CN112013895B - 一种铁路轨道基础装备质量状况监测和评估方法 - Google Patents

一种铁路轨道基础装备质量状况监测和评估方法 Download PDF

Info

Publication number
CN112013895B
CN112013895B CN201910451012.9A CN201910451012A CN112013895B CN 112013895 B CN112013895 B CN 112013895B CN 201910451012 A CN201910451012 A CN 201910451012A CN 112013895 B CN112013895 B CN 112013895B
Authority
CN
China
Prior art keywords
signal
quality condition
railway track
quality
basic equipment
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.)
Active
Application number
CN201910451012.9A
Other languages
English (en)
Other versions
CN112013895A (zh
Inventor
关炜炜
卢申林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Desheng Railway Equipment Co ltd
Original Assignee
Zhejiang Desheng Railway Equipment Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Desheng Railway Equipment Co ltd filed Critical Zhejiang Desheng Railway Equipment Co ltd
Priority to CN201910451012.9A priority Critical patent/CN112013895B/zh
Publication of CN112013895A publication Critical patent/CN112013895A/zh
Application granted granted Critical
Publication of CN112013895B publication Critical patent/CN112013895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00Measuring or testing not otherwise provided for
    • G01D21/02Measuring two or more variables by means not covered by a single other subclass

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明在绘制铁路轨道基础装备在工作时信号变化信号图后,并对该信号图进行质量状况区域划分,而后在对应质量状况信号图上按照此铁路轨道基础装备的质量状况按照质量技术标准和线路规范要求将对应信号图划分为若干个评判区间:优、良、中、差,优等表示正常质量状况,良好表示已经出现异常质量状况需要预警的区间,中差表示已经出现超出容忍范围需要更换装备的区间;实测某处铁路轨道基础装备工作信号,代入评判区间以评判当前铁路轨道基础装备的质量状况,以此实现了对铁路轨道基础装备质量状况的实时在线监测和轨道质量状况的评估判断,具有很高的监测效率,并且节约了对铁路轨道基础装备进行质量状况监测和评估的成本。

