CN110658005A - 一种基于车体加速度识别钢轨波磨病害的方法 - Google Patents

Abstract

本发明公开了一种基于车体加速度识别钢轨波磨病害的方法，其包括以下步骤：S1、获取列车运行过程中的车体振动加速度数据；S2、获取相邻两车站间的车体振动加速度数据；S3、获取车体振动主频；S4、根据车体振动主频获取出现钢轨波磨时的峰值频率；S5、获取列车的速度信息和里程信息；S6、根据列车的速度信息和出现钢轨波磨时的峰值频率获取波磨波长，并根据里程信息获取其具体位置，完成钢轨波磨病害的识别。本发明基于加速度传感器测量车厢地板振动，依据车辆运行速度和里程信息，可经济、方便、快捷且准确诊断钢轨波磨，进而为地铁运营公司制定科学高效的维修策略提供重要的数据支撑。

Description

一种基于车体加速度识别钢轨波磨病害的方法

技术领域

本发明涉及城市轨道交通领域，具体涉及一种基于车体加速度识别钢轨波磨病害的方法。

背景技术

钢轨波浪形磨耗(简称钢轨波磨)是指钢轨铺设使用后在钢轨接触面出现类似波浪形的不均匀磨耗。因地铁线路小半径曲线多、站间距短以及车辆频繁启动、制动等特点，钢轨波磨现象普遍，主要发生在圆曲线及缓和曲线段内。在车辆经过钢轨波磨区段时，钢轨波磨会显著加大轮轨相互作用力和转向架关键部件振动幅度，恶化车辆和轨道部件的工作环境，同时伴随着轮轨噪声，影响地铁车辆乘坐舒适性，严重时将威胁到车辆运行安全。

如果人体长时间暴露于车辆振动噪声环境，则会出现诸如肌肉骨骼、颈肩病，前庭神经系统疾病等问题。为给地铁车辆司机、安保人员、乘客创造舒适、安全的乘车环境，地铁运营公司主要借助动检车、探伤车等多种设备对轨道结构进行周期性检测。目前钢轨波磨的测量手段可分为手推式和车载式：

(1)手推式：基于加速度积分法和弦测法，但实现原理复杂，加工精度高，购买和维修成本高，如CAT波磨测量小车(进口单台设备在80万元左右)。

(2)车载式：基于车辆轴箱加速度时频分析诊断钢轨波磨，需要将加速度传感器布置在运营车辆轴箱位置处，工作环境恶劣，需投入大量成本进行日常维修，确保车辆运营安全，难以在既有运营车辆上全覆盖安装，并且成本巨大。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于车体加速度识别钢轨波磨病害的方法提供了一种经济、方便、快捷且准确诊断钢轨波磨的方法。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于车体加速度识别钢轨波磨病害的方法，其包括以下步骤：

S1、将加速度传感器布置于列车车厢地板上，持续获取列车运行过程中的车体振动加速度数据；

S2、将列车运行过程中的车体振动加速度数据按照车站区间进行划分，得到相邻两车站间的车体振动加速度数据；

S3、根据相邻两车站间的车体振动加速度数据获取车体振动主频；

S4、根据车体振动主频获取出现钢轨波磨时的峰值频率；

S5、获取列车的速度信息和里程信息；

S6、根据列车的速度信息和出现钢轨波磨时的峰值频率获取波磨波长，并根据里程信息获取其具体位置，完成钢轨波磨病害的识别。

进一步地，步骤S1的具体方法为：

将加速度传感器布置于列车车厢地板上、且前或后转向架的上方；根据公式

N＝T·F_s

持续获取车体振动加速度数据其中T为总采样时间；F_s为加速度传感器采样频率。

进一步地，步骤S2的具体方法为：

计算2秒移动车窗内车厢地板振动加速度标准差σ_l，并将加速度传感器自身分辨率作为白噪声，将不小于白噪声的值设置为阈值σ₀；判断标准差σ_l是否大于阈值σ₀，若是则表示当前车体振动加速度数据为相邻两车站间的车体振动加速度数据，否则将当前车体振动加速度数据舍去。

