CN110816588A - 一种机车车轮失圆检测方法、装置、设备及系统 - Google Patents

Abstract

本申请公开了机车车轮失圆检测方法，包括获取待测车轮的多个轴箱垂向振动加速度和多个轮轨噪声信号；分别对多个轴箱垂向振动加速度和多个轮轨噪声信号进行特征提取，并将对应提取到的振动特征参数和噪声信号特征参数融合为待测车轮的待测特征参数点；确定待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，预设对应关系集合为预设特征参数点和车轮状态的对应关系集合，车轮状态包括单一状态和组合状态；根据与距离对应的预设特征参数点的状态，确定待测车轮的状态，待测特征参数点融合轴箱垂向振动加速度和轮轨噪声信号的特征参数，提高检测准确性，且检测不局限于车轮的某一种状态。本申请还提供具有上述优点的装置、设备和系统。

Description

一种机车车轮失圆检测方法、装置、设备及系统

技术领域

本申请涉及轨道交通技术领域，特别是涉及一种机车车轮失圆检测方法、装置、设备及系统。

背景技术

车轮失圆是指车轮踏面型面发生变化，可以分为局部失圆，如车轮扁疤、踏面擦伤、踏面剥离、踏面凸起等，以及以车轮多边形化为主的全周失圆。车轮失圆会引起机车-轨道系统发生一系列的动力响应变化，对行车稳定性、舒适性、安全性以及车辆-轨道系统中各个部件的使用寿命产生重要影响，车轮的外形对机车的平稳、安全运行起着非常重要的作用。因此，对车轮进行失圆检测具有重要意义。

车轮失圆动态检测对列车的正常运营不会造成影响，并且具有自动化程度高、检测速度快的优点，成为近年来研究热点。目前，对车轮失圆进行检测的方式主要是将采集机车轴箱加速度的传感器安装在机车上，通过采集轴箱加速度检测车轮故障引起的振动信号变化，不仅可以对车轮全周状态进行检测，还可以较为准确地定位故障车轮，但振动信号可能会因为受到轨面缺陷、轨缝、曲线等干扰因素的影响，引起对车轮状态的误判，检测精度低，并且目前通过加速度只能对局部失圆中的一种缺陷情况进行检测，而车轮实际情况往往是多种失圆缺陷交织杂合，单一缺陷的检测往往会受到其他缺陷的干扰，缺陷检测种类单一并且检测结果不准确。

因此，如何提高车轮失圆检测精度以及如何对车轮状态进行综合性检测是本领域技术人员亟待解决的技术问题。

发明内容

本申请的目的是提供一种机车车轮失圆检测方法、装置、设备及系统，以对车轮状态进行检测且提高车轮失圆检测的准确度。

为解决上述技术问题，本申请提供一种机车车轮失圆检测方法，包括：

获取待测车轮的多个轴箱垂向振动加速度和多个轮轨噪声信号；

分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取，并将对应提取到的振动特征参数和噪声信号特征参数融合为所述待测车轮的待测特征参数点；

确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，所述预设对应关系集合为预设特征参数点和车轮状态的对应关系集合，所述车轮状态包括单一状态和组合状态；

