CN111024219B - 信号的获取方法、系统及存储介质、诊断方法、检测系统 - Google Patents

Abstract

本发明公开了一种轴承声音信号的获取方法、系统及存储介质、故障的诊断系统、检测系统，声音信号的获取方法包括：采集步骤：通过声音传感器阵列实时采集行驶经过的列车的车轮轴承声音信号，声音传感器阵列包括沿轨道间隔安装的多个声音传感器；剪裁步骤：剪裁每个声音传感器采集到的声音信号，以获得该声音传感器有效采集范围内的有效声音信号；拼接步骤：将多个声音传感器采集的针对同一个车轮轴承的有效声音信号拼接在一起，以获得各车轮轴承的完整的有效声音信号；在剪裁步骤与拼接步骤之间还包括第一重采样步骤：对剪裁步骤获得的有效声音信号进行消除多普勒效应的重采样处理。该获取方法，能够提高轴承定位的准确性，便于准确诊断轴承故障。

Description

信号的获取方法、系统及存储介质、诊断方法、检测系统

技术领域

本发明涉及列车声音信号获取技术领域，尤其涉及一种列车轴承声音信号的获取方法、一种列车轴承声音信号的获取系统、一种计算机可读存储介质、一种列车轴承故障的诊断系统和一种轨边声学检测系统。

背景技术

随着动车技术越来越成熟，人们出行越来越多的选择列车，所以列车的行驶安全越来越重要。因此，如何提高列车轴承定位的准确性，很有研究意义。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种列车轴承声音信号的获取方法，能够准确获取轴承的有效声音信号，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种列车轴承声音信号的获取系统。

本发明的第四个目的在于提出一种列车轴承故障的诊断系统。

本发明的第五个目的在于提出一种轨边声学检测系统。

为达上述目的，本发明第一方面实施例提出了一种列车轴承声音信号的获取方法，该方法包括：采集步骤：通过声音传感器阵列实时采集行驶经过的列车的车轮轴承声音信号，所述声音传感器阵列包括沿所述轨道间隔安装的多个声音传感器；剪裁步骤：剪裁每个声音传感器采集到的声音信号，以获得该声音传感器有效采集范围内的有效声音信号；拼接步骤：将多个声音传感器采集的针对同一个车轮轴承的有效声音信号拼接在一起，以获得各车轮轴承的完整的有效声音信号；在所述剪裁步骤与所述拼接步骤之间还包括第一重采样步骤：对剪裁步骤获得的有效声音信号进行消除多普勒效应的重采样处理。

根据本发明实施例的列车轴承声音信号的获取方法，通过第一重采样步骤对剪裁步骤获得的有效声音信号进行消除多普勒效应的重采样处理，能够提高获取到的每个车轮轴承的声音信号的准确性，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。

为达上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，所述计算机程序被处理器执行时，实现如上述实施例所述的列车轴承声音信号的获取方法。

根据本发明实施例的计算机可读存储介质，通过执行其存储的与上述实施例的列车轴承声音信号的获取方法对应的计算机程序，能够提高获取到的每个车轮轴承的声音信号的准确性，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。

为达上述目的，本发明第三方面实施例提出了一种列车轴承声音信号的获取系统，包括：声音传感器阵列，所述声音传感器阵列包括沿所述轨道间隔安装的多个声音传感器；上述实施例的计算机可读存储介质；处理器，所述处理器用于执行所述计算机可读存储介质上存储的计算机程序，以得到每个车轮轴承的声音信号。

根据本发明实施例的列车轴承声音信号的获取系统，通过处理器执行计算机可读存储介质上存储的与上述实施例的列车轴承声音信号的获取方法对应的计算机程序，能够提高获取到的每个车轮轴承的声音信号的准确性，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。

为达上述目的，本发明第四方面实施例提出了一种列车轴承故障的诊断系统，包括：上述实施例的列车轴承声音信号的获取系统，用于获取每个车轮轴承的声音信号；故障诊断装置，用于根据所述声音信号对轴承故障进行诊断。

根据本发明实施例的列车轴承故障的诊断系统，可以通过上述实施例的列车轴承声音信号的获取系统，准确获取每个车轮轴承的声音信号，并通过故障诊断装置根据获取的声音信号进行轴承故障诊断，能够提高轴承故障诊断的准确性。

