CN109870513A - 轮轴隐性疲劳损伤探测与可视化技术 - Google Patents
轮轴隐性疲劳损伤探测与可视化技术 Download PDFInfo
- Publication number
- CN109870513A CN109870513A CN201910218418.2A CN201910218418A CN109870513A CN 109870513 A CN109870513 A CN 109870513A CN 201910218418 A CN201910218418 A CN 201910218418A CN 109870513 A CN109870513 A CN 109870513A
- Authority
- CN
- China
- Prior art keywords
- circuit
- surface wave
- characteristic value
- module
- wheel shaft
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了轮轴隐性疲劳损伤探测与可视化技术,属于轮轴隐性疲劳损伤技术领域,其技术如下:S1、表面波波段信号获取,特征表面波信号提取,表面波波段信号通过接收端获取;S2、表面波滤波器检测电路设计所述表面波滤波器检测电路包括反射条、低通滤波、放大器、取样电路、第一匹配电路、控制电路、SAM敏感元件、第二匹配电路、普通滤波和第三匹配电路;S3、特征表面波编解码电路设计;S4、大数据分析系统设计;S5、表面波特征值信号处理与可视化信号显示系统设计,本发明通过对比轮轴裂痕数据的采集所建立的大数据库的优势及应用,实现轮轴隐性疲劳损伤实时检测与探伤报警。
Description
技术领域
本发明涉及轮轴隐性疲劳损伤技术领域,更具体地说,涉及轮轴隐性疲劳损伤探测与可视化技术。
背景技术
全长2252公里,运行时速为300km/h的上海至昆明的沪昆高速铁路的开通,沿途高铁动车组运行环境受地质气象影响较大,主要有:路基的高差平整性变化、路轨的结构位移与机械位移变化、高速运行震动引起车轮结构稳定性的变化,基底轨与运行车轮踏面复杂受力性变化等,车辆轮轴的探伤监测是确保高速动车组重载长时高速运行安全保障的关键要素之一。
由于轮轴在运行状况下受复杂交变应力的作用,轮轴因金属内部或机械加工、装接配合以及结构组成、复杂运行应力工况等所造成的隐性损伤积累和扩展,造成的轮轴隐性疲劳损伤甚至疲劳失效,其形成过程中会产生表面波信号,轮轴隐性疲劳损伤是高铁动车组重载长时间运行路轨撞击造成金属轮轴应力结构性疲劳损伤的主要问题,基于轮轴隐性疲劳损伤的探测解决在运行间隙通过快速探测及数据比对分析方法判定当前轮轴对列车高速运行所带来的安全隐患显得尤其迫切。
发明内容
1.要解决的技术问题
针对现有技术中存在的问题,本发明的目的在于提供轮轴隐性疲劳损伤探测与可视化技术,它通过对比轮轴裂痕数据的采集所建立的大数据库的优势及应用,实现轮轴隐性疲劳损伤实时检测与探伤报警。
2.技术方案
为解决上述问题,本发明采用如下的技术方案:
轮轴隐性疲劳损伤探测与可视化技术,所述技术如下:
S1、表面波波段信号获取,特征表面波信号提取;
S2、表面波滤波器检测电路设计;
S3、特征表面波编解码电路设计;
S4、大数据分析系统设计;
S5、表面波特征值信号处理与可视化信号显示系统设计。
进一步的,在S1中,所述表面波波段信号通过接收端获取,在接收端设置具有周期性配置的反射条作为反射器,实现特征表面波信号提取。
进一步的,在S2中,所述表面波滤波器检测电路包括反射条、低通滤波、放大器、取样电路、第一匹配电路、控制电路、SAM敏感元件、第二匹配电路、普通滤波和第三匹配电路,所述反射条与低通滤波串联,所述低通滤波与放大器串联,所述放大器与取样电路串联,所述取样电路分别与第一匹配电路和控制电路串联,且控制电路与放大器并联,所述第一匹配电路与SAM敏感元件串联,所述SAM敏感元件串联与第二匹配电路串联,所述第二匹配电路串联与普通滤波串联,所述普通滤波与第三匹配电路串联。
进一步的,在S3中,所述特征表面波编解码电路包括表面波特征值接收电路、表面波特征值发送电路、电源及公共电路、表面波特征值信号控制电路、表面波特征值编解码电路、微处理器与数据处理系统电路、存储器E2PROM电路,所述表面波特征值接收电路与表面波特征值信号控制电路串联,所述表面波特征值发送电路与表面波特征值信号控制电路串联,且表面波特征值接收电路与表面波特征值发送电路并联,所述表面波特征值信号控制电路与表面波特征值编解码电路串联,所述表面波特征值编解码电路和微处理器与数据处理系统电路串联,所述表面波特征值编解码电路与存储器E2PROM电路串联,且存储器E2PROM电路和微处理器与数据处理系统电路并联,所述电源及公共电路与表面波特征值信号控制电路串联,且电源及公共电路与表面波特征值发送电路并联。