进一步地，步骤S3的具体方法包括以下子步骤：

S3-1、设置高通滤波器，滤除干扰频率；

S3-2、设置移动窗ΔT，并将步长设置为

对于任一时刻t，根据公式

取车体振动加速度数据

中长度为ΔT的局部振动信号

其中n为移动窗长范围内振动信号长度，n＝ΔT·F_s，F_s为加速度传感器采样频率；

S3-3、根据公式

对局部振动信号

进行傅里叶变换，得到变换后的复数结果A_t[k]；其中π为常数；i为虚数单位；k为频率索引；

S3-4、根据公式

A_t,k＝Amp(A_t[k])

获取A_t[k]的幅值A_t,k，进而得到任一时刻t在局部时间尺度ΔT下对应的振动主频频域

其中Amp(·)表示取模运算。

进一步地，步骤S3-1中高通滤波器的截止频率为50Hz。

进一步地，步骤S4的具体方法为：

根据公式

A_l＝findpeak{A_t,k|k＝0,1,...,n}

分别获取第l个峰值，和第l个峰值对应的频率f_l；其中findpeak(·)为寻找峰值函数；A_t,k为车体振动主频；k为频率索引；n为移动窗长范围内振动信号长度，n＝ΔT·F_s，F_s为加速度传感器采样频率，ΔT为移动窗；

判断峰值频率f_l是否位于[831111]Hz范围内，若是则判定为存在钢轨波磨，否则判定不存在钢轨波磨。

进一步地，步骤S5的具体方法包括以下子步骤：

S5-1、安装与列车运行方向一致的纵向加速度传感器，获取列车运行时的加速度信息；

S5-2、将纵向加速度传感器的采集时间区间[t₁,t₂]进行m等分，得到等分后的采集时间子区间；

S5-3、在每个采集时间子区间[t_q-1,t_q]上，根据公式

分别得到t时刻车辆的速度和里程x(t₂)；其中R_m(f)为复合simpson积分误差项；

q＝0,1,2,...,m；dτ为纵向加速度传感器的采样间隔；

为t_q时刻车辆的速度。

进一步地，步骤S6的具体方法为：

根据公式

获取波磨波长λ_l，根据里程信息获取其具体里程位置，完成钢轨波磨病害的识别；其中为车辆的速度信息，f_l为峰值频率。

本发明的有益效果为：本发明基于加速度传感器测量车厢地板振动(前后转向架上方)，借助时频分析方法实现对轨道钢轨波磨病害的辨识与诊断，确定钢轨波磨激励主频，依据车辆运行速度和里程信息，可经济、方便、快捷且准确诊断钢轨波磨，进而为地铁运营公司制定科学高效的维修策略提供重要的数据支撑。

附图说明

图1为本发明的流程示意图；

图2为成都火车南站至高新站曲线线形图；

图3为钢轨表面波磨示意图；

图4为火车南站至高新站间车体垂向加速度；

图5为车体垂向加速度的频域示意图；

图6为车体垂向加速度的时域示意图；

图7为车体纵向加速度示意图；

图8为车辆运行速度示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，该基于车体加速度识别钢轨波磨病害的方法包括以下步骤：

S1、将加速度传感器布置于列车车厢地板上，持续获取列车运行过程中的车体振动加速度数据；

S2、将列车运行过程中的车体振动加速度数据按照车站区间进行划分，得到相邻两车站间的车体振动加速度数据；

S3、根据相邻两车站间的车体振动加速度数据获取车体振动主频；

S4、根据车体振动主频获取出现钢轨波磨时的峰值频率；

S5、获取列车的速度信息和里程信息；

S6、根据列车的速度信息和出现钢轨波磨时的峰值频率获取波磨波长，并根据里程信息获取其具体位置，完成钢轨波磨病害的识别。

步骤S1的具体方法为：将加速度传感器布置于列车车厢地板上、且前或后转向架的上方；根据公式

N＝T·F_s

持续获取车体振动加速度数据其中T为总采样时间；F_s为加速度传感器采样频率。

步骤S2的具体方法为：计算2秒移动车窗内车厢地板振动加速度标准差σ_l，并将加速度传感器自身分辨率作为白噪声，将不小于白噪声的值设置为阈值σ₀；判断标准差σ_l是否大于阈值σ₀，若是则表示当前车体振动加速度数据为相邻两车站间的车体振动加速度数据，否则将当前车体振动加速度数据舍去。

