CN112834243B - 一种车体的异常振动监测方法及装置 - Google Patents

一种车体的异常振动监测方法及装置 Download PDF

Info

Publication number
CN112834243B
CN112834243B CN202110063006.3A CN202110063006A CN112834243B CN 112834243 B CN112834243 B CN 112834243B CN 202110063006 A CN202110063006 A CN 202110063006A CN 112834243 B CN112834243 B CN 112834243B
Authority
CN
China
Prior art keywords
modal
vibration
mode
matrix
vehicle body
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
CN202110063006.3A
Other languages
English (en)
Other versions
CN112834243A (zh
Inventor
张瑞芳
刘峰
周永康
辛恩承
曾陆洋
王后闯
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.)
China Academy of Railway Sciences Corp Ltd CARS
Locomotive and Car Research Institute of CARS
Beijing Zongheng Electromechanical Technology Co Ltd
Tieke Aspect Tianjin Technology Development Co Ltd
Original Assignee
China Academy of Railway Sciences Corp Ltd CARS
Locomotive and Car Research Institute of CARS
Beijing Zongheng Electromechanical Technology Co Ltd
Tieke Aspect Tianjin Technology Development 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 China Academy of Railway Sciences Corp Ltd CARS, Locomotive and Car Research Institute of CARS, Beijing Zongheng Electromechanical Technology Co Ltd, Tieke Aspect Tianjin Technology Development Co Ltd filed Critical China Academy of Railway Sciences Corp Ltd CARS
Priority to CN202110063006.3A priority Critical patent/CN112834243B/zh
Publication of CN112834243A publication Critical patent/CN112834243A/zh
Application granted granted Critical
Publication of CN112834243B publication Critical patent/CN112834243B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供一种车体的异常振动监测方法及装置，所述方法包括：获得车体的振动响应；根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率和模态阻尼比；根据所述模态频率判断所述车体是否存在异常振动；根据所述模态阻尼比对异常振动的严重程度进行量化分级报警。所述装置用于执行上述方法。本发明实施例提供的车体的异常振动监测方法及装置，能够有效识别车体的异常振动，提高车体异常振动的识别精度。

