_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为f_maxPu和f_maxPd，如果不等式

和

同时成立则表明车体继续出现低锥度晃车现象，取t_e＝t₀+N_Tt_WS+t_W，N_T＝N_T+1重复步骤C，否则表明车体不再继续出现低锥度晃车，取t₀＝t₀+(N_T+1)t_WS然后进入步骤A。

本发明的有益效果是：(1)可根据车体加速度信号识别是否出现低锥度蛇行晃车现象，(2)如果出现低锥度蛇行晃车现象可识别出低锥度蛇行晃车的特征参数，包括蛇行晃车的频率及幅值。

下面结合附图对本发明进行详细说明。

附图说明

图1是车体横向加速度与时间关系图。

具体实施方式

参见附图，本发明提供了一种识别高速动车组低锥度蛇行晃车特征的信号处理方法，包括以下步骤：

步骤A、判断时间长度t₀+t_W+9t_WS<t_n是否成立，如果成立则进入步骤A1，否则终止迭代，其中t₀、t_n分别是加速度信号起始和终止时间点，t_W＝2s，t_WS是滑动窗步长并且取t_WS＝0.2s；A1、取时间t₀～t₀+t_W内的车体横向加速度a(t)，对a(t)(t₀<t<t₀+t_W)进行快速傅里叶变换得到b(f)，其中t＝t₀+nΔt，f＝nf₀,，,n＝0,1,2,L,

N_W为t_W处采样点数并且

Δt为采样时间间隔，f₀为频率分辨率并且

采样频率

[·]为取整运算；

A2、计算谱线

其中f＝nf₀,、,n＝0,1,2,L,N_WS-1，abs(·)是取模运算，N_WS是在t_WS的采样点数并且

[·]为取整运算；

A3、计算M(f),的平均值V_mean0、最大谱峰幅值V_max＝M(n_maxf₀)以及最大谱峰幅值对应的离散频率为n_maxf₀；

A4、按照

计算参数f_d，并用下式对最大谱峰进行幅值和频率修正，得到修正后的真实频率和最大幅值f_maxP0和V_maxP0

f_maxP0＝n_maxf₀-f_df₀

其中

为辛格函数；

A5、如果f_maxP0<3和

同时成立，则表明在t₀～t₀+t_W内动车组已经发生了低锥度蛇行晃车，进入步骤B，否则令t₀＝t₀+t_WS并返回步骤A1；

步骤B、取N_T＝1，

B1、重复步骤A1-A4得到t₀+N_Tt_WS:t₀+N_Tt_WS+t_W区间内的频谱最大值，均值及频率，其分别为

和

B2、若

和

同时成立，则进入步骤B3，否则令t₀＝t₀+N_Tt_WS进入步骤A1；B3、若N_T＝9，则进入步骤B4，否则令N_T＝N_T+1进入步骤B1；

B4、取V_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为V_maxPu和V_maxPd，f_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为f_maxPu和f_maxPd，如果不等式

和

同时满足，则判定在t₀～t₀+N_Tt_WS+t_W内已经持续出现低锥度蛇行晃车，令t_b＝t₀，t_e＝t₀+N_Tt_WS+t_W，N_T＝N_T+1然后进入步骤C，否则令t₀＝t₀+t_WS然后重复步骤A；

步骤C、判断t₀+N_Tt_WS+t_W≤t_n是否成立，如果是则执行步骤C1，否则迭代终止，

C1、在区间t₀+N_Tt_WS:t₀+N_Tt_WS+t_W内执行步骤A1-A4，得到幅值均值、最大值及最大值对应的频率分别为

取V_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为V_maxPu和V_maxPd，f_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为f_maxPu和f_maxPd，如果不等式

和

同时成立则表明车体继续出现低锥度晃车现象，然后取t_e＝t₀+N_Tt_WS+t_W，N_T＝N_T+1重复步骤C，否则表明车体不再继续出现低锥度晃车，取t₀＝t₀+(N_T+1)t_WS然后进入步骤A。