为达上述目的，本发明第五方面实施例提出了一种轨边声学检测系统，采用上述的列车轴承声音信号的获取方法获取列车轴承声音信号。

根据本发明实施例的轨边声学检测系统，采用上述的列车轴承声音信号的获取方法获取列车轴承声音信号，能够提高获取到的每个车轮轴承的声音信号的准确性，进而能够提高根据声音信号进行相应检测的准确性。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明一个实施例的列车轴承声音信号的获取方法流程图；

图2是本发明一个具体实施例的声音传感器和车轮传感器的分布示意图；

图3(a)～图3(d)是本发明一个示例的重采样过程的示意图；

图4是本发明实施例的列车轴承声音信号的获取系统的结构框图；

图5是本发明实施例的列车轴承故障的诊断系统的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的列车轴承声音信号的获取方法、系统以及计算机可读存储介质、列车轴承故障的诊断系统。

图1是本发明一个实施例的列车轴承声音信号的获取方法流程图。

如图1所示，该列车轴承声音信号的获取方法包括：

S1，采集步骤：通过声音传感器阵列实时采集行驶经过的列车的轴承声音信号，声音传感器阵列包括沿轨道间隔安装的多个声音传感器。

其中，声音传感器的数量可以根据列车的长度、列车车轮数量等因素进行设置。间隔安装是指通过不同声音传感器采集不同区域的声音信号，声音传感器的布局可以是直线分列，也可以是扇形分列。

S2，剪裁步骤：剪裁每个声音传感器采集到的声音信号，以获得该声音传感器有效采集范围内的有效声音信号。

S3，第一重采样步骤：对剪裁步骤获得的有效声音信号进行消除多普勒效应的重采样处理。

S4，拼接步骤：将多个声音传感器采集的针对同一个车轮轴承的有效声音信号拼接在一起，以获得各车轮轴承的完整的有效声音信号。

本发明实施例的列车轴承声音信号的获取方法，通过在剪裁步骤之后，增加第一重采样步骤，以对剪裁步骤获得的有效声音信号进行消除多普勒效应的重采样处理，能够保证最终获得的各车轮轴承的完整的有效声音信号的可靠性。

作为一个示例，所述第一重采样步骤包括：针对所述剪裁步骤中获得的每个声音传感器的有效声音信号，获取每段有效声音信号的声音频率f_采集；针对每段有效声音信号，分为接近所述声音传感器的接近段信号和远离所述声音传感器的远离段信号，分别对所述接近段信号和所述远离段信号的频率f_采集进行修正，得到接近段修正频率f_接近修正和远离段修正频率f_远离修正；根据所述接近段修正频率f_接近修正和远离段修正频率f_远离修正对所述每段有效声音信号进行重采样处理。

具体地，所述分别对所述接近段信号和所述远离段信号的频率f_采集进行修正，得到接近段修正频率f_接近修正和远离段修正频率f_远离修正，包括：根据f_接近修正＝f_采集*接近系数，计算得到所述f_接近修正，根据f_远离修正＝f_采集*远离系数，计算得到所述f_远离修正，其中，所述接近系数根据所述列车接近每个声音传感器的速度计算得到，所述远离系数根据所述列车远离每个声音传感器的速度计算得到。

其中，所述接近系数＝c/(c+v)，所述远离系数＝c/(c-v)，其中，c为声速，v为所述列车接近或远离所述声音传感器的速度。

作为一个示例，所述列车接近每个声音传感器的速度和所述列车远离每个声音传感器的速度为瞬时速度。

具体而言，多普勒效应指出，波在波源移向观察者接近时接收频率变高，而在波源远离观察者时接收频率变低。假设原有轴承声源的波长为λ，波速为c(此处波速为声速)，接近或远离声音传感器的速度是v，则f_修正＝c/λ：当车轮轴承声源接近声音传感器时，声音传感器采集到的声音信号频率为f_接近采集＝(c+v)/λ，反之当车轮轴承声源远离声音传感器时，声音传感器采集到的声音信号频率为f_远离采集＝(c-v)/λ。

假设f_接近采集*A_接近＝f_接近修正，f_远离采集*A_远离＝f_远离修正，则A_接近＝f_接近修正/f_接近采集＝(c/λ)/[(c+v)/λ]＝c/(c+v)，A_远离＝f_远离修正/f_远离采集＝(c/λ)/[(c-v)/λ]＝c/(c-v)，其中，A_远离为远离系数，A_接近为接近系数。