Description

一种车体的异常振动监测方法及装置
技术领域
本发明涉及轨道车辆技术领域，具体涉及一种车体的异常振动监测方法及装置。
背景技术
随着高速列车速度的提高，轮轨间动力作用不断加剧，当轮轨匹配关系不良或车体、转向架、车轮等部件磨耗、配合间隙超过运用限度，容易造成车体振动状态异常，引起旅客不舒适反应，甚至影响列车运行安全。
目前影响我国动车组乘坐舒适性的问题主要为晃车和抖车。动车组车轮镟修初期，在轨距角过度打磨的钢轨上运行时，轮轨主要接触位置集中在钢轨顶部，实际等效锥度偏小，局部轮轨匹配不良，柔性转向架蛇行运动频率通过悬挂装置传递到车体，造成车体发生上心滚摆运动，导致车体出现一次蛇行运动，引起车体横向晃动，俗称晃车。动车组运用过程中，随着运用里程的增加，车轮磨耗量将增大，等效锥度也随着增大，动车组经过异常线路时，由于车轮与钢轨匹配关系异常，转向架稳定性降低，导致前后转向架高频率、同相位、大幅值蛇行运动，产生前后转向架同相位谐波振动，并传递到车体。如该振动频率与车体固有的一阶菱形模态频率重合，将产生共振，造成行李架与座椅等车体部件抖动，俗称抖车。现有技术中，可以通过安装车载平稳性监测装置，监测车体横向平稳性指标，平稳性指标是对车体不同振动频率成分加权计算的结果，监测结果能在一定程度反映车体晃动，但对抖车敏感度不够，无法有效识别。
因此，如何提出一种车体振动异常状态监测方法，能够准确地识别车体的异常振动成为本领域需要解决的重要课题。
发明内容
针对现有技术中的问题，本发明实施例提供一种车体的异常振动监测方法及装置，能够至少部分地解决现有技术中存在的问题。
一方面，本发明提出一种车体的异常振动监测方法，包括：
获得车体的振动响应；
根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；
获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；
根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；
根据所述模态频率判断所述车体是否存在异常振动。
另一方面，本发明提供一种车体的异常振动监测装置，包括：
获得单元，用于获得车体的振动响应；
第一计算单元，用于根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；
获取单元，用于获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；
第二计算单元，用于根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；
判断单元，用于根据所述模态频率判断所述车体是否存在异常振动。
再一方面，本发明提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例所述车体的异常振动监测方法的步骤。
又一方面，本发明提供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上述任一实施例所述车体的异常振动监测方法的步骤。
本发明实施例提供的车体的异常振动监测方法及装置，能够获得车体的振动响应，根据车体的振动响应，计算获得前预设阶数振型的模态参与因子，获取前预设阶数振型的模态参与因子的最大值对应的振型，作为主导振型，根据车体的振动响应计算获得主导振型的模态参数，根据模态频率判断车体是否存在异常振动，能够有效识别车体的异常振动，提高车体异常振动的识别精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。在附图中：
图1是本发明第一实施例提供的车体振动异常状态监测系统的结构示意图。
图2是本发明第二实施例提供的加速度传感器的安装位置示意图。
图3是本发明第三实施例提供的车体的异常振动监测方法的流程示意图。
图4是本发明第四实施例提供的车体的异常振动监测方法的流程示意图。
图5是本发明第五实施例提供的车体的异常振动监测方法的流程示意图。
图6是本发明第六实施例提供的车体的异常振动监测方法的流程示意图。