下面以已经出现动车组低锥度蛇行晃车识别的具体实施例来阐述本发明，参见附图。为了便于说明，以下按照步骤A中的(1)～(4)进行计算得到在t₀+it_WS～t₀+it_WS+t_W(t₀＝0，i＝0,1,2,L,18)内幅值最大值及对应的频率、幅值平均值以及幅值平均值与最大值之比，如表1所示。因此，下面的计算中涉及这4个量的计算时，只给出最终值。

表1图1中车体横向加速度的计算表格

步骤A：初始时刻t₀＝0s，根据步骤A1-A4得到0～2内的幅值最大值、最大值对应频率、幅值平均值和幅值平均值与最大值之比依次为0.1327，1.6284，0.0132和0.0991，可知，满足步骤A5中f_maxP0<3和

的条件，由此进入步骤B。

步骤B1、令N_T＝1，重复步骤A1-A4计算t₀+N_Tt_WS:t₀+N_Tt_WS+t_W(0.2～2.2s内)的幅值最大值、最大值对应频率、幅值平均值和幅值平均值与最大值之比依次为0.1252，1.6256，0.0133，0.1064，由于不满足步骤B2中

t₀＝t₀+N_Tt_WS(即t₀＝0.4)因此返回步骤A。

步骤A：由表1在0.4～2.4s、0.6～2.6s的幅值平均值与最大值之比均不满足条件

可知t₀更新到t₀＝0.8s，由表1可知0.8～2.8s内满足条件

和f_maxP0<3，则进入步骤B。

步骤B1、取N_T＝1，重复步骤A1-A4，在t₀+N_Tt_WS:t₀+N_Tt_WS+t_W(1～3s)计算结果如由表1第6行所示。

步骤B2-B3、由表1中序号5-14均同时满足条件f_maxPNT<3和

N_T＝9进入步骤B4。

步骤B4、由表1可知，V_maxPi(i＝0,1,L,N_T)(N_T＝9)的最大值和最小值分别为V_maxPu＝0.2018和V_maxPd＝0.1449，f_maxPi(i＝0,1,L,N_T)(N_T＝9)的最大值和最小值分别为f_maxPu＝1.5997和f_maxPd＝1.4725，不满足条件

则t₀＝t₀+t_WS＝1.0进入步骤A。

步骤A：由步骤A1-A4计算可知在1～3s内幅值最大值、最大值对应频率、幅值平均值和幅值平均值与最大值之比依次为0.1586,1.5901,0.0136,0.086，满足步骤A5的条件

和f_maxP0<3，因此进入步骤B。

步骤B1：取N_T＝1重复步骤A1-A4，在t₀+N_Tt_WS:t₀+N_Tt_WS+t_W(1.2～3.2s)计算

结果如由表1第7行所示。

步骤B2-B3：由表1的6～15行可知，在t₀+it_WS:t₀+it_WS+t_W，i＝1,2,L,9区间内满足步骤B2中的

和

此时N_T＝9进入步骤B4。

步骤B4、由表1可知，V_maxPi(i＝0,1,L,N_T)(N_T＝9)的最大值和最小值分别为V_maxPu＝0.2039和V_maxPd＝0.1586，f_maxPi(i＝0,1,L,N_T)(N_T＝9)的最大值和最小值分别为f_maxPu＝1.5901和f_maxPd＝1.4725，满足条件

和

令t_b＝t₀＝1，t_e＝t₀+N_Tt_WS+t_W＝4.8，N_T＝N_T+1＝10进入步骤C。

步骤C：在区间t₀+N_Tt_WS:t₀+N_Tt_WS+t_W(3～5s)内，按照步骤A1-A4计算得到幅值最大值、最大值对应频率、幅值平均值和幅值平均值与最大值之比依次为0.21，1.466，0.0148，0.0707，V_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为V_maxPu＝0.21和V_maxPd＝0.1586，f_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为f_maxPu＝1.5901和f_maxPd＝1.466，不等式