Description

一种铁路轨道基础装备质量状况监测和评估方法
技术领域
本发明涉及铁路轨道基础装备部件安全监测技术领域,尤其涉及一种铁路轨道基础装备质量状况监测和评估方法。
背景技术
目前,我国铁路轨道基础装备以及轨道相关辅助部件,比如道岔、辙叉等等,在长时间的运行和使用过程中会产生磨耗、开裂、腐蚀甚至剥落等安全隐患,对于铁路轨道基础装备的运营管理部分,需要经常性地对铁路轨道基础装备以及其相关辅助部件进行安全检查,这一安全检查需要在全路网上进行,需要耗费大量的人力物力,而且还只能在没有列车经过的时候进行检修,这就导致检修的效率十分低下,完全不能满足我国日益增长的铁路轨道基础装备运力需求。因此,开发一种新的铁路轨道基础装备失效的分析、监测以及预警方法,以适应现代化铁路轨道基础装备运输的需要,实现在铁路轨道基础装备车辆运行过程中,对铁路轨道基础装备的质量状况结合传感器以及物联网进行无人化远程系统监测、评估和预测判断,及时发现铁路轨道基础装备的故障以及安全隐患,采取相应措施,避免事故发生,同时提高监测的效率并降低监测的成本。
发明内容
针对上述现有技术存在的问题,本发明的目的在于提供一种铁路轨道基础装备监测评估方法,以实现对铁路轨道基础装备的质量状况结合传感器以及物联网进行无人化远程系统监测和质量状况实时评估。
为实现上述目的,本发明所采用的技术方案为:
一种铁路轨道基础装备质量状况监测和评估方法,包括以下步骤:
1)绘制铁路轨道基础装备工作时信号数据的信号图,进行质量状况区域划分,每种质量状况分别对应相应的信号图区域,出现的质量状况包括但不限于以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等;
2)信号图质量状况区域划分完毕后,对照区域划分完毕的信号图,参照历史实测数据,分别包括对应的质量状况特征和其采集到的对应特征信号,按照各类质量状况不良程度高低将对应区域分为若干评价区间,如优、良、中、差区间或者小、中、大评价区间,这里是运用大数据标记的方式,人为的利用已采集到的实测数据归集整理,然后将各程度的质量状况标准信号值代入信号图中,对上述图中质量状况区域进行评价区间划分。
3)对拟分析质量状况的铁路轨道基础装备进行信号采集,将采集信号带入上述经过区间划分的图中,得到对应质量状况程度的评估结果;比如采集到某个特征信号值,根据与信号图比对,落在优等信号区间,则可以判断为该装备目前尚无不良质量状况出现;当落入裂纹质量状况特征区域内,然后根据该信号值处于小、中、大三个区间中的位置,判断目前被测量的装备的质量状况程度具体是微小的裂纹,还是中等的裂纹,还是大裂纹,就能立刻评估出需要做出的相应处理手段的判断,具体程度的划分是依照不同的线路国家及主管部门规定和根据相关法律法规铁路维修规定而定。
还包括以下步骤:
1)在铁路轨道基础装备上设置若干传感器,所述传感器用于采集铁路轨道基础装备工作时产生的信号;采集信号按照一定规律或者间隔时间,汇总后按照记录时间成为时域数据储存起来;
2)将步骤1)采集到的信号数据绘制得到信号图;按照信号数据对应时间轴做图,可以得到信号数据时域图,而将时域数据经过傅里叶变换,就能得到信号值的频率相关图形,即为信号频域图。
3)选取若干处铁路轨道基础装备实测质量状况出现特征时产生的信号,记为特征信号值;并且实测数据量越大,结果将更趋于稳定准确,所以大数据采集相关实测数据,对应一一记录存储起来。
4)将步骤3)所测得的特征信号值带入到步骤2)绘制得到的信号图中,根据特征信号值在所述信号图上所处的位置对所述信号图进行区域划分;利用大量的实测数据标记当时实测对应质量状况后,信号图上的区域分布初步划分完成,分别是各类质量状况对应信号值的区域,比如,一般正常信号值对应区域,裂纹特征区域,剥落特征区域等等。
5)对拟分析质量状况的铁路轨道基础装备进行信号采集,将采集信号带入上述经过区域划分的图中,得到对应质量状况的分析结果;基础数据采集标记越多,对应的质量状况分析就会越精确。
进一步的,在步骤2)中所述信号图包括但不限于信号数据对应时间轴的时域图、将信号时域数据经过傅里叶变换得到的信号频域图;用于质量状况分析既可以用信号时域图,也可以用信号频域图。
进一步的,在步骤3)中所述质量状况出现特征时,出现的特征包括但不限于以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等,对应的范围可以分为许多等级,如微小的,中度的,超出容忍范围的,具体不同的线路国家及主管部门规定和根据相关法律法规铁路维修规定而定。
进一步的,对信号时域数据进行降噪处理,处理方法有低通滤波、相关滤波、时域平均滤波、小波滤波。
进一步的,在步骤2)中绘制信号频域图后还需要对信号频域图进行标准化处理。
进一步的,所述的标准化处理为对信号数据进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度。
进一步的,步骤3)中对实际工作工况,不同天气、气温、列车载重重量、列车速度下进行实测质量状况出现特征的若干处铁路轨道基础装备,它们分别对应相应的特征信号值。
进一步的,根据特征信号值在所述信号图不同位置,将所述信号图划分为与质量状况特征相对应不同的区间;在信号频域图上,不同的质量状况特征,是会集中反映在一块频率区域之内,所以很方便就能识别归类。