根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的状态。

可选的，所述确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离包括：

根据高维欧氏距离公式，确定所述待测特征参数点与预设对应关系集合中每一个预设特征参数点的距离。

可选的，根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的状态包括：

从所述距离中提取预设数量个距离作为选定距离，且所述选定距离为当所述距离按由小到大顺序排列时前预设数量个距离；

获取与所述选定距离对应的预设特征参数点的状态以及所有预设特征参数点的各个状态的比例；

确定所述各个状态的比例中最高的比例对应的状态为所述待测车轮的状态。

可选的，所述分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取包括：

提取多个所述轴箱垂向振动加速度的波形指标、峰值指标、脉冲指标、裕度指标、峭度指标；

提取多个所述轮轨噪声信号的时域平均值、时域中值、时域标准差、主频率、梅尔频率倒谱系数。

可选的，提取所述梅尔频率倒谱系数的过程包括：

对多个所述轮轨噪声信号依次进行预加重、分帧、加窗，得到多个短时分析窗；

采用快速傅里叶变换对每一个所述短时分析窗进行变换，得到预处理频谱；

利用梅尔滤波器组将所述预处理频谱转换为梅尔频谱；

对所述梅尔频谱进行倒谱分析，得到所述梅尔频率倒谱系数。

可选的，在所述提取多个所述轴箱垂向振动加速度的波形指标、峰值指标、脉冲指标、裕度指标、峭度指标之前，还包括：

对多个所述轴箱垂向振动加速度进行消噪滤波处理。

可选的，在所述确定所述待测车轮的状态之后，还包括：

发送所述待测车轮的状态至预设终端。

本申请还提供一种机车车轮失圆检测装置，包括：

获取模块，用于获取待测车轮的多个轴箱垂向振动加速度和多个轮轨噪声信号；

特征提取与融合模块，用于分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取，并将对应提取到的振动特征参数和噪声信号特征参数融合为所述待测车轮的待测特征参数点；

第一确定模块，用于确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，所述预设对应关系集合为预设特征参数点和车轮状态的对应关系集合，所述车轮状态包括单一状态和组合状态；

第二确定模块，用于根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的状态。

本申请还提供一种机车车轮失圆检测设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现上述任一种所述机车车轮失圆检测方法的步骤。

本申请还提供一种机车车轮失圆检测系统，包括用于采集轴箱垂向振动加速度和轮轨噪声信号的数据采集设备以及上述的机车车轮失圆检测设备。

本申请所提供的机车车轮失圆检测方法，包括获取待测车轮的多个轴箱垂向振动加速度和多个轮轨噪声信号；分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取，并将对应提取到的振动特征参数和噪声信号特征参数融合为所述待测车轮的待测特征参数点；确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，所述预设对应关系集合为预设特征参数点和车轮状态的对应关系集合，所述车轮状态包括单一状态和组合状态；根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的状态标签。

可见，本申请中的车轮失圆检测方法通过获取待测车轮的多个轴箱垂向振动加速度和轮轨噪声信号，进而分别从轴箱垂向振动加速度和轮轨噪声信号中提取特征参数，并将提取到的特征参数融合为待测车轮的待测特征参数点，再计算待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，特征参数点都已知其是否为失圆及其失圆类型等状态，从而根据距离对应的预设特征参数点的状态，确定所述待测车轮的状态类型，待测车轮的待测特征参数点中融合了轴箱垂向振动加速度和轮轨噪声信号的特征参数，避免采用单一的轴箱垂向振动加速度的特征参数，拓展反映车轮状态的特征参数空间，抗干扰性增强，使得通过已知车轮状态的待测特征参数点确定待测车轮是否处于失圆状态的检测结果更加准确，并且，不局限于检测失圆状态下的某种缺陷类型，而是对车轮状态进行综合检测，提高检测准确性的同时，检测结果更具有实际意义，有利于对轨道交通部门对车轮进行科学维养，提升轨道交通的服务水平。此外，本申请还提供一种具有上述优点的检测装置、设备和系统。

附图说明

为了更清楚的说明本申请实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例所提供的一种机车车轮失圆检测方法的流程图；

图2为本申请实施例中确定待测车轮的状态的具体过程流程图；

图3为本申请实施例所提供的一种机车车轮失圆检测装置的结构框图；

图4为本申请实施例所提供的一种机车车轮失圆检测设备的结构框图；

图5为本申请实施例所提供的一种机车车轮失圆检测系统的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

正如背景技术所述，目前对车轮状态进行检测时，采用轴箱垂向振动加速度对车轮失圆的具体缺陷种类进行检测，只能对某种失圆缺陷类型进行检测，这种依靠单一种类参数的检测，检测结果准确性低，并且容易受到车轮其他失圆缺陷的影响，影响检测结果。

有鉴于此，本申请提供一种机车车轮失圆检测方法，请参考图1，图1为本申请实施例所提供的一种机车车轮失圆检测方法的流程图，该方法包括：

步骤S101：获取待测车轮的多个轴箱垂向振动加速度和多个轮轨噪声信号。

优选地，轴箱垂向振动加速度和轮轨噪声信号分别由位于待测车轮的数据采集设备采集得到，更加直接的采集到反应车轮状态的数据，并且可以实时采集机车行驶过程中车轮的轴箱垂向振动加速度和轮轨噪声信号，提升检测结果的准确性。