在获得时间点tnN第n个车轮轴承通过第N个声音传感器的有效声音信号后，对时间tnN-TnN/2到tnN范围内的声音信号乘以A_接近，对时间tnN到tnN+TnN/2范围内的声音信号乘以A_远离，并进行重采样，得到的结果为消除多普勒效应后的声音信号。其中，重采样方式如下：

声音传感器采集的有效声音信号记为(t，M)，t为时间，M为声波的振幅；

根据多个时间点的(t，M)能够计算得到某个时间点声音信号的采集频率f_采集，f_采集包括f_接近采集和f_远离采集；

根据公式f_接近采集*A_接近＝f_接近修正和f_远离采集*A_远离＝f_远离修正修正采集频率，得到f_修正；

根据得到的f_修正，修正(t，M)得到(t，M’)，从而完成重采样。

由于多普勒效应是移动声源与固定采集点之间存在的影响，速度越大影响越明显，主要表现为声源接近声音传感器时，接收到的频率会变高，声源远离声音传感器时，声音传感器接收到的频率会变低。若考虑多普勒效应的影响，会进一步提高所获取声音信号的准确性，进而会提高轴承故障诊断的准确性。本示例可首先获得车轮轴承经过每个声音传感器时的瞬时速度，然后根据瞬时速度计算出接近系数和远离系数，最后利用这两个系数对采集的有效声音信号进行重采样，并经过拼接处理得到的每个车轮轴承的声音信号，可更好的还原轴承实际的发生频率。

作为一个示例，在列车的前进方向上，于声音传感器阵列的后方设置车轮传感器，以实时采集列车车轮轴承经过的信号。

在该示例中，剪裁步骤包括：获取列车的第n个车轮轴承经过车轮传感器的时刻tn0；获取列车经过声音传感器阵列的时间-速度曲线V＝F(t)；获取第N个声音传感器的有效采集范围[SN1，SN2]，其中，SN1为第N个声音传感器的有效采集近端与车轮传感器的距离，SN2为第N个声音传感器的有效采集远端与车轮传感器的距离；根据tn0、时间-速度曲线V＝F(t)和[SN1，SN2]计算第N个声音传感器采集第n个车轮的轴承声音信号的有效采集时间[tnN1,tnN2]；根据[tnN1,tnN2]剪裁获得第N个声音传感器采集到的第n个车轮的轴承的有效声音信号。

作为一个示例，车轮传感器包括第一车轮传感器和第二车轮传感器，第一车轮传感器和第二车轮传感器之间的距离为a。其中，第一车轮传感器和第二车轮传感器采用磁钢、超声波测距仪、激光测距仪的一种。

在该示例中，获取列车经过声音传感器阵列的时间-速度曲线V＝F(t)的步骤包括：记录第n个车轮分别经过第一车轮传感器和第二车轮传感器的时刻tn1和tn2；计算第n个车轮经过车轮传感器的速度Vn＝a/(tn2-tn1)，从而获得第n个车轮经过车轮传感器的时间-速度值[tn0，Vn]，其中tn0＝tn1或tn2；根据多个车轮经过车轮传感器的时间-速度值[tn0，Vn]，拟合得到时间-速度曲线V＝F(t)。可选地，可采用多项式或分段函数拟合方式，拟合得到速度-时间曲线V＝F(t)。

举例而言，如图2所示，列车的运行轨道安装有第一车轮传感器和第二车轮传感器，分别记为10、20，第一车轮传感器与第二车轮传感器之间的距离为a。系统开机后第一车轮传感器和第二车轮传感器均实时采集相关信号，系统分别记录以下时间：第一个车轮轴承经过第一车轮传感器的时间t11，第二个车轮轴承经过第一车轮传感器的时间t21，以此类推，第n个车轮轴承经过第一车轮传感器的时间tn1；第一个车轮轴承经过第二车轮传感器的时间t12，第二个车轮轴承经过第二车轮传感器的时间记录为t22，以此类推，第n个车轮轴承经过第二车轮传感器的时间记录为tn2。