铁路轨道基础装备为轨道交通基础装备,包括但不限于钢轨、轨枕、轨道板、垫板、扣件、尖轨、辙叉、护轨、导轨、基本轨、接头夹板、紧固件。
本发明在绘制铁路轨道基础装备在工作时信号变化信号图后,并对该信号图进行质量状况区域划分,而后在对应质量状况信号图上按照此铁路轨道基础装备的质量状况按照质量技术标准和线路规范要求将对应信号图划分为若干个评判区间:优、良、中、差,优等表示正常质量状况,良好表示已经出现异常质量状况需要预警的区间,中差表示已经出现超出容忍范围需要更换装备的区间;实测某处铁路轨道基础装备工作信号,代入评判区间以评判当前铁路轨道基础装备的质量状况,以此实现了对铁路轨道基础装备质量状况的实时在线监测和轨道质量状况的评估判断,具有很高的监测效率,并且节约了对铁路轨道基础装备进行质量状况监测和评估的成本。
本发明首先将设置在铁路轨道基础装备各处的传感器所采集到的数据汇总传输上来,采用这些原始数据统称信号时域数据,这些信号时域数据还存在有诸多的噪音,为了降低噪音的干扰,还需要对这一信号时域数据进行去噪音处理,降噪的方法有低通滤波、相关滤波、时域平均滤波、小波滤波,对降噪后的信号时域数据进行傅里叶变换,绘制得到信号频域图;由于频域图会受到天气、温度、列车载重重量、速度的影响,还需要对这频域图进行标准化处理,标准化处理为对频域图进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度,将这些常见的影响因素作为影响因子带入到拟合算法中对频域图进行拟合修正标准化处理,本发明所使用的拟合修正算法属于是现有技术中常见和常用的拟合修正算法,是在数据处理领域中比较常用的修正算法之一。经过拟合修正后的信号曲线即为在铁路轨道基础装备上的各种工作工况下的标准频域图,为了给这频域图进行区域划分,本发明还对铁路轨道基础装备上的各质量状况进行实地测量。根据现有的判断铁路轨道基础装备质量状况的行业标准,将在铁路轨道基础装备上实际选取正常工作的装备、需要预警的带有微小瑕疵的异常装备以及超出容忍范围的需要立即更换的装备,分别在这多种不良质量状况程度装备上进行信号的实际大量测量,分别得到与质量状况相对应的多种信号特征值,而后再对上述已经得到的信号频域图进行比对,确定已经实际测量得到的不同程度的质量状况信号值分别位于该信号频域图的哪些区间段,上述多种信号特征值所处的频域图上的区间段即分别为正常工作的信号区间、需要预警的微小质量状况信号区间以及需要立即更换的超出容忍范围的信号区间,这样就可以把整个频域图划分为不同评价区间,不同评价区间中的信号值即反映了轨道的不同实际质量状况和具体的质量状况。完成评价区间划分的频域图即可以用于对铁路轨道基础装备的实时监测和轨道质量状况预警分析,只需要在铁路轨道基础装备上设置信号传感器即可,将信号传感器监测得到的数据实时处理分析后与频域图进行比对,确定该信号值落入哪个区间内,在哪个区间内即为此时轨道的质量状况,比如:如果铁路轨道基础装备的实时信号值落入了正常工作的信号区间,此时的铁路轨道基础装备即为正常质量状况;如果轨道的实际信号值落入了裂纹信号区间,此时的铁路轨道基础装备即为裂纹异常质量状况,然后根据其在评价区间内的高低,判断其裂纹是否仍旧在可容忍范围内,如果在微小裂纹指向区间内,那么给与预警警示,时刻关注;如果落在了大裂纹评价区间内,那么则可以认为该装备需要立即更换;之于其余不良质量状况也可以同样指向具体哪个异常的质量状况,细分至具体哪种,是微小的断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤的哪一种表征;如果铁路轨道基础装备的信号值落入了需要立即更换的超出容忍范围信号区间,那么铁路轨道基础装备此时的质量状况即为需要立即更换的状态,具体是断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤中的哪一种也可以直接得出判断,以此实现了对铁路轨道基础装备的实时在线监测和分析,节约了大量的人力物力,并具有很高的监测效率。
本发明在绘制铁路轨道基础装备在工作时的信号图后,并对该信号图不良质量状况区域再次进行进行评价区间划分,即:正常工作的优等信号区间、需要预警的微小不良质量状况信号区间以及需要立即处理的大不良质量状况信号区间;而后在铁路轨道基础装备上设置若干信号传感器,实时监测铁路轨道基础装备工作时的信号值并与上一步骤中所得的信号图进行比对,以判定实时监测的信号值在所述信号图上所处区域的区间,最后根据上一步骤中实时监测的铁路轨道基础装备信号值在信号图中所处的位置状况对实测铁路轨道基础装备的质量状况进行评估判断,如果轨道的实时信号值落入了正常工作的优等信号区间,此时的铁路轨道基础装备即为正常质量状况,无质量问题和隐患;如果铁路轨道基础装备的实际信号值落入了微小信号区间,此时的铁路轨道基础装备即为需要预警的质量状况,已经出现了尚在可容忍范围的微小的断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等瑕疵;如果铁路轨道基础装备的信号值落入了大不良质量状况信号区间,那么铁路轨道基础装备此时已经出现不能容忍的断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤的表征,需要立即处理,即:可分别将铁路轨道基础装备的质量状况信号图区域若干评价区间可以为优、良、中、差区间,也可以是不良质量状况大、中、小区间,以此实现了对铁路轨道基础装备的实时在线监测和轨道质量状况的评估判断,具有很高的监测效率,并且节约了对铁路轨道基础装备进行质量状况监测和评估的成本。