和

同时成立，取t_e＝t₀+(N_T+1)t_WS,N_T＝N_T+1重复步骤C。

步骤C：在区间t₀+N_Tt_WS:t₀+N_Tt_WS+t_W(3.2～5.2s)内，按照步骤A1-A4计算得到幅值最大值、最大值对应频率、幅值平均值和幅值平均值与最大值之比依次为0.2167，1.4687，0.016，0.0739，V_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为V_maxPu＝0.2167和V_maxPd＝0.1586，f_maxPi(i＝0,1,L,N_T)的最大值和最小值分别为f_maxPu＝1.5901和f_maxPd＝1.466，不等式

不成立，则令t₀＝t₀+(N_T+1)t_WS＝3.2，进入步骤A。

步骤A：此时由于时间长度不够，迭代终止。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (1)

1.一种识别高速动车组低锥度蛇行晃车特征的信号处理方法，其特征在于包括以下步骤：

步骤A、判断时间长度t₀+t_W+9t_WS＜t_n是否成立，如果成立则对车体横向加速度进行10Hz的低通滤波得到滤波后的车体加速度a(t)并进入步骤A1，否则终止迭代，其中t₀、t_n分别是加速度信号起始和终止时间点，t_W＝2s，t_WS是滑动窗步长并且取t_WS＝0.2s；

A1、取时间t₀～t₀+t_W内的车体横向加速度a(t)，对a(t)(t₀＜t＜t₀+t_W)进行快速傅里叶变换得到b(f)，其中t＝t₀+nΔt，f＝nf₀，

N_W为t_W处采样点数并且

Δt为采样时间间隔，f₀为频率分辨率并且

采样频率

[·]为取整运算；

A2、计算谱线

其中f＝nf₀，n＝0,1,2,…,N_WS-1，abs(·)是取模运算，N_WS是在t_WS的采样点数并且

[·]为取整运算；

A3、计算M(f)的平均值V_mean0、最大谱峰幅值V_max＝M(n_maxf₀)以及最大谱峰幅值对应的离散频率为n_maxf₀；

A4、按照

计算参数f_d，并按下式对最大谱峰进行幅值和频率修正，得到修正后的真实频率和最大幅值f_maxP0和V_maxP0，

f_maxP0＝n_maxf₀-f_df₀

其中

为辛格函数；

A5、如果f_maxP0＜3和

同时成立，则表明在t₀～t₀+t_W内动车组已经发生了低锥度蛇行晃车，进入步骤B，否则令t₀＝t₀+t_WS并返回步骤A1；

步骤B、取N_T＝1，

B1、重复步骤A1-A4得到t₀+N_Tt_WS～t₀+N_Tt_WS+t_W区间内的频谱最大值，均值及频率，其分别为

和

B2、如果

和

同时成立，则进入步骤B3，否则令t₀＝t₀+N_Tt_WS进入步骤A1；

B3、若N_T＝9，则进入步骤B4，否则令N_T＝N_T+1进入步骤B1；

B4、取V_maxPi(i＝0,1,…,N_T)的最大值和最小值分别为V_maxPu和V_maxPd，f_maxPi(i＝0,1,…,N_T)的最大值和最小值分别为f_maxPu和f_maxPd，如果不等式

和

同时满足，则判定在t₀～t₀+N_Tt_WS+t_W内已经持续出现低锥度蛇行晃车，令t_b＝t₀，t_e＝t₀+N_Tt_WS+t_W，N_T＝N_T+1然后进入步骤C，否则令t₀＝t₀+t_WS然后进入步骤A；

步骤C、判断t₀+N_Tt_WS+t_W≤t_n是否成立，如果是则执行步骤C1，否则迭代终止，C1、在区间t₀+N_Tt_WS～t₀+N_Tt_WS+t_W内执行步骤A1-A4，得到幅值均值、最大值及最大值对应的频率分别为

取V_maxPi(i＝0,1,…,N_T)的最大值和最小值分别为V_maxPu和V_maxPd，f_maxPi(i＝0,1,…,N_T)的最大值和最小值分别为f_maxPu和f_maxPd，如果不等式

和

同时成立则表明车体继续出现低锥度晃车现象，取t_e＝t₀+N_Tt_WS+t_W，N_T＝N_T+1，重复步骤C，否则表明车体不再继续出现低锥度晃车，取t₀＝t₀+(N_T+1)t_WS然后进入步骤A。

Images