进一步地，可使用参数a计算每个车轮轴承在第一车轮传感器和第二车轮传感器之间运行的平均速度，由于a较短，列车是刚性连接，可认为计算出的平均速度为列车的瞬时运行速度。第1个车轮轴承经过两车轮传感器的时间为t12-t11，行驶距离为a，计算速度V1＝a/(t12-t11)，对应时间可使用t11，即速度点为(t11，V1)；第2个车轮轴承经过两车轮传感器的时间为t22-t21，行驶距离为a，计算速度V2＝a/(t22-t21)，对应的时间可使用t21，即速度点为(t21，V2)；以此类推，可得到第n个车轮轴承对应的速度点(tn1，Vn)。当然，Vn对应的时间也可使用tn2。根据上述的速度点，可采用多项式或分段函数拟合方式，进行拟合得到速度-时间曲线V＝F(t)。

作为一个示例，根据tn0、F(t)和[SN1，SN2]计算第N个声音传感器采集第n个车轮的轴承声音信号的有效采集时间[tnN1,tnN2]，包括：根据

计算得到tnN1，根据

计算得到tnN2。

具体地，可通过积分计算第n个轴承通过车轮传感器的时间点tn0到该车轮轴承通过第N个声音传感器的有效采集近端的时间点tnN1和远端的时间点tnN2走过的距离

由于N、F(t)和tn0(即tn1或tn2)已知，如果SN1、SN2已知，则可计算得到tnN1和tnN2。

作为一个示例，根据tn0、F(t)和[SN1，SN2]计算第N个声音传感器采集第n个车轮的轴承声音信号的有效采集时间[tnN1,tnN2]，包括：获取第N个声音传感器与车轮传感器的距离SN；根据

计算得到第n个车轮经过第N个声音传感器的时间tnN；根据时间-速度曲线V＝F(t)获得第n个车轮经过第N个声音传感器的速度VnN；根据tnN1＝tnN-(SN2-SN1)/(2*VnN)计算得到tnN1，根据tnN2＝tnN+(SN2-SN1)/(2*VnN)计算得到tnN2。

举例而言，参见图2，列车的运行轨道安装有6个声音传感器，按照距离第一车轮传感器从近到远顺序，依次分别记为101～106，相邻声音传感器之间距离可均为c。由此，第一车轮传感器与第一个声音传感器之间距离为b，第一车轮传感器与第二个声音传感器之间距离为b+c，第一车轮传感器与第三个声音传感器之间距离为b+2c，第一车轮传感器与第四个声音传感器之间距离为b+3c，第一车轮传感器与第五个声音传感器之间距离为b+4c，第一车轮传感器与第六个声音传感器之间距离为b+5c，即第一车轮传感器与第N个声音传感器之间距离为b+(N-1)c，N的取值为1～6中的任意整数。当然，相邻声音传感器之间的距离也可以不同。

可通过积分计算第n个轴承通过车轮传感器的时间点tn0到该车轮轴承通过第N个声音传感器的时间点tnN走过的距离

由于b、N、c、F(t)和tn0(即tn1或tn2)已知，则可计算得到tnN，进而可根据tnN和F(t)得到第n个车轮轴承经过第N个声音传感器的速度VnN。

进一步地，若每个声音传感器的有效采集长度为L＝(SN2-SN1)，则根据瞬时速度VnN可计算得出每个声音传感器采集到的有效数据时间长度为TnN＝L/VnN。该有效数据时间长度是以声音传感器为中心的，由于第n个车轮轴承经过第N个声音传感器的时间点为tnN，故第n个车轮轴承经过第N个声音传感器时采集的有效声音信号时间段为tnN-TnN/2至tnN+TnN/2，即tnN1＝tnN-(SN2-SN1)/(2*VnN)，tnN2＝tnN+(SN2-SN1)/(2*VnN)。

由于轨道车辆一般自重较大，功率较高，低速情况下启动速度调整较快，高速状态下速度调整较慢。因此，低速状态下，速度变化率较高，使用背景技术中提到的技术获取声音信号时，容易造成时间计算不准确，从而导致首尾声音传感器采集声音有效信号，相比中间声音传感器采集声音有效信号偏移量较大，截取首尾声音传感器采集的有效声音信号时与实际情况有偏差，从而会造成最终轴承定位效果较差。而采用本发明方法则可以通过多次测量的实际速度进行曲线拟合，准确还原实际速度，准确计算有效声音信号的时间段，得到有效声音信号，从而能够保证最终数据分析结果的可靠性。