具体实施方式
为了进一步理解本发明,下面将结合实施例和对比例对本发明的实施方案作进一步详细的描述,但是本发明的实施方式并不限于此。
为了使本发明的目的、技术方案更加清楚明白,以下结合实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。下面对本发明的应用过程作详细的描述。
一种辙叉质量状况监测和评估方法,包括以下步骤:
1)绘制辙叉在列车进过时受到振动冲击的加速度信号数据的加速度信号图,进行质量状况区域划分,每种质量状况分别对应相应的加速度信号图区域,出现的质量状况包括但不限于以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等;每种状况都会在频域图上对应相应的一块区域;
2)加速度信号图质量状况区域划分完毕后,对照区域划分完毕的加速度信号图,参照历史实测数据,分别包括对应的质量状况特征和其采集到的对应特征加速度信号,按照各类质量状况不良程度高低将对应区域分为若干评价区间,如优、良、中、差区间或者小、中、大评价区间,这里是运用大数据标记的方式,人为的利用已采集到的实测数据归集整理,然后将各程度的质量状况标准加速度信号值代入加速度信号图中,对上述图中质量状况区域进行评价区间划分。
3)对拟分析质量状况的辙叉进行加速度信号采集,将采集加速度信号带入上述经过区间划分的图中,得到对应质量状况程度的评估结果;比如采集到某个特征加速度信号值,根据与加速度信号图比对,落在优等加速度信号区间,则可以判断为该装备目前尚无不良质量状况出现;当落入裂纹质量状况特征区域内,然后根据该加速度信号值处于小、中、大三个区间中的位置,判断目前被测量的装备的质量状况程度具体是微小的裂纹,还是中等的裂纹,还是大裂纹,就能立刻评估出需要做出的相应处理手段的判断,具体程度的划分是依照不同的线路国家及主管部门规定和根据相关法律法规铁路维修规定而定。
还包括以下步骤:
1)在辙叉上设置若干传感器,所述传感器用于采集辙叉在列车进过时受到振动冲击时产生的加速度信号;采集加速度信号按照一定规律或者间隔时间,汇总后按照记录时间成为时域数据储存起来;
2)将步骤1)采集到的加速度信号数据绘制得到加速度信号图;按照加速度信号数据对应时间轴做图,可以得到加速度信号数据时域图,采集到的加速度信号反映在时域图上为一个个的波形冲击,对应每一次振动冲击值,连起来在时域图上,形成类似心电图一样的波形图,信号值的大小和区间可以反映在时域图上,而将这些采集到的时域数据经过傅里叶变换,就能得到加速度信号值的频率相关图形,即为加速度信号频域图。
3)选取若干处辙叉实测质量状况出现特征时产生的加速度信号,记为特征加速度信号值;并且实测数据量越大,结果将更趋于稳定准确,所以大数据采集相关实测数据,对应一一记录存储起来。
4)将步骤3)所测得的特征加速度信号值带入到步骤2)绘制得到的加速度信号图中,根据特征加速度信号值在所述加速度信号图上所处的位置对所述加速度信号图进行区域划分;利用大量的实测数据标记当时实测对应质量状况后,加速度信号图上的区域分布初步划分完成,分别是各类质量状况对应加速度信号值的区域,比如,一般正常加速度信号值对应区域,裂纹特征区域,剥落特征区域等等。
5)对拟分析质量状况的辙叉进行加速度信号采集,将采集加速度信号带入上述经过区域划分的图中,得到对应质量状况的分析结果;基础数据采集标记越多,对应的质量状况分析就会越精确。
在步骤2)中所述加速度信号图包括但不限于加速度信号数据对应时间轴的时域图、将加速度信号时域数据经过傅里叶变换得到的加速度信号频域图;用于质量状况分析既可以用加速度信号时域图,也可以用加速度信号频域图。
在步骤3)中所述质量状况出现特征时,出现的特征包括但不限于以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等,对应的范围可以分为许多等级,如微小的,中度的,超出容忍范围的,具体不同的线路国家及主管部门规定和根据相关法律法规铁路维修规定而定。
对加速度信号时域数据进行降噪处理,处理方法有低通滤波、相关滤波、时域平均滤波、小波滤波。
在步骤2)中绘制加速度信号频域图后还需要对加速度信号频域图进行标准化处理,处理为对加速度信号数据进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度。
步骤3)中对实际工作工况,不同天气、气温、列车载重重量、列车速度下进行实测质量状况出现特征的若干处辙叉,它们分别对应相应的特征加速度信号值。
根据特征加速度信号值在所述加速度信号图不同位置,将所述加速度信号图划分为与质量状况特征相对应不同的区间;在加速度信号频域图上,不同的质量状况特征,是会集中反映在一块频率区域之内,所以很方便就能识别归类。