图7是本发明第七实施例提供的车体的异常振动监测方法的流程示意图。
图8是本发明第八实施例提供的车体的异常振动监测方法的流程示意图。
图9是本发明第九实施例提供的车体的异常振动监测装置的结构示意图。
图10是本发明第十实施例提供的车体的异常振动监测装置的结构示意图。
图11是本发明第十一实施例提供的车体的异常振动监测装置的结构示意图。
图12是本发明第十二实施例提供的车体的异常振动监测装置的结构示意图。
图13是本发明第十三实施例提供的车体的异常振动监测装置的结构示意图。
图14是本发明第十四实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
为了便于理解本申请提供的技术方案，下面先对本申请技术方案的相关内容进行说明。
图1是本发明第一实施例提供的车体振动异常状态监测系统的结构示意图，如图1所示，本发明实施例提供的车体振动异常状态监测系统用于对每节车厢进行异常振动的监测，包括监测主机1和两个加速度传感器2，其中；
监测主机1与每个加速度传感器2通信连接。监测主机1安装在车体内，监测主机1的具体安装位置根据实际需要进行设置，本发明实施例不做限定。每个加速度传感器2安装在车体底架上，一个加速度传感器2设置在车体的前端，另一个加速度传感器设置在车体的后端。加速度传感器2的具体安装位置根据实际需要进行设置，本发明实施例不做限定。其中，监测主机1可以采用平稳性监测装置。
每个加速度传感器2可以实时采集车体的横向振动加速度和垂向振动加速度，发送给监测主机1。监测主机1可以收集预设时间段内每个加速度传感器2在每个采样时间点的采集车体的横向振动加速度和垂向振动加速度，作为车体的振动响应。监测主机1根据车体的振动响计算获得模态频率、模态阻尼与模态参与因子，根据模态参与因子确定主导振型，然后根据主导振型的模态频率判断车体是否处于晃车、抖车等异常振动状态，并根据模态阻尼比评价车体振动异常状态的严重程度，进行分类和分级报警。监测主机1会将警报信息通过列车网络实时发送给中央控制单元(CCU)，中央控制单元可以基于警报信息采取相应的减速运行等安全措施。其中，所述横向振动加速度是指在水平面内与沿车辆行驶方向垂直的振动加速度，所述垂向振动加速度是指垂直于水平面方向的振动加速度。
图2是本发明第二实施例提供的加速度传感器的安装位置示意图，如图2所示，在Y方向上，一个加速度传感器安装在距离X轴-1米的位置，另一个加速度传感器安装在距离X轴1米的位置，在X方向上两个加速度传感器的安装位置随转向架中心的实际位置而定，根据实际经验进行设置，本发明实施例不做限定。其中，O为转向架中心。
抖车和晃车等异常振动都是轨道车辆车体的振动模态。车辆在轨道上运行时，在特定的轮轨匹配条件下，当转向架的蛇行频率与抖车或者晃车振动频率相近时，会激起车体的一阶菱形模态或上心滚摆模态，此时通过安装在车体底架的加速度传感器测量振动响应，由监测主机辨识车体的模态参数，即可识别车体振动状态是否异常，并对其严重程度进行分级。
图3是本发明第三实施例提供的车体的异常振动监测方法的流程示意图，如图3所示，本发明实施例提供的车体的异常振动监测方法，包括：
S301、获得车体的振动响应；
具体地，监测主机可以通过加速度传感器采集的车体的横向振动加速度和垂向振动加速度，获得车体的振动响应。其中，所述车体的振动响应包括预设时间段内每个采样时间点的车体的横向振动加速度和垂向振动加速度。其中，所述预设时间段根据实际需要进行设置，本发明实施例不做限定。
S302、根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；
具体地，所述监测主机在获得所述车体的振动响应之后，可以根据所述车体的振动响应计算1阶振型的模态参与因子，2阶振型的模态参与因子，以此类推，直到计算出预设阶数振型的模态参与因子。其中，所述预设阶数根据实际需要进行设置，本发明实施例不做限定。
其中，根据模态分析理论，轨道车辆作为一种复杂机械系统，其振动特性可以用模态频率、模态阻尼比和模态振型来表示。其中模态振型是指各测量点在当前模态频率下的振动形态所构成的向量，系统最终的振型是各阶模态振型由模态参与因子作为权重的线性叠加。