进一步的,在S4中,所述大数据分析系统包括大数据基础分析算法、大数据融合分析算法、大数据预测决策与可视化、全链路大数据分析软件栈和分层开放编程语言。
进一步的,在S5中,所述表面波特征值信号处理与可视化信号显示系统包括数据单元、三维建模单元、参数控制单元和显示单元。
进一步的,所述数据单元包括网络接收模块和数据存储模块。
进一步的,所述三维建模单元包括单帧重建模块、配准模块和图像拼接模块。
进一步的,所述参数控制单元包括编码处理模块、算法优化模块和显示处理模块,所述编码处理模块包括特征值选取模块和采集模式模块,所述算法优化模块包括配准精度模块和分辨率控制模块,所述显示处理模块包括帧率控制模块和配色选择控制模块。
进一步的,所述显示单元包括单帧显示模块和区块显示模块。
3.有益效果
相比于现有技术,本发明的优点在于:
本发明针对轮轴复杂的结构及运行工况,运用轮轴运行状况下受应力作用所产生的声表面波信号,通过接收端对信号降噪提取、检测分析处理技术,结合无损探伤大数据分析处理,对所获取的轮轴声表面波数据进行物理性质、机械性能以及内部结构数据比对分析,获取预诊断数据,结合重点部位综合探伤技术,对包含轮轴内部缺陷长度与深度等轮轴运行状况下所获取的预诊断数据予以有效确认,并采取相对应的技术措施加以解决,实现对轮轴运行状况下的无损检测。
附图说明
图1为本发明的技术流程框图;
图2为本发明的表面波滤波器检测电路图;
图3为本发明的特征表面波编解码电路图;
图4为本发明的大数据分析系统图;
图5为表面波特征值信号处理与可视化信号显示系统图;
图6为表面波获取及表面波信号提取原理图;
图7轮轴振动产生的噪音波形图;
图8表面波有效波段接收和由反射条极化后的表面波波形图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“上”、“下”、“内”、“外”“顶/底端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“设置有”、“套设/接”、“连接”等,应做广义理解,例如“连接”,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例:
轮轴隐性疲劳损伤探测与可视化技术,其技术如下:
请参阅图1和图6,表面波波段信号获取,特征表面波信号提取:表面波波段信号通过接收端获取,在接收端设置具有周期性配置的反射条作为反射器,实现特征表面波信号提取;
请参阅图1和图2,表面波滤波器检测电路设计:表面波滤波器检测电路包括反射条、低通滤波、放大器、取样电路、第一匹配电路、控制电路、SAM敏感元件、第二匹配电路、普通滤波和第三匹配电路,反射条与低通滤波串联,低通滤波与放大器串联,放大器与取样电路串联,取样电路分别与第一匹配电路和控制电路串联,且控制电路与放大器并联,第一匹配电路与SAM敏感元件串联,SAM敏感元件串联与第二匹配电路串联,第二匹配电路串联与普通滤波串联,普通滤波与第三匹配电路串联,图2中的A点为反射条产生的信号经过低通滤波,经放大后得到的激励信号,B点为A在控制信号作用下经过取样电路后得到的信号,C点为B经过反射表面波脉冲串转变成脉冲串后得到的电信号在放大后经带通滤波得到的可进行编码处理的电信号,D点为采样时钟控制信号,经表面波滤波器电路滤后的波形图请参阅图8;
请参阅图6和图7,轮轴运行状况下受应力作用所产生的表面波在自由表面与金属化表面之间表面波的一小部分被反射,这种过渡所形成的不连续性,可以在接收端对信号降噪提取的技术设计中,在接收端设置具有周期性配置的反射条作为反射器,如果反射周期与半波长相符,则所有反射重叠起来的相位是相同的,因此对于具有固有频率的表面波来说,所接收到的表面波信号能够达到最大值,从而实现在轮轴运行状况下的复杂噪声中提取有用表面波信号的目的,我们测试CRH380型列车,当轮轴转速1000rpm时,采样点数1024,采样频率4KHz,对其噪声信号进行测量,由图7可以看出它具有一定的周期性,主要是以轮轴振动产生的噪声为主;
请参阅图1和图3,特征表面波编解码电路设计:特征表面波编解码电路包括表面波特征值接收电路、表面波特征值发送电路、电源及公共电路、表面波特征值信号控制电路、表面波特征值编解码电路、微处理器与数据处理系统电路、存储器E2PROM电路,表面波特征值接收电路与表面波特征值信号控制电路串联,表面波特征值发送电路与表面波特征值信号控制电路串联,且表面波特征值接收电路与表面波特征值发送电路并联,表面波特征值信号控制电路与表面波特征值编解码电路串联,表面波特征值编解码电路和微处理器与数据处理系统电路串联,表面波特征值编解码电路与存储器E2PROM电路串联,且存储器E2PROM电路和微处理器与数据处理系统电路并联,电源及公共电路与表面波特征值信号控制电路串联,且电源及公共电路与表面波特征值发送电路并联,特征表面波编解码电路工作在前向链路时,将表面波特征值编码接收电路传来的数字基带信号进行解码后传给微处理器,工作在反向链路时,将微处理器传来的处理好的数字基带信号进行编码后送到检测分析发送电路端,微处理器用于控制相关协议、指令及处理功能,E2PROM存储器用于存储电子标签的相关信息和数据,存储时间可以长达几十年,并且在没有供电的情况下,其数据信息不会丢失;