本发明在绘制辙叉在列车经过时受到振动冲击所采集到加速度信号变化加速度信号图后,并对该加速度信号图进行质量状况区域划分,而后在对应质量状况加速度信号图上按照此辙叉的质量状况按照质量技术标准和线路规范要求将对应加速度信号图划分为若干个评判区间:优、良、中、差,优等表示正常质量状况,良好表示已经出现异常质量状况需要预警的区间,中差表示已经出现超出容忍范围需要更换装备的区间;实测某处辙叉工作加速度信号,代入评判区间以评判当前辙叉的质量状况,以此实现了对辙叉质量状况的实时在线监测和轨道质量状况的评估判断,具有很高的监测效率,并且节约了对辙叉进行质量状况监测和评估的成本。
本发明首先将设置在辙叉各处的传感器所采集到的数据汇总传输上来,采用这些原始数据统称加速度信号时域数据,这些加速度信号时域数据还存在有诸多的噪音,为了降低噪音的干扰,还需要对这一加速度信号时域数据进行去噪音处理,降噪的方法有低通滤波、相关滤波、时域平均滤波、小波滤波,对降噪后的加速度信号时域数据进行傅里叶变换,绘制得到加速度信号频域图;由于频域图会受到天气、温度、列车载重重量、速度的影响,还需要对这频域图进行标准化处理,标准化处理为对频域图进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度,将这些常见的影响因素作为影响因子带入到拟合算法中对频域图进行拟合修正标准化处理,本发明所使用的拟合修正算法属于是现有技术中常见和常用的拟合修正算法,是在数据处理领域中比较常用的修正算法之一。经过拟合修正后的加速度信号曲线即为在辙叉上的各种工作工况下的标准频域图,为了给这频域图进行区域划分,本发明还对辙叉上的各质量状况进行实地测量。根据现有的判断辙叉质量状况的行业标准,将在辙叉上实际选取正常工作的装备、需要预警的带有微小瑕疵的异常装备以及超出容忍范围的需要立即更换的装备,分别在这多种不良质量状况程度装备上进行加速度信号的实际大量测量,分别得到与质量状况相对应的多种加速度信号特征值,而后再对上述已经得到的加速度信号频域图进行比对,确定已经实际测量得到的不同程度的质量状况加速度信号值分别位于该加速度信号频域图的哪些区间段,上述多种加速度信号特征值所处的频域图上的区间段即分别为正常工作的加速度信号区间、需要预警的微小质量状况加速度信号区间以及需要立即更换的超出容忍范围的加速度信号区间,这样就可以把整个频域图划分为不同评价区间,不同评价区间中的加速度信号值即反映了轨道的不同实际质量状况和具体的质量状况。完成评价区间划分的频域图即可以用于对辙叉的实时监测和轨道质量状况预警分析,只需要在辙叉上设置加速度信号传感器即可,将加速度信号传感器监测得到的数据实时处理分析后与频域图进行比对,确定该加速度信号值落入哪个区间内,在哪个区间内即为此时轨道的质量状况,比如:如果辙叉的实时加速度信号值落入了正常工作的加速度信号区间,此时的辙叉即为正常质量状况;如果轨道的实际加速度信号值落入了裂纹加速度信号区间,此时的辙叉即为裂纹异常质量状况,然后根据其在评价区间内的高低,判断其裂纹是否仍旧在可容忍范围内,如果在微小裂纹指向区间内,那么给与预警警示,时刻关注;如果落在了大裂纹评价区间内,那么则可以认为该装备需要立即更换;之于其余不良质量状况也可以同样指向具体哪个异常的质量状况,细分至具体哪种,是微小的断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤的哪一种表征;如果辙叉的加速度信号值落入了需要立即更换的超出容忍范围加速度信号区间,那么辙叉此时的质量状况即为需要立即更换的状态,具体是断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤中的哪一种也可以直接得出判断,以此实现了对辙叉的实时在线监测和分析,节约了大量的人力物力,并具有很高的监测效率。
本发明在绘制辙叉在列车经过时受到振动冲击所采集到的加速度信号图后,并对该加速度信号图不良质量状况区域再次进行进行评价区间划分,即:正常工作的优等加速度信号区间、需要预警的微小不良质量状况加速度信号区间以及需要立即处理的大不良质量状况加速度信号区间;而后在辙叉上设置若干加速度信号传感器,实时监测辙叉在列车经过时受到振动冲击所采集到的加速度信号值并与上一步骤中所得的加速度信号图进行比对,以判定实时监测的加速度信号值在所述加速度信号图上所处区域的区间,最后根据上一步骤中实时监测的辙叉加速度信号值在加速度信号图中所处的位置状况对实测辙叉的质量状况进行评估判断,如果轨道的实时加速度信号值落入了正常工作的优等加速度信号区间,此时的辙叉即为正常质量状况,无质量问题和隐患;如果辙叉的实际加速度信号值落入了微小加速度信号区间,此时的辙叉即为需要预警的质量状况,已经出现了尚在可容忍范围的微小的断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤等瑕疵;如果辙叉的加速度信号值落入了大不良质量状况加速度信号区间,那么辙叉此时已经出现不能容忍的断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤的表征,需要立即处理,即:可分别将辙叉的质量状况加速度信号图区域若干评价区间可以为优、良、中、差区间,也可以是不良质量状况大、中、小区间,以此实现了对辙叉的实时在线监测和轨道质量状况的评估判断,具有很高的监测效率,并且节约了对辙叉进行质量状况监测和评估的成本。