作为一个示例，在所述剪裁步骤与所述拼接步骤之间还包括第二重采样步骤：对剪裁步骤获得的有效声音信号进行消除速度变化效应的重采样处理

作为一个示例，第二重采样步骤包括：针对剪裁步骤中获得的每个声音传感器的有效声音信号，获取每段有效声音信号的声音频率f_采集；根据每个车轮轴承经过每个声音传感器的速度对相应的声音频率f_采集进行修正，以得到修正频率f_修正；根据修正频率f_修正对相应声音传感器的有效声音信号进行重采样处理。

具体地，根据每个车轮轴承经过每个声音传感器的速度对相应的声音频率f_采集进行修正，以得到修正频率f_修正，包括：获取每个车轮轴承经过每个声音传感器的瞬时速度；获取每个车轮轴承经过每个声音传感器的瞬时速度中的最低速度或设定的基准速度；根据每个车轮轴承对应的最低速度或设定的基准速度和每个车轮轴承经过每个声音传感器的瞬时速度，对每个车轮轴承经过每个声音传感器的瞬时速度进行归一化处理；根据归一化处理结果对每个车轮轴承对应的各采集频率进行修正。

其中，根据归一化处理结果对每个车轮轴承对应的各采集频率进行修正，包括：根据公式(修正频率＝采集频率*VnN/Vnx)对第n个车轮轴承经过第N个声音传感器时，第N个声音传感器对应的采集频率进行修正，其中，VnN/Vnx为对第n个车轮轴承经过第N个声音传感器的速度进行归一化处理的结果，VnN为第n个车轮轴承经过第N个声音传感器的速度，Vnx为第n个车轮轴承经过每个声音传感器的瞬时速度中的最低速度或设定的基准速度。

具体而言，由于不同的车速对应不同的时间，导致采样的声音信号频率各不相同，而拼接后的分析结果需要依赖对频率的解析进行判断，所以对分析结果造成严重影响。因此，本实施例首先选定列车通过某一个声音传感器的速度作为基准值，以该声音传感器采集的有效声音信号为基准，其余声音传感器采集的有效声音信号通过重采样处理，实现与该基准声音传感器采集的有效声音信号一致。

举例而言，可以以第n个车轮轴承经过N个声音传感器时的速度中的最低速为基准，对其余各声音传感器采集的有效声音信号进行重采样，使得每个声音传感器采集的有效声音信号对应的速度为统一的。假设第n个车轮轴承通过第1个声音传感器时的速度最低，即相当于Vn1速度最低，则对应的VnN需要乘以系数Vn1/VnN，使得速度统一，相应的VnN对应的声音信号则需要乘以系数VnN/Vn1进行矫正，得到相当于通过速度均为Vn1的有效数据。其中，重采样的具体方式如下：

声音传感器采集的有效声音信号记为(t，M)，t为时间，M为声波的振幅，

根据多个时间点的(t，M)能够计算得到有效声音信号的采集频率f_采集，

根据公式f_修正＝f_采集*VnN/Vn1修正采集频率，得到f_修正；

根据得到的f_修正，修正(t，M)得到(t，M’)，从而完成重采样。

速度变化状态下，声音传感器的有效采集长度L是固定值，所以有效声音信号时间段tn＝L/V根据速度V的变化而变化，即每个tn取值是不同的。若采用背景技术中提到的平均速度Vn来计算有效声音信号时间段，则会导致每个有效声音信号时间段均相同，使得获取到的每个车轮轴承的声音信号不准确，进而会对轴承故障诊断结果产生恶劣的影响。本实施例利用多次测量瞬时速度进行速度曲线拟合还原实际速度的方法，每次计算得出的声音传感器有效声音信号时间段均与实际吻合，再通过选取一个平均速度对每个有效数据段按照平均速度重新采样，得到的每个车轮轴承的声音信号可很好的还原车轮轴承实际声音信号，进而在进行轴承故障诊断时，可以保证分析结果的准确性。

可选地，第一重采样步骤可设置在第二重采样步骤之后，也可设置在第二重采样步骤之前。也就是说，为了更好的保证所获得的每个车轮轴承的声音信号的准确性，可在对有效声音信号进行消除速度变化效应的重采样处理后，继续进行消除多普勒效应的重采样处理；也可在对有效声音信号进行消除多普勒效应的重采样处理后，继续进行消除速度变化效应的重采样处理。