步骤S3的具体方法包括以下子步骤：

S3-1、设置高通滤波器，滤除干扰频率；高通滤波器的截止频率为50Hz；

S3-2、设置移动窗ΔT，并将步长设置为对于任一时刻t，根据公式

取车体振动加速度数据

中长度为ΔT的局部振动信号

其中n为移动窗长范围内振动信号长度，n＝ΔT·F_s，F_s为加速度传感器采样频率；

S3-3、根据公式

对局部振动信号

进行傅里叶变换，得到变换后的复数结果A_t[k]；其中π为常数；i为虚数单位；k为频率索引；

S3-4、根据公式

A_t,k＝Amp(A_t[k])

获取A_t[k]的幅值A_t,k，进而得到任一时刻t在局部时间尺度ΔT下对应的振动主频频域

其中Amp(·)表示取模运算。

步骤S4的具体方法为：根据公式

A_l＝findpeak{A_t,k|k＝0,1,...,n}

分别获取第l个峰值，和第l个峰值对应的频率f_l；其中findpeak(·)为寻找峰值函数；A_t,k为车体振动主频；k为频率索引；n为移动窗长范围内振动信号长度，n＝ΔT·F_s，F_s为加速度传感器采样频率，ΔT为移动窗；

判断峰值频率f_l是否位于[831111]Hz范围内，若是则判定为存在钢轨波磨，否则判定不存在钢轨波磨。

步骤S5的具体方法包括以下子步骤：

S5-1、安装与列车运行方向一致的纵向加速度传感器，获取列车运行时的加速度信息；

S5-2、将纵向加速度传感器的采集时间区间[t₁,t₂]进行m等分，得到等分后的采集时间子区间；

S5-3、在每个采集时间子区间[t_q-1,t_q]上，根据公式

分别得到t时刻车辆的速度

和里程x(t₂)；其中R_m(f)为复合simpson积分误差项；

q＝0,1,2,...,m；dτ为纵向加速度传感器的采样间隔；

为t_q时刻车辆的速度。

步骤S6的具体方法为：根据公式

获取波磨波长λ_l，根据里程信息获取其具体里程位置，完成钢轨波磨病害的识别；其中

为车辆的速度信息，f_l为峰值频率。

在本发明的一个实施例中，成都地铁1号线下道考察即将进行钢轨打磨作业的区间：火车南站至高新站，其平面线形如图2所示。经现场观察发现，在火车南站至高新站区间的两个曲线地段均存在波磨现象，其波长约在10-16cm范围内，如图3所示。火车南站至高新站间的车体高频振动测试数据，如图4所示。频域分析如图5所示，可知车体振动主频成份包括因轨道不平顺引起的车体低频振动1.875Hz和因钢轨波磨引起的车体振动111.9Hz-162.5Hz。通过时-频分析获取车体振动频率随车辆运行过程中的变化信息，如图6所示。可以看出随着车辆出站启动加速阶段，车体振动频率逐渐增大，振动频率主要集中在1300Hz范围内，特别是车辆经过曲线1和曲线2时，车体振动频率集中在111.9Hz-162.5Hz，当车辆即将进站停靠时，车体振动频率逐渐降低。

本实施例通过车体纵向加速度初步估计车辆运行速度，火车南站至高新站车体纵向加速度如图7所示。可以初步估计车辆在曲线1的运行速度为17m/s，在曲线2的运行速度为17.6m/s，如图8所示，依据车辆经过曲线1和曲线2时钢轨波磨引起的激励频率在111.9Hz-162.5Hz范围内，可计算出波磨波长为10-15.7cm，与实际考察情况基本一致。

综上所述，相比于手推式钢轨波磨测量仪，本方法采用车厢地板加速度来间接评估、诊断钢轨波磨存在性、估计波磨波长特征，具有检测速度快、成本低廉，操作简便等优点。相比于在列车轴箱上安装加速度传感器的方法，本方法安装与日常维修成本低，更加安全、方便，不需要在列车危险区域(如车轮、转向架)附近安装传感器，不会威胁车辆运行安全。相比于基于客室噪声诊断钢轨波磨，受噪声源复杂多样(如乘客语音、地铁车辆广播等)影响，难以诊断噪声源，且麦克风采样频率高(达到20kHz左右)，噪声数据存储空间大。本方法安装方便，干扰因素较少，采样频率在3kHz左右。

Claims (8)