步骤S102：分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取，并将对应提取到的振动特征参数和噪声信号特征参数融合为所述待测车轮的待测特征参数点。

可选的，在本申请的一个实施例中，所述分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取包括：提取多个所述轴箱垂向振动加速度的波形指标、峰值指标、脉冲指标、裕度指标、峭度指标；提取多个所述轮轨噪声信号的时域平均值、时域中值、时域标准差、主频率、梅尔频率倒谱系数。

其中，波形指标

峰值指标X₂＝a_V,max/a_V,rms，脉冲指标裕度指标X₄＝a_V,max/a_V,r，峭度指标

即X₁～X₅为振动特征参数，方根幅值峭度

均值

均值方根最大值a_V,max＝max(a_V,i)，N为轴箱垂向振动加速度的数量；噪声信号特征参数中的时域平均值、时域中值和时域标准差分别对应标号为X₆～X₈，取5阶主频率分别对应于X₉～X₁₃，取12个梅尔频率倒谱系数分别对应于X₁₄～X₂₅，时域平均值、时域中值和时域标准差的具体计算公式以及主频率的获取过程已为本领域技术人员所熟知，此处不再一一赘述，则待测特征参数点为p(Xp,₁，Xp,₂，…，Xp,₂₅)。

具体的，提取所述梅尔频率倒谱系数的过程包括：对多个所述轮轨噪声信号依次进行预加重、分帧、加窗，得到多个短时分析窗；采用快速傅里叶变换对每一个所述短时分析窗进行变换，得到预处理频谱；利用梅尔滤波器组将所述预处理频谱转换为梅尔频谱；对所述梅尔频谱进行倒谱分析，得到所述梅尔频率倒谱系数。

步骤S103：确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，所述预设对应关系集合为预设特征参数点和车轮状态的对应关系集合，所述车轮状态包括单一状态和组合状态。

具体的，单一状态可以为车轮未发生失圆，车轮扁疤，车轮踏面剥离，车轮多边形化，组合状态可以为扁疤和踏面剥离同时存在，扁疤和多边形化同时存在，多边形化和踏面剥离同时存在等等。具体的，预设对应关系集合的建立过程为采集多个轴箱垂向振动加速度a_v和轮轨噪声信号z_v作为样本数据，样本数据中轴箱垂向振动加速度a_v和轮轨噪声信号z_v的数量越多越有利于车轮失圆状态检测的准确性，当采集的样本数据有限时，可以辅之部分多体动力学模型仿真数据；对轴箱垂向振动加速度a_v和轮轨噪声信号z_v进行预处理和特征提取，将从每组轴箱垂向振动加速度a_v和轮轨噪声信号z_v中提取的特征参数作为一个预设特征参数点q(Xq_,1，Xq_,2，…，Xq_,25)，其中，预设特征参数点中特征参数种类与步骤S102中提取到振动特征参数和噪声信号特征参数相同，且预设特征参数点q中特征参数排列顺序与待测特征参数点为p中特征参数排列顺序相同；对预设特征参数点q₁，q₂，…，q_n所对应的车轮状态一一贴上标签，得到预设特征参数点和车轮各状态类型的对应关系集合，例如，车轮状态可以用数字表示，“0”代表“车轮未发生失圆”，“1”代表“车轮扁疤”，“2”代表“车轮踏面剥离”，“3”代表“车轮多边形化”，“4”代表“扁疤和踏面剥离同时存在”，“5”代表“扁疤和多边形化同时存在”，“6”代表“多边形化和踏面剥离同时存在”。

优选地，在本申请的一个实施例中，根据高维欧氏距离公式，确定所述待测特征参数点与预设对应关系集合中每一个预设特征参数点的距离，以简化计算待测特征参数点与预设特征参数点的距离的过程，同时提高距离计算的精度，但是，本申请对此并不做具体限定，在本申请的其他实施例中，还可以采用其他距离计算公式，例如，标准化欧氏距离公式、闵式距离公式等等。

其中，高维欧式距离公式为：

式中，d为待测特征参数点与预设对应关系集合中预设特征参数点q_m之间的距离，1≤m≤n，Xp,_i为待测特征参数点p中第i个特征参数，Xq_m,i为预设特征参数点q_m中第i个特征参数。