另外，重采样，是指将原始采集频率采集的声音信号经过时间轴的调整(放大或缩小)后，描绘新的数据曲线，按照新的采集频率重新采集样本获得新的采样曲线。为便于理解该重采样，可通过图3(a)～图3(d)所示的示例对重采样过程进行说明：

图3(a)示出了原始采集频率采集的声音信号，记为原始信号；图3(b)示出了原始信号经1.5倍放大后得到的调整信号；图3(c)示出了根据原始信号中的时间点在调整信号中确定重采样点；图3(d)示出了对确定的重采样点进行连线得到重采样信号。

综上所述，本发明实施例的列车轴承声音信号的获取方法，能够提高获取到的每个车轮轴承的声音信号的准确性，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。

进一步地，本发明提出了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如上述实施例中的列车轴承声音信号的获取方法。

本发明实施例的计算机可读存储介质，在其上存储的与上述列车轴承声音信号的获取方法对应的计算机程序被处理器执行时，能够准确获取每个车轮轴承的声音信号，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。

图4是本发明实施例的列车轴承声音信号的获取系统的结构框图。

如图4所示，该列车轴承声音信号的获取系统100包括：声音传感器阵列110、计算机可读存储介质120和处理器130。

其中，声音传感器阵列110包括沿轨道间隔安装的多个声音传感器；处理器130用于执行计算机可读存储介质120上存储的计算机程序，以得到每个车轮轴承的声音信号。

本发明实施例的列车轴承声音信号的获取系统，利用上述的列车轴承声音信号的获取方法，能够准确获取每个车轮轴承的声音信号，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。

图5是本发明实施例的列车轴承故障的诊断系统的结构框图。

如图5所示，列车轴承故障的诊断系统1000包括：故障诊断装置200和上述实施例的列车轴承声音信号的获取系统100。

其中，列车轴承声音信号的获取系统100用于获取每个车轮轴承的声音信号；故障诊断装置200用于根据声音信号对轴承故障进行诊断。

本发明实施例的列车轴承故障的诊断系统，通过上述实施例的列车轴承声音信号的获取系统，能够准确获取每个车轮轴承的声音信号，并通过该获取的声音信号进行轴承故障诊断，能够提高轴承故障诊断的准确性。

本发明还提出了一种轨边声学检测系统，该系统采用上述的列车轴承声音信号的获取方法获取列车轴承声音信号。

根据本发明实施例的轨边声学检测系统，采用上述的列车轴承声音信号的获取方法获取列车轴承声音信号，能够提高获取到的每个车轮轴承的声音信号的准确性，进而能够提高根据声音信号进行相应检测的准确性。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (11)