1.一种基于车体加速度识别钢轨波磨病害的方法，其特征在于，包括以下步骤：

S1、将加速度传感器布置于列车车厢地板上，持续获取列车运行过程中的车体振动加速度数据；

S2、将列车运行过程中的车体振动加速度数据按照车站区间进行划分，得到相邻两车站间的车体振动加速度数据；

S3、根据相邻两车站间的车体振动加速度数据获取车体振动主频；

S4、根据车体振动主频获取出现钢轨波磨时的峰值频率；

S5、获取列车的速度信息和里程信息；

S6、根据列车的速度信息和出现钢轨波磨时的峰值频率获取波磨波长，并根据里程信息获取其具体位置，完成钢轨波磨病害的识别。

2.根据权利要求1所述的基于车体加速度识别钢轨波磨病害的方法，其特征在于，所述步骤S1的具体方法为：

将加速度传感器布置于列车车厢地板上、且前或后转向架的上方；根据公式

N＝T·F_s

持续获取车体振动加速度数据

其中T为总采样时间；F_s为加速度传感器采样频率。

3.根据权利要求1所述的基于车体加速度识别钢轨波磨病害的方法，其特征在于，所述步骤S2的具体方法为：

计算2秒移动车窗内车厢地板振动加速度标准差σ_l，并将加速度传感器自身分辨率作为白噪声，将不小于白噪声的值设置为阈值σ₀；判断标准差σ_l是否大于阈值σ₀，若是则表示当前车体振动加速度数据为相邻两车站间的车体振动加速度数据，否则将当前车体振动加速度数据舍去。

4.根据权利要求1所述的基于车体加速度识别钢轨波磨病害的方法，其特征在于，所述步骤S3的具体方法包括以下子步骤：

S3-1、设置高通滤波器，滤除干扰频率；

S3-2、设置移动窗ΔT，并将步长设置为

对于任一时刻t，根据公式

取车体振动加速度数据中长度为ΔT的局部振动信号其中n为移动窗长范围内振动信号长度，n＝ΔT·F_s，F_s为加速度传感器采样频率；

S3-3、根据公式

对局部振动信号

进行傅里叶变换，得到变换后的复数结果A_t[k]；其中π为常数；i为虚数单位；k为频率索引；

S3-4、根据公式

A_t,k＝Amp(A_t[k])

获取A_t[k]的幅值A_t,k，进而得到任一时刻t在局部时间尺度ΔT下对应的振动主频频域

其中Amp(·)表示取模运算。

5.根据权利要求4所述的基于车体加速度识别钢轨波磨病害的方法，其特征在于，所述步骤S3-1中高通滤波器的截止频率为50Hz。

6.根据权利要求1所述的基于车体加速度识别钢轨波磨病害的方法，其特征在于，所述步骤S4的具体方法为：

根据公式

A_l＝findpeak{A_t,k|k＝0,1,...,n}

分别获取第l个峰值，和第l个峰值对应的频率f_l；其中findpeak(·)为寻找峰值函数；A_t,k为车体振动主频；k为频率索引；n为移动窗长范围内振动信号长度，n＝ΔT·F_s，F_s为加速度传感器采样频率，ΔT为移动窗；

判断峰值频率f_l是否位于[831111]Hz范围内，若是则判定为存在钢轨波磨，否则判定不存在钢轨波磨。

7.根据权利要求1所述的基于车体加速度识别钢轨波磨病害的方法，其特征在于，所述步骤S5的具体方法包括以下子步骤：

S5-1、安装与列车运行方向一致的纵向加速度传感器，获取列车运行时的加速度信息；

S5-2、将纵向加速度传感器的采集时间区间[t₁,t₂]进行m等分，得到等分后的采集时间子区间；

S5-3、在每个采集时间子区间[t_q-1,t_q]上，根据公式

分别得到t时刻车辆的速度

和里程x(t₂)；其中R_m(f)为复合simpson积分误差项；

dτ为纵向加速度传感器的采样间隔；

为t_q时刻车辆的速度。

8.根据权利要求1所述的基于车体加速度识别钢轨波磨病害的方法，其特征在于，所述步骤S6的具体方法为：

根据公式

获取波磨波长λ_l，根据里程信息获取其具体里程位置，完成钢轨波磨病害的识别；其中

为车辆的速度信息，f_l为峰值频率。

Images