步骤S104：根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的标签。

优选地，请参考，图2，确定待测车轮的状态的具体过程包括：

步骤S1041：从所述距离中提取预设数量个距离作为选定距离，且所述选定距离为当所述距离按由小到大顺序排列时前预设数量个距离。需要说明的是，本实施例中对预设数量不做具体限定，可视情况和经验而定。

还需要说明的是，本实施例中对提取选定距离的过程不做具体限定，视情况而定。例如，可以先将所有的距离按照由小到大的顺序排序，然后提取前预设数量个距离作为选定距离，或者不进行排序，从所有的距离中先提取出最小的距离，然后从其余的距离中再次提取最小的距离，直至提取到预设数量个选定距离。

步骤S1042：获取与所述选定距离对应的预设特征参数点的状态以及所有预设特征参数点的状态中各个状态的比例。

可以理解的是，每个选定距离都是由待测特征参数点与预设对应关系集合中每个预设特征参数点得到的，预设特征参数点的状态类型可从预设对应关系集合中可以得到，则可以得到预设数量个车轮状态，分别用各状态类型的数量除以预设数量就可以得到各状态类型的比例。

步骤S1043：确定所述各个状态比例中最高的比例对应的状态为所述待测车轮的状态。

例如，当最高的比例对应的状态为“车轮未发生失圆”时，则待检车轮的状态为“车轮未发生失圆”，当最高的比例对应的状态为“扁疤和踏面剥离同时存在”，则则待检车轮的状态为“扁疤和踏面剥离同时存在”。

当最高出现状态类型最高比例相等的情况，此时可以增加预设数量的个数，然后再对待测车轮的状态进行判断，或者预设数量的个数不变，增加对待测车轮状态的检测次数，根据每次检测结果得到的车轮状态确定待测车轮的状态。

本实施例中的车轮失圆检测方法通过获取待测车轮的多个轴箱垂向振动加速度和轮轨噪声信号，进而分别从轴箱垂向振动加速度和轮轨噪声信号中提取特征参数，并将提取到的特征参数融合为待测车轮的待测特征参数点，再计算待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，特征参数点都已知其是否为失圆状态或失圆类型，从而根据距离对应的预设特征参数点的状态，确定所述待测车轮的状态，待测车轮的待测特征参数点中融合了轴箱垂向振动加速度和轮轨噪声信号的特征参数，避免采用单一的轴箱垂向振动加速度的特征参数，拓展反映车轮状态的特征参数空间，抗干扰性增强，使得通过已知车轮状态的待测特征参数点确定待测车轮是否处于失圆状态的检测结果更加准确，并且，不局限于检测失圆状态下的某种缺陷类型，而是对车轮状态进行综合检测，提高检测准确性的同时，检测结果更具有实际意义，有利于对轨道交通部门对车轮进行科学维养，提升轨道交通的服务水平。

在上述实施例的基础上，在本申请的一个实施例中，在所述提取多个所述轴箱垂向振动加速度的波形指标、峰值指标、脉冲指标、裕度指标、峭度指标之前，还包括：

对多个所述轴箱垂向振动加速度进行消噪滤波处理，以降低外界干扰因素对轴箱垂向振动加速度的影响，进一步提高车轮状态检测结果的准确性。

优选地，在本申请的一个实施例中，在所述确定所述待测车轮的状态之后，还包括：

发送所述待测车轮的状态至预设终端，以便工作人员及时了解到车轮的状态信息，及时进行维护和修养。

需要指出的是，本实施例中对预设终端不做具体限定，可自行设置。例如，预设终端可以为手机、平板电脑、计算机等等。

下面对本申请实施例提供的机车车轮失圆检测装置进行介绍，下文描述的机车车轮失圆检测装置与上文描述的机车车轮失圆检测方法可相互对应参照。

图3为本申请实施例提供的机车车轮失圆检测装置的结构框图，该装置可以包括：

获取模块100，用于获取待测车轮的多个轴箱垂向振动加速度和多个轮轨噪声信号；

特征提取与融合模块200，用于分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取，并将对应提取到的振动特征参数和噪声信号特征参数融合为所述待测车轮的待测特征参数点；