例如，所述预设阶数为4，那么所述监测主机会计算前4阶振型中每阶振型的模态参与因子，即计算1阶振型的模态参与因子，2阶振型的模态参与因子、3阶振型的模态参与因子和4阶振型的模态参与因子。
S303、获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；
具体地，所述监测主机在获得前预设阶数振型的模态参与因子之后，会对比各个模态参与因子的大小，获得模态参与因子的最大值作为最大模态参与因子，将模态参与因子对应的振型，作为主导振型。所述主导振型对应的阶数与所述最大模态参与因子对应的阶数相同。
S304、根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；
具体地，所述监测主机在确定主导振型之后，会根据所述车体的振动响应计算获得所述主导振型的模态参数，所述主导振型的模态参数可以包括模态频率和模态阻尼比。
S305、根据所述模态频率判断所述车体是否存在异常振动。
具体地，所述监测主机在获得所述模态频率之后，可以根据所述模态频率判断所述车体是否存在异常振动。
例如，所述监测主机判断出所述模态频率大于等于1赫兹且小于等于3赫兹，那么可以输出晃车警报信息，以提示车体出现晃车现象。所述监测主机判断出所述模态频率大于等于7赫兹且小于等于10赫兹，则输出抖车警报信息，以提示车体出现抖车现象。
本发明实施例提供的车体的异常振动监测方法，能够获得车体的振动响应，根据车体的振动响应，计算获得前预设阶数振型的模态参与因子，获取前预设阶数振型的模态参与因子的最大值对应的振型，作为主导振型，根据车体的振动响应计算获得主导振型的模态参数，根据模态频率判断车体是否存在异常振动，能够有效识别车体的异常振动，提高车体异常振动的识别准确性。
在上述各实施例的基础上，进一步地，所述根据所述模态频率判断所述车体是否存在异常振动包括：
若判断获知所述模态频率大于等于1赫兹且小于等于3赫兹，则输出晃车警报信息。
具体地，所述监测主机将所述模态频率与1Hz和3Hz分别进行比较，如果判断出所述模态频率大于等于1Hz且小于等于3Hz，那么可以输出晃车警报信息。所述监测主机可以将晃车警报信息通过车辆列车网络实时发送给中央控制单元，中央控制单元会采取相应的安全措施。
图4是本发明第四实施例提供的车体的异常振动监测方法的流程示意图，如图4所示，在上述各实施例的基础上，进一步地，所述主导振型的模态参数还包括模态阻尼比；相应地，所述输出晃车警报信息包括：
S401、若判断获知所述模态阻尼比小于第一阈值且大于第二阈值，则输出晃车预警；
具体地，所述主导振型的模态参数还包括模态阻尼比，在判断出晃车之后，所述监测主机将所述模态阻尼比与第一阈值和第二阈值进行比较，如果所述模态阻尼比小于第一阈值且大于第二阈值，那么输出晃车预警。其中，所述第一阈值大于所述第二阈值，所述第一阈值和所述第二阈值根据实际经验进行设置，本发明实施例不做限定。
S402、若判断获知所述模态阻尼比小于第二阈值，则输出晃车报警。
具体地，在判断出晃车之后，所述监测主机将所述模态阻尼比于第二阈值进行比较，如果所述模态阻尼比小于第二阈值，那么输出晃车报警。
通过模态阻尼比、晃车预警的阈值和晃车报警的阈值范围，实现了对晃车严重程度的分级，给列车降速运行、车轮镟修或轨道检修提供依据。根据模态阻尼比对异常振动的严重程度进行量化分级报警，进一步提高了车体异常振动的识别精度。可理解是，晃车报警是比晃车预警级别更高的分级警报。
在上述各实施例的基础上，进一步地，所述根据所述主导振型的模态频率判断所述车体是否存在异常振动包括：
若判断获知所述模态频率大于等于7赫兹且小于等于10赫兹，则输出抖车警报信息。
具体地，所述监测主机将所述模态频率与7Hz和10Hz分别进行比较，如果判断出所述模态频率大于等于7Hz且小于等于10Hz，那么可以输出抖车警报信息。所述监测主机可以将抖车警报信息通过车辆列车网络实时发送给中央控制单元，中央控制单元会采取相应的安全措施。
图5是本发明第五实施例提供的车体的异常振动监测方法的流程示意图，如图5所示，在上述各实施例的基础上，进一步地，所述主导振型的模态参数还包括模态阻尼比；相应地，所述输出抖车警报信息包括：
S501、若判断获知所述模态阻尼比小于第一阈值且大于第二阈值，则输出抖车预警；