1.一种列车轴承声音信号的获取方法，该方法包括：

采集步骤：通过声音传感器阵列实时采集行驶经过的列车的轴承声音信号，所述声音传感器阵列包括沿所述轨道间隔安装的多个声音传感器；

剪裁步骤：剪裁每个声音传感器采集到的声音信号，以获得该声音传感器有效采集范围内的有效声音信号；

拼接步骤：将多个声音传感器采集的针对同一个车轮轴承的有效声音信号拼接在一起，以获得各车轮轴承的完整的有效声音信号；

其特征在于，在所述剪裁步骤与所述拼接步骤之间还包括第一重采样步骤：对剪裁步骤获得的有效声音信号进行消除多普勒效应的重采样处理；

在所述剪裁步骤与所述拼接步骤之间还包括第二重采样步骤：对剪裁步骤获得的有效声音信号进行消除速度变化效应的重采样处理；

所述第二重采样步骤包括：

针对所述剪裁步骤中获得的每个声音传感器的有效声音信号，获取每段有效声音信号的声音频率f_采集；

根据每个车轮轴承经过每个声音传感器的速度对相应的声音频率f_采集进行修正，以得到修正频率f_修正；

根据所述修正频率f_修正对相应声音传感器的有效声音信号进行重采样处理；

所述根据每个车轮轴承经过每个声音传感器的速度对相应的声音频率f_采集进行修正，以得到修正频率f_修正，包括：

获取每个车轮轴承经过每个声音传感器的瞬时速度，其中，所述瞬时速度通过列车经过所述声音传感器阵列的时间-速度曲线V＝F(t)获取；

获取每个车轮轴承经过每个声音传感器的瞬时速度中的最低速度；

根据每个车轮轴承对应的最低速度和每个车轮轴承经过每个声音传感器的瞬时速度，对每个车轮轴承经过每个声音传感器的瞬时速度进行归一化处理；

根据归一化处理结果对每个车轮轴承对应的各采集频率进行修正。

2.如权利要求1所述的列车轴承声音信号的获取方法，其特征在于，所述第一重采样步骤包括：

针对所述剪裁步骤中获得的每个声音传感器的有效声音信号，获取每段有效声音信号的声音频率f_采集；

针对每段有效声音信号，分为接近所述声音传感器的接近段信号和远离所述声音传感器的远离段信号，分别对所述接近段信号和所述远离段信号的频率f_采集进行修正，得到接近段修正频率f_接近修正和远离段修正频率f_远离修正；

根据所述接近段修正频率f_接近修正和远离段修正频率f_远离修正对所述每段有效声音信号进行重采样处理。

3.如权利要求2所述的列车轴承声音信号的获取方法，其特征在于，所述分别对所述接近段信号和所述远离段信号的频率f_采集进行修正，得到接近段修正频率f_接近修正和远离段修正频率f_远离修正，包括：

根据f_接近修正＝f_采集*接近系数，计算得到所述f_接近修正，

根据f_远离修正＝f_采集*远离系数，计算得到所述f_远离修正，

其中，所述接近系数根据所述列车接近每个声音传感器的速度计算得到，所述远离系数根据所述列车远离每个声音传感器的速度计算得到。

4.如权利要求3所述的列车轴承声音信号的获取方法，其特征在于，所述接近系数＝c/(c+v)，所述远离系数＝c/(c-v)，其中，c为声速，v为所述列车接近或远离所述声音传感器的速度。

5.如权利要求3所述的列车轴承声音信号的获取方法，其特征在于，所述列车接近每个声音传感器的速度和所述列车远离每个声音传感器的速度为瞬时速度。

6.如权利要求5所述的列车轴承声音信号的获取方法，其特征在于，

在所述列车的前进方向上，于所述声音传感器阵列的后方设置第一车轮传感器和第二车轮传感器，以实时采集列车车轮经过的信号，所述第一车轮传感器和第二车轮传感器之间的距离为a；

记录第n个车轮分别经过所述第一车轮传感器和第二车轮传感器的时刻tn1和tn2；

计算所述第n个车轮经过所述车轮传感器的速度Vn＝a/(tn2-tn1)，从而获得第n个车轮经过所述车轮传感器的时间-速度值[tn，Vn]，其中所述tn＝tn1或tn2；

根据所述多个车轮经过所述车轮传感器的时间-速度值[tn，Vn]，拟合得到时间-速度曲线V＝F(t)，

根据所述列车经过各个所述声音传感器的时间和所述时间-速度曲线V＝F(t)获得所述瞬时速度。

7.根据权利要求1所述的列车轴承声音信号的获取方法，其特征在于，所述根据归一化处理结果对每个车轮轴承对应的各采集频率进行修正，包括：

根据公式(修正频率＝采集频率*VnN/Vnx)对第n个车轮轴承经过第N个声音传感器时，所述第N个声音传感器对应的采集频率进行修正，其中，VnN/Vnx为对第n个车轮轴承经过第N个声音传感器的速度进行归一化处理的结果，VnN为第n个车轮轴承经过第N个声音传感器的速度，Vnx为第n个车轮轴承经过每个声音传感器的速度中的最低速度或设定的标准速度。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现根据权利要求1-7中任一项所述的列车轴承声音信号的获取方法。

9.一种列车轴承声音信号的获取系统，其特征在于，包括：

声音传感器阵列，所述声音传感器阵列包括沿所述轨道间隔安装的多个声音传感器；

根据权利要求8所述的计算机可读存储介质；

处理器，所述处理器用于执行所述计算机可读存储介质上存储的计算机程序，以得到每个车轮轴承的声音信号。

10.一种列车轴承故障的诊断系统，其特征在于，包括：

根据权利要求9所述的列车轴承声音信号的获取系统，用于获取每个车轮轴承的声音信号；

故障诊断装置，用于根据所述声音信号对轴承故障进行诊断。

11.一种轨边声学检测系统，其特征在于，采用如权利要求1-7中任一项所述的列车轴承声音信号的获取方法获取列车轴承的声音信号。

Images