第一确定模块300，用于确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，所述预设对应关系集合为预设特征参数点和车轮状态的对应关系集合，所述车轮状态包括单一状态和组合状态；

第二确定模块400，用于根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的标签。

在本申请的一个实施例中，第一确定模块300具体用于：

根据高维欧氏距离公式，确定所述待测特征参数点与预设对应关系集合中每一个预设特征参数点的距离。

在本申请的一个实施例中，第二确定模块400具体包括：

提取单元，用于从所述距离中提取预设数量个距离作为选定距离，且所述选定距离为当所述距离按由小到大顺序排列时前预设数量个距离；

获取单元，用于获取与所述选定距离对应的预设特征参数点的状态以及所有预设特征参数点的状态中各个状态的比例；

确定单元，用于确定所述各个状态的比例中最高的比例对应的状态为所述待测车轮的状态。

可选的，特征提取与融合模块200具体用于：

提取多个所述轴箱垂向振动加速度的波形指标、峰值指标、脉冲指标、裕度指标、峭度指标；

提取多个所述轮轨噪声信号的时域平均值、时域中值、时域标准差、主频率、梅尔频率倒谱系数。

可选的，特征提取与融合模块200具体用于：

对多个所述轮轨噪声信号依次进行预加重、分帧、加窗，得到多个短时分析窗；

采用快速傅里叶变换对每一个所述短时分析窗进行变换，得到预处理频谱；

利用梅尔滤波器组将所述预处理频谱转换为梅尔频谱；

对所述梅尔频谱进行倒谱分析，得到所述梅尔频率倒谱系数。

本实施例的机车车轮失圆检测装置用于实现前述的机车车轮失圆检测方法，因此机车车轮失圆检测装置中的具体实施方式可见前文中的机车车轮失圆检测方法的实施例部分，例如，获取模块100，特征提取与融合模块200，第一确定模块300，第二确定模块400，分别用于实现上述机车车轮失圆检测方法中步骤S101，S102，S103和S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。

本实施例中的车轮失圆检测装置通过获取待测车轮的多个轴箱垂向振动加速度和轮轨噪声信号，进而分别从轴箱垂向振动加速度和轮轨噪声信号中提取特征参数，并将提取到的特征参数融合为待测车轮的待测特征参数点，再计算待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，特征参数点都已知其是否为失圆状态或失圆类型，从而根据距离对应的预设特征参数点的状态，确定所述待测车轮的状态，待测车轮的待测特征参数点中融合了轴箱垂向振动加速度和轮轨噪声信号的特征参数，避免采用单一的轴箱垂向振动加速度的特征参数，拓展反映车轮状态的特征参数空间，抗干扰性增强，使得通过已知车轮状态的待测特征参数点确定待测车轮是否处于失圆状态的检测结果更加准确，并且，不局限于检测失圆状态下的某种缺陷类型，而是对车轮状态进行综合检测，提高检测准确性的同时，检测结果更具有实际意义，有利于对轨道交通部门对车轮进行科学维养，提升轨道交通的服务水平。

可选的，机车车轮失圆检测装置还包括：

预处理模块，用于对多个所述轴箱垂向振动加速度进行消噪滤波处理。

可选的，机车车轮失圆检测装置还包括：

发送模块，用于发送所述待测车轮的状态至预设终端。

下面对本申请实施例提供的机车车轮失圆检测设备进行介绍，下文描述的机车车轮失圆检测设备与上文描述的机车车轮失圆检测方法可相互对应参照。

本申请还提供一种机车车轮失圆检测设备，请参考图4，该设备包括存储器11和处理器12，其中，存储器11用于存储计算机程序；处理器12用于执行所述计算机程序时实现上述任一种所述机车车轮失圆检测方法的步骤。