请参阅图1和图4,大数据分析系统设计:大数据分析系统包括大数据基础分析算法、大数据融合分析算法、大数据预测决策与可视化、全链路大数据分析软件栈和分层开放编程语言;
(a)大数据基础分析算法:基于分类、聚类表面波特征值,采用查询与检索分析、匹配与关联分析、回归分析等基础算法,实现对表面波特征值表示出隐性疲劳损伤的精准性和适用性;
(b)大数据融合分析技术:采用认知计算与深度学习,实现对表面波特征值进行异构数据融合分析、异常模式识别等高级算法;
(c)采用机器学习与大数据辅助决策与分析,智能芯片与垂直化硬件加速可视化智能分析芯片和硬件重构技术,实现表面波特征值智能分析硬件对复杂大数据分析的时效性和速度规模可扩展性;
(d)全链路大数据分析软件栈和分层开放编程语言:采用开发覆盖大数据分析链路的各个环节全链条的通用算法工具集,实现大数据层次化开放编程语言应用的敏捷开发与应用技术部署;
请参阅图1和图5,表面波特征值信号处理与可视化信号显示系统设计:表面波特征值信号处理与可视化信号显示系统包括数据单元、三维建模单元、参数控制单元和显示单元,数据单元包括网络接收模块和数据存储模块,三维建模单元包括单帧重建模块、配准模块和图像拼接模块,参数控制单元包括编码处理模块、算法优化模块和显示处理模块,编码处理模块包括特征值选取模块和采集模式模块,算法优化模块包括配准精度模块和分辨率控制模块,显示处理模块包括帧率控制模块和配色选择控制模块,显示单元包括单帧显示模块和区块显示模块,基于运行状态下轮轴隐性疲劳损伤的表面波特征值可视化数据图像显示系统,对由降噪、编码处理后所获取的表面波数据,经与大数据参数控制比对与参数归一化处理,完成基于表面波隐性疲劳损伤检测数据的软件三维建模的算法及优化与显示,运用软件算法处理对图像拼接,并实现单帧显示与区块显示,通过软件算法实现图像色彩层次及分辨率控制,由此实现表面波特征值的选取、采集、数据比对、软件算法优化与三维建模显示,据此,实现轮轴应力作用等所造成的隐性疲劳损伤的探测与显示。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其改进构思加以等同替换或改变,都应涵盖在本发明的保护范围内。
Claims (10)
1.轮轴隐性疲劳损伤探测与可视化技术,其特征在于,所述技术如下:
S1、表面波波段信号获取,特征表面波信号提取;
S2、表面波滤波器检测电路设计;
S3、特征表面波编解码电路设计;
S4、大数据分析系统设计;
S5、表面波特征值信号处理与可视化信号显示系统设计。
2.根据权利要求1所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,在S1中,所述表面波波段信号通过接收端获取,在接收端设置具有周期性配置的反射条作为反射器,实现特征表面波信号提取。
3.根据权利要求1所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,在S2中,所述表面波滤波器检测电路包括反射条、低通滤波、放大器、取样电路、第一匹配电路、控制电路、SAM敏感元件、第二匹配电路、普通滤波和第三匹配电路,所述反射条与低通滤波串联,所述低通滤波与放大器串联,所述放大器与取样电路串联,所述取样电路分别与第一匹配电路和控制电路串联,且控制电路与放大器并联,所述第一匹配电路与SAM敏感元件串联,所述SAM敏感元件串联与第二匹配电路串联,所述第二匹配电路串联与普通滤波串联,所述普通滤波与第三匹配电路串联。
4.根据权利要求1所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,在S3中,所述特征表面波编解码电路包括表面波特征值接收电路、表面波特征值发送电路、电源及公共电路、表面波特征值信号控制电路、表面波特征值编解码电路、微处理器与数据处理系统电路、存储器E2PROM电路,所述表面波特征值接收电路与表面波特征值信号控制电路串联,所述表面波特征值发送电路与表面波特征值信号控制电路串联,且表面波特征值接收电路与表面波特征值发送电路并联,所述表面波特征值信号控制电路与表面波特征值编解码电路串联,所述表面波特征值编解码电路和微处理器与数据处理系统电路串联,所述表面波特征值编解码电路与存储器E2PROM电路串联,且存储器E2PROM电路和微处理器与数据处理系统电路并联,所述电源及公共电路与表面波特征值信号控制电路串联,且电源及公共电路与表面波特征值发送电路并联。
5.根据权利要求1所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,在S4中,所述大数据分析系统包括大数据基础分析算法、大数据融合分析算法、大数据预测决策与可视化、全链路大数据分析软件栈和分层开放编程语言。