Claims (8)

1.一种铁路轨道基础装备质量状况监测和评估方法,其特征在于,包括以下步骤:
1)在铁路轨道基础装备上设置若干传感器,所述传感器用于采集铁路轨道基础装备工作时产生的信号;
2)将步骤1)采集到的信号数据,绘制得到铁路轨道基础装备工作时信号数据的信号图;
3)选取若干处铁路轨道基础装备实测质量状况出现特征时产生的信号,记为特征信号值;
4)将步骤3)所测得的特征信号值带入到步骤2)绘制得到的信号图中,根据特征信号值在所述信号图上所处的位置对所述信号图进行质量状况区域划分;
5)信号图质量状况区域划分完毕后,按照各类质量状况不良程度高低将对应区域分为若干评价区间:优、良、中、差区间或者小、中、大评价区间;
6)对拟分析质量状况的铁路轨道基础装备进行信号采集,将采集信号带入上述经过区间划分的图中,得到对应质量状况程度的评估结果。
2.根据权利要求1所述的方法,其特征在于,在步骤2)中所述信号图包括但不限于信号数据对应时间轴的时域图、将信号时域数据经过傅里叶变换得到的信号频域图。
3.根据权利要求1所述的方法,其特征在于,在步骤3)中所述质量状况出现特征时,出现的特征包括以下情况:正常、断裂、磨耗、裂纹、剥落、腐蚀、变形、压溃、核伤。
4.根据权利要求2所述的方法,其特征在于,对信号时域数据进行降噪处理,处理方法有低通滤波、相关滤波、时域平均滤波、小波滤波。
5.根据权利要求2所述的方法,其特征在于,在步骤2)中绘制信号频域图后还需要对信号频域图进行标准化处理。
6.根据权利要求5所述的方法,其特征在于,所述的标准化处理为对信号数据进行拟合修正处理,参与拟合修正的参数包括天气、气温、列车载重重量、列车速度。
7.根据权利要求1所述的方法,其特征在于,步骤6)中对实际工作工况,不同天气、气温、列车载重重量、列车速度下进行实测质量状况出现特征的若干处铁路轨道基础装备,它们分别对应相应的特征信号值。
8.根据权利要求7所述的方法,其特征在于,根据特征信号值在所述信号图不同位置,将所述信号图划分为与质量状况特征相对应不同的区域。
CN201910451012.9A 2019-05-28 2019-05-28 一种铁路轨道基础装备质量状况监测和评估方法 Active CN112013895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910451012.9A CN112013895B (zh) 2019-05-28 2019-05-28 一种铁路轨道基础装备质量状况监测和评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910451012.9A CN112013895B (zh) 2019-05-28 2019-05-28 一种铁路轨道基础装备质量状况监测和评估方法