下面对本申请实施例提供的机车车轮失圆检测系统进行介绍，下文描述的机车车轮失圆检测系统与上文描述的机车车轮失圆检测方法可相互对应参照。

本申请还提供一种机车车轮失圆检测系统，请参考图5，该系统包括用于采集轴箱垂向振动加速度和轮轨噪声信号的数据采集设备2以及上述的机车车轮失圆检测设备1。

其中，用于采集轴箱垂向振动加速度和轮轨噪声信号的数据采集设备2包括用于采集车轮的轴箱垂向振动加速度的加速度传感器22、用于采集轮轨噪声信号的麦克风21以及NI-PXI平台23，加速度传感器22和麦克风21将采集到的数据经NI-PXI平台23模数转换后，发送至机车车轮失圆检测设备1。

优选地，在对机车车轮失圆检测时，加速度传感器22设置在轴箱，麦克风21设置在待测车轮附近，即对于每一个待测车轮均设置加速度传感器和麦克风以提高检测精度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的机车车轮失圆检测方法、装置、设备及系统进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (10)

1.一种机车车轮失圆检测方法，其特征在于，包括：

获取待测车轮的多个轴箱垂向振动加速度和多个轮轨噪声信号；

分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取，并将对应提取到的振动特征参数和噪声信号特征参数融合为所述待测车轮的待测特征参数点；

确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，所述预设对应关系集合为预设特征参数点和车轮状态的对应关系集合，所述车轮状态包括单一状态和组合状态；

根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的状态。

2.如权利要求1所述的机车车轮失圆检测方法，其特征在于，所述确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离包括：

根据高维欧氏距离公式，确定所述待测特征参数点与预设对应关系集合中每一个预设特征参数点的距离。

3.如权利要求2所述的机车车轮失圆检测方法，其特征在于，根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的状态包括：

从所述距离中提取预设数量个距离作为选定距离，且所述选定距离为当所述距离按由小到大顺序排列时前预设数量个距离；

获取与所述选定距离对应的预设特征参数点的状态以及所有预设特征参数点的状态中各个状态的比例；

确定所述各个状态比例中最高的比例对应的状态为所述待测车轮的状态。

4.如权利要求1所述的机车车轮失圆检测方法，其特征在于，所述分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取包括：

提取多个所述轴箱垂向振动加速度的波形指标、峰值指标、脉冲指标、裕度指标、峭度指标；

提取多个所述轮轨噪声信号的时域平均值、时域中值、时域标准差、主频率、梅尔频率倒谱系数。

5.如权利要求4所述的机车车轮失圆检测方法，其特征在于，提取所述梅尔频率倒谱系数的过程包括：

对多个所述轮轨噪声信号依次进行预加重、分帧、加窗，得到多个短时分析窗；

采用快速傅里叶变换对每一个所述短时分析窗进行变换，得到预处理频谱；

利用梅尔滤波器组将所述预处理频谱转换为梅尔频谱；

对所述梅尔频谱进行倒谱分析，得到所述梅尔频率倒谱系数。

6.如权利要求5所述的机车车轮失圆检测方法，其特征在于，在所述提取多个所述轴箱垂向振动加速度的波形指标、峰值指标、脉冲指标、裕度指标、峭度指标之前，还包括：

对多个所述轴箱垂向振动加速度进行消噪滤波处理。

7.如权利要求1至6任一项所述的机车车轮失圆检测方法，其特征在于，在所述确定所述待测车轮的状态之后，还包括：

发送所述待测车轮的状态至预设终端。

8.一种机车车轮失圆检测装置，其特征在于，包括：

获取模块，用于获取待测车轮的多个轴箱垂向振动加速度和多个轮轨噪声信号；

特征提取与融合模块，用于分别对多个所述轴箱垂向振动加速度和多个所述轮轨噪声信号进行特征提取，并将对应提取到的振动特征参数和噪声信号特征参数融合为所述待测车轮的待测特征参数点；

第一确定模块，用于确定所述待测特征参数点与预设对应关系集合中预设特征参数点的距离，其中，所述预设对应关系集合为预设特征参数点和车轮状态的对应关系集合，所述车轮状态包括单一状态和组合状态；

第二确定模块，用于根据与所述距离对应的所述预设特征参数点的状态，确定所述待测车轮的状态。

9.一种机车车轮失圆检测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述机车车轮失圆检测方法的步骤。

10.一种机车车轮失圆检测系统，其特征在于，包括用于采集轴箱垂向振动加速度和轮轨噪声信号的数据采集设备以及如权利要求9所述的机车车轮失圆检测设备。

Images