具体地，所述主导振型的模态参数还包括模态阻尼比，在判断出抖车之后，所述监测主机将所述模态阻尼比与第一阈值和第二阈值进行比较，如果所述模态阻尼比小于第一阈值且大于第二阈值，那么输出抖车预警。
S502、若判断获知所述模态阻尼比小于第二阈值，则输出抖车报警。
具体地，在判断出晃车之后，所述监测主机将所述模态阻尼比与第二阈值进行比较，如果所述模态阻尼比小于第二阈值，那么输出抖车报警。
通过模态阻尼比、抖车预警的阈值和抖车报警的阈值范围，实现了对抖车严重程度的分级，给列车降速运行、车轮镟修或轨道检修提供依据。根据模态阻尼比对异常振动的严重程度进行量化分级报警，进一步提高了车体异常振动的识别精度。可理解是，抖车报警是比抖车预警级别更高的分级警报。
图6是本发明第六实施例提供的车体的异常振动监测方法的流程示意图，如图6所示，在上述各实施例的基础上，进一步地，所述根据所述车体的振动响应，计算获得前预设阶数振型的模态参与因子包括：
S601、根据所述车体的振动响应，构建振动响应矩阵；
具体地，所述监测主机根据所述车体的振动响应，构建振动响应矩阵，即将预设时间段内每个采样时间点的车体的横向振动加速度和垂向振动加速度按照采样时间的先后顺序，排列成振动响应矩阵。
例如，振动响应矩阵表示为Y＝[y(1),y(2),...]，其中，y(i)表示第i个采样时间点的横向振动加速度和垂向振动加速度，i为正整数。
S602、根据所述振动响应矩阵，建立每个采样时间点的自相关函数矩阵；
具体地，所述监测主机在获得所述振动响应矩阵之后，可以根据所述振动响应矩阵建立每个采样时间点的自相关函数矩阵。
例如，第k个采样时间点的自相关函数矩阵R(k)可以表示为
Figure BDA0002903030780000081
其中，N表示所述预设时间段内采样时间点的数量，Y为振动响应矩阵，k为自然数，k小于N。
S603、根据各个采样时间点的自相关函数矩阵建立汉克尔矩阵块，并根据模态振型矩阵和当前阶数振型对应的离散时间极点对角矩阵建立当前阶数振型对应振型信息矩阵；
具体地，所述监测主机将各个采样时间点的自相关函数矩阵，按照采样时间的先后顺序进行排列，建立汉克尔(Hankel)矩阵块。所述监测主机还会根据模态振型矩阵和当前阶数振型对应的对角矩阵建立当前阶数振型对应振型信息矩阵。
其中，模态振型矩阵
Figure BDA0002903030780000082
其中，nr表示采样通道数，na表示AR(自回归)模型阶数，F表示Hankel矩阵块。
对矩阵A进行特征值分解得到各阶特征根λ1、λ2……λn，离散时间极点
Figure BDA0002903030780000083
Δt为采样时间间隔，k为离散采样点，s为正整数且s小于等于n。各阶离散时间极点μ1、μ2……μn可以构成对角矩阵。
例如，Hankel矩阵块F可以表示为F＝[R(0),R(1),R(2),...,R(N-1)]，其中，R(k)表示第k个采样时间点的自相关函数矩阵，k为自然数，k小于等于N-1。
例如，当前阶数振型对应的振型信息矩阵M可以表示为M＝[[μn]0AT,[μn]1AT,[μn]2AT,...,[μn]kAT]，其中，n表示当前阶数，即当前的模态阶数，[μn]表示当前阶数振型对应的对角矩阵，A表示模态振型矩阵，k为自然数，k小于N，N表示所述预设时间段内采样时间点的数量。
S604、根据所述汉克尔矩阵块和所述振型信息矩阵，建立模态振型参与向量方程；
具体地，所述监测主机在获得所述汉克尔矩阵块和所述振型信息矩阵之后，可以根据所述汉克尔矩阵块和所述振型信息矩阵，建立模态振型参与向量方程。
例如，所述模态振型参与向量方程可以表示如下：
F＝2πΓM (1)
其中，F为Hankel矩阵块，M为当前阶数振型对应的振型信息矩阵，矩阵Γ包括模态振型参与向量γ，Γ＝[γ1 γ2 … γn]。
S605、求解所述模态振型参与向量方程，获得模态振型参与向量的估计；
具体地，所述监测主机可以通过奇异值分解(SVD)法求解所述模态振型参与向量方程，计算出模态振型参与向量的估计。
例如，通过SVD法求解模态振型参与向量方程F＝2πΓM，可以获得模态振型参与向量的估计
Figure BDA0002903030780000091
其中，F为Hankel矩阵块，+表示矩阵的伪逆。