Publications (2)

Publication Number Publication Date
CN112013895A CN112013895A (zh) 2020-12-01
CN112013895B true CN112013895B (zh) 2023-01-24

Family

ID=73501647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910451012.9A Active CN112013895B (zh) 2019-05-28 2019-05-28 一种铁路轨道基础装备质量状况监测和评估方法

Country Status (1)

Country Link
CN (1) CN112013895B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271035A (zh) * 2007-03-22 2008-09-24 唐德尧 一种非转运动机械故障诊断系统和方法
CN102607848A (zh) * 2012-03-27 2012-07-25 天津市启轩电子有限公司 铁路列车轴承故障的检测方法
CN103471865A (zh) * 2013-09-12 2013-12-25 北京交通大学 基于线性判别法的列车悬挂系统故障分离方法
JP2017146200A (ja) * 2016-02-17 2017-08-24 東邦テナックス株式会社 モニタリング装置及びモニタリング方法
CN107576565A (zh) * 2017-08-02 2018-01-12 武汉理工大学 基于压电陶瓷技术的无砟轨道结构变形实时测量方法
AU2017325445A1 (en) * 2016-09-07 2019-04-04 Wavetrain Systems As A railway track condition monitoring system for detecting a partial or complete disruption of a rail of the railway track

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7284467B2 (en) * 2000-08-14 2007-10-23 Sd3, Llc Apparatus and method for detecting dangerous conditions in power equipment
TW200848299A (en) * 2007-06-15 2008-12-16 Taiwan Nano Technology Applic Corp Real-time safety monitoring system for railway transportation
CN101570203A (zh) * 2008-04-30 2009-11-04 台湾奈米科技应用股份有限公司 轨道运输的监测控制系统
CN101738497B (zh) * 2009-12-24 2012-07-04 中国铁道科学研究院机车车辆研究所 轨道车辆加速度响应分析的方法及装置
CN102530028B (zh) * 2012-01-19 2014-07-30 重庆安谐新能源技术有限公司 铁路轨道实时监测系统及其数据处理方法
CN202669851U (zh) * 2012-05-23 2013-01-16 上海嘉国信息科技有限公司 一种铁路轨道损伤的检测装置
CN103175897B (zh) * 2013-03-13 2015-08-05 西南交通大学 一种基于振动信号端点检测的高速道岔伤损识别方法
CN103226132B (zh) * 2013-04-25 2014-12-10 哈尔滨工业大学 高铁钢轨伤损检测实验平台及检测方法
CN104495699A (zh) * 2014-12-19 2015-04-08 浙江德盛铁路器材股份有限公司 一种带自平衡并可灵活转向的工程车
CN104949848A (zh) * 2015-06-19 2015-09-30 西南交通大学 基于频域峭度的蛇行失稳检测算法
CN105109517A (zh) * 2015-08-13 2015-12-02 中国神华能源股份有限公司 一种钢轨伤损分析方法及钢轨探伤车
CN105241660B (zh) * 2015-11-09 2019-04-23 西南交通大学 基于健康监测数据的高铁大型桥梁性能测试方法
US10526994B2 (en) * 2017-01-30 2020-01-07 Transportation Ip Holdings, Llc Methods and system for diagnosing a high-pressure fuel pump in a fuel system
CN108664673A (zh) * 2017-03-30 2018-10-16 中国铁道科学研究院 一种轮轨力载荷辨识特征数据模型建立方法及装置
CN107765610A (zh) * 2017-12-05 2018-03-06 华东交通大学 一种基于gprs铁路道岔服役状态远程监测系统及其监测方法
CN109060320A (zh) * 2018-05-30 2018-12-21 上海工程技术大学 一种基于噪音分析的地铁线路运行状况安全评估方法
CN109142524A (zh) * 2018-08-14 2019-01-04 唐智科技湖南发展有限公司 一种轨道损伤检测方法、装置及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101271035A (zh) * 2007-03-22 2008-09-24 唐德尧 一种非转运动机械故障诊断系统和方法
CN102607848A (zh) * 2012-03-27 2012-07-25 天津市启轩电子有限公司 铁路列车轴承故障的检测方法
CN103471865A (zh) * 2013-09-12 2013-12-25 北京交通大学 基于线性判别法的列车悬挂系统故障分离方法
JP2017146200A (ja) * 2016-02-17 2017-08-24 東邦テナックス株式会社 モニタリング装置及びモニタリング方法
AU2017325445A1 (en) * 2016-09-07 2019-04-04 Wavetrain Systems As A railway track condition monitoring system for detecting a partial or complete disruption of a rail of the railway track
CN107576565A (zh) * 2017-08-02 2018-01-12 武汉理工大学 基于压电陶瓷技术的无砟轨道结构变形实时测量方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Application of the wavelet and neural technologies for processing of signals obtained during railway tracks diagnostics by the magnetic flux leakage method;Vitalij Nichoga等;《Biuletyn Wojskowej Akademii Technicznej》;20171201;第66卷;全文 *
Railway Track Circuit Fault Diagnosis Using Recurrent Neural Networks;de Bruin Tim等;《IEEE transactions on neural networks and learning systems》;20170304;第28卷;全文 *
重载铁路综合检测列车和数据综合分析系统;彭丽宇等;《铁道建筑》;20161220(第12期);全文 *
高速铁路轨道结构性能参数动态诊断的反演理论与方法;柴晓冬等;《上海工程技术大学》;20190326;全文 *