6.根据权利要求1所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,在S5中,所述表面波特征值信号处理与可视化信号显示系统包括数据单元、三维建模单元、参数控制单元和显示单元。
7.根据权利要求6所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,所述数据单元包括网络接收模块和数据存储模块。
8.根据权利要求6所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,所述三维建模单元包括单帧重建模块、配准模块和图像拼接模块。
9.根据权利要求6所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,所述参数控制单元包括编码处理模块、算法优化模块和显示处理模块,所述编码处理模块包括特征值选取模块和采集模式模块,所述算法优化模块包括配准精度模块和分辨率控制模块,所述显示处理模块包括帧率控制模块和配色选择控制模块。
10.根据权利要求6所述的轮轴隐性疲劳损伤探测与可视化技术,其特征在于,所述显示单元包括单帧显示模块和区块显示模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910218418.2A CN109870513A (zh) | 2019-03-21 | 2019-03-21 | 轮轴隐性疲劳损伤探测与可视化技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910218418.2A CN109870513A (zh) | 2019-03-21 | 2019-03-21 | 轮轴隐性疲劳损伤探测与可视化技术 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109870513A true CN109870513A (zh) | 2019-06-11 |
Family
ID=66921016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910218418.2A Pending CN109870513A (zh) | 2019-03-21 | 2019-03-21 | 轮轴隐性疲劳损伤探测与可视化技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109870513A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111983024A (zh) * | 2020-08-29 | 2020-11-24 | 西安石油大学 | 一种土木施工隧道质量探测方法及其检测系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030023393A1 (en) * | 2001-07-24 | 2003-01-30 | Oravecz Michael G. | Acoustic micro imaging method and apparatus for capturing 4D acoustic reflection virtual samples |
CN101952716A (zh) * | 2008-01-04 | 2011-01-19 | 通用电气传感与检测科技有限公司 | 用于借助超声波对试件进行无损检测的方法及装置 |
CN103792290A (zh) * | 2014-03-12 | 2014-05-14 | 成都信息工程学院 | 结合质量超声检测系统 |
CN104461534A (zh) * | 2014-12-05 | 2015-03-25 | 华东交通大学 | 基于Android移动终端的便携式智能超声探伤系统 |
CN108956771A (zh) * | 2018-07-07 | 2018-12-07 | 南京理工大学 | 基于超声导波的特种车辆传动轴损伤检测系统 |
CN109178029A (zh) * | 2018-08-16 | 2019-01-11 | 重庆交通职业学院 | 电动铁路轨道线路钢轨巡检检测车 |
CN109341840A (zh) * | 2018-10-10 | 2019-02-15 | 南开大学 | 一种声表面波的可视化检测器件及应用 |
-
2019
- 2019-03-21 CN CN201910218418.2A patent/CN109870513A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030023393A1 (en) * | 2001-07-24 | 2003-01-30 | Oravecz Michael G. | Acoustic micro imaging method and apparatus for capturing 4D acoustic reflection virtual samples |