Also Published As

Publication number Publication date
CN112013895A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN110197588B (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
EP3219574B1 (en) Method and system for determining a vertical profile of a rail surface
CN106198062A (zh) 轨道交通工具故障车载声学检测系统及检测方法
CN110222437A (zh) 列车车列健康状态的评估方法、装置及存储介质
CN110852457A (zh) 地铁车辆运维系统
JP2007256153A (ja) 鉄道車両台車異常検知システム
Molodova et al. Monitoring the railway infrastructure: Detection of surface defects using wavelets
Balouchi et al. Development of railway track condition monitoring from multi-train in-service vehicles
Gerlici et al. The development of diagnostics methodological principles of the railway rolling stock on the basis of the analysis of dynamic vibration processes of the rail
CN110210161A (zh) 列车车辆健康状态的评估方法、装置及存储介质
CN112014593B (zh) 一种铁路轨道基础装备质量状况监测评估装置和方法
CN112013895B (zh) 一种铁路轨道基础装备质量状况监测和评估方法
CN108860220B (zh) 一种车轮脱轨预警方法、装置及系统
Balouchi et al. Detecting railway under-track voids using multi-train in-service vehicle accelerometer
CN110171442B (zh) 车轮扁疤的检测系统、检测方法
CN113032907A (zh) 基于波形相关关系的晃车病害数据偏差纠正方法及系统
CN112012060B (zh) 一种铁路轨道基础装备质量状况预测判断方法
Huang Integrated railway remote condition monitoring
Meixedo et al. Weighing in motion and wheel defect detection of rolling stock
CN112016180B (zh) 一种铁路轨道基础装备质量状况分析方法
CN115931399A (zh) 一种实时在线检测高速列车轮多边形故障的方法
Papaelias et al. Advanced wayside condition monitoring of rolling stock wheelsets
CN110956164A (zh) 一种基于噪声信号的列车车轮损伤识别方法
CN115805971A (zh) 一种在线监测列车车轮多边形故障的方法
Asplund et al. Assessment of the data quality of wayside wheel profile measurements.

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Lu Shenlin

Inventor after: Guan Weiwei

Inventor before: Guan Weiwei

Inventor before: Lu Shenlin