CN101952716A (zh) * | 2008-01-04 | 2011-01-19 | 通用电气传感与检测科技有限公司 | 用于借助超声波对试件进行无损检测的方法及装置 |
CN103792290A (zh) * | 2014-03-12 | 2014-05-14 | 成都信息工程学院 | 结合质量超声检测系统 |
CN104461534A (zh) * | 2014-12-05 | 2015-03-25 | 华东交通大学 | 基于Android移动终端的便携式智能超声探伤系统 |
CN108956771A (zh) * | 2018-07-07 | 2018-12-07 | 南京理工大学 | 基于超声导波的特种车辆传动轴损伤检测系统 |
CN109178029A (zh) * | 2018-08-16 | 2019-01-11 | 重庆交通职业学院 | 电动铁路轨道线路钢轨巡检检测车 |
CN109341840A (zh) * | 2018-10-10 | 2019-02-15 | 南开大学 | 一种声表面波的可视化检测器件及应用 |
Non-Patent Citations (3)
Title |
---|
姬成苍: "利用大数据、人工智能技术提高探伤仪器损伤检出率", 《2018年钢轨使用技术学术交流会论文集》 * |
李永刚: "声表面波传感器检测电路的研究", 《微纳电子技术》 * |
杨先明: "超声表面波传播过程的可视化研究", 《2013远东无损检测技术论坛》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111983024A (zh) * | 2020-08-29 | 2020-11-24 | 西安石油大学 | 一种土木施工隧道质量探测方法及其检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111896625B (zh) | 钢轨伤损实时监测方法及其监测系统 | |
CN107703920B (zh) | 基于多元时间序列的列车制动系统的故障检测方法 | |
CN103163420B (zh) | 电力变压器智能在线状态评判方法 | |
CN103267932B (zh) | 一种gis局部放电检测系统及方法 | |
CN108008287B (zh) | 基于移频信号的轨道电路故障监测平台及其监测方法 | |
CN102507230B (zh) | 一种自动供输弹装置故障诊断方法 | |
CN105372087A (zh) | 基于多传感器信号分析的故障诊断方法 | |
CN106274977A (zh) | 一种触发式采集模式的直流漏磁检测系统及其方法 | |
CN103808801A (zh) | 一种基于振动和声频复合信号的高速铁路钢轨伤损实时检测方法 | |
CN111504385A (zh) | 一种适用于机械设备异常状态多参数监测装置及方法 | |
CN106647514A (zh) | 一种对水泥企业碳排放实时在线监测管理系统 | |
CN109870513A (zh) | 轮轴隐性疲劳损伤探测与可视化技术 | |
CN112287780A (zh) | 一种基于谱峭度算法的机械设备故障诊断方法、系统及可读存储介质 | |
CN108195396A (zh) | 一种新能源汽车车辆数据的有效性的检测方法及系统 | |
CN104732186A (zh) | 基于局部子空间稀疏表示的单样本人脸识别方法 | |
CN107423692A (zh) | 一种基于小波包能量熵的钢轨波磨故障检测方法 | |
CN114004256A (zh) | 基于数字孪生体的制造装备主轴承的故障诊断方法 | |
CN111795819B (zh) | 一种融合振动与电流信号协同学习的齿轮箱故障诊断方法 | |
CN113988326A (zh) | 一种地铁设备维修优化方法及系统 | |
CN105626502A (zh) | 基于小波包和拉普拉斯特征映射的柱塞泵健康评估方法 | |
CN104477209A (zh) | 一种铁路机车车辆车轮在线擦伤自动检测系统及方法 | |
CN105572492A (zh) | 一种城轨列车辅助逆变器故障诊断装置 | |
CN106441474A (zh) | 基于极值中值滤波的车辆油耗异常判定方法及系统 | |
Sun et al. | Railway joint detection using deep convolutional neural networks | |
CN101701845B (zh) | 一种机车车轮运行状态的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190611 |