S606、根据第一个采样时间点的自相关函数矩阵和振型参与的标量表达式，计算获得振型参与的标量；其中，所述第一个采样时间点的自相关函数矩阵包括模态振型参与向量的估计，所述振型参与的标量表达式包括振型参与因子的估计和所述振型参与的标量，所述模态振型参与向量的估计包括所述振型参与因子的估计；
具体地，所述监测主机可以获得第一个采样时间点的自相关函数矩阵和振型参与的标量表达式，根据第一个采样时间点的自相关函数矩阵和振型参与的标量表达式，可以计算获得振型参与的标量。其中，所述第一个采样时间点的自相关函数矩阵包括模态振型参与向量的估计，所述振型参与的标量表达式包括振型参与因子的估计和所述振型参与的标量，所述模态振型参与向量的估计包括所述振型参与因子的估计。
例如，第一个采样时间点的自相关函数矩阵表示如下：
Figure BDA0002903030780000092
其中，
Figure BDA0002903030780000093
表示第一个采样时间点的自相关函数矩阵，
Figure BDA0002903030780000094
表示模态振型参与向量的估计，[μn]表示当前阶数振型对应的对角矩阵，A表示模态振型矩阵。
通过(2)以及Γ＝[γ1 γ2 … γn]可以求得各阶模态参与因子的估计值
Figure BDA0002903030780000101
Figure BDA0002903030780000102
振型参与的标量表达式表示如下：
Figure BDA0002903030780000103
其中，pn表示当前阶数n对应的振型参与的标量，H表示共轭转置。
将计算获得的
Figure BDA0002903030780000104
代入到公式(3)中，即可计算获得当前阶数n对应的振型参与的标量pn。
S607、根据所述振型参与的标量以及模态振型参与因子计算公式，计算获得所述模态参与因子；其中，所述模态振型参与因子计算公式是预设的。
具体地，所述监测主机在获得所述振型参与的标量之后，将所述振型参与的标量代入到模态振型参与因子计算公式中，可以计算获得所述模态参与因子。其中，模态振型参与因子计算公式是预设的。
例如，模态振型参与因子计算公式为：
Figure BDA0002903030780000105
其中，χn表示当前阶数n对应的模态振型参与因子，pn表示当前阶数n对应的振型参与的标量，P＝[p1 p2 … pn]表示各阶振型参与标量组成的向量。
以上是n阶振型的模态参与因子的计算过程，对于每阶振型的模态参与因子都可以依据步骤S601至S607的过程计算获得。
图7是本发明第七实施例提供的车体的异常振动监测方法的流程示意图，如图7所示，在上述各实施例的基础上，进一步地，所述根据所述车体的振动响应计算获得所述主导振型的模态参数包括：
S701、根据所述车体的振动响应以及自回归系数矩阵，构建自回归模型；
具体地，所述监测主机可以根据所述车体的振动响应以及自回归系数矩阵，构建自回归模型。
例如，车体的第i个采样时间点的振动响应y(i)的自回归模型表示如下：
y(i)-B1y(i-1)-B2y(i-2)-...-Bnay(i-na)＝0
其中，Bj表示自回归系数矩阵，j为正整数且j小于等于na，na表示自回归模型的阶数，可根据监测主机计算能力选择，i为正整数且k小于等于N，N表示所述预设时间段内采样时间点的数量。
S702、根据所述车体的振动响应，建立第一汉克尔矩阵和第二汉克尔矩阵；
具体地，所述监测主机可以根据所述车体的振动响应，建立第一汉克尔矩阵，还可以根据所述车体的振动响应建立第二汉克尔矩阵。
例如，第一汉克尔矩阵H1表示为：
Figure BDA0002903030780000111
第二汉克尔矩阵H2表示为H2＝[y(na+1) y(na+2) ... y(np)]。
其中，na表示自回归模型的阶数，np表示所述预设时间段内采样时间点的数量。
S703、根据所述自回归系数矩阵，建立中间矩阵；
具体地，所述监测主机将各个自回归系数矩阵组合在一起，成为一个新的矩阵，中间矩阵。
例如，中间矩阵B表示为B＝[Bna,Bna-1,...B1]，其中，Bj表示自回归系数矩阵，j为正整数且j小于等于na。
S704、根据所述第一汉克尔矩阵、所述第二汉克尔矩阵和所述中间矩阵，构建最小二乘方程；
具体地，所述监测主机根据所述第一汉克尔矩阵、所述第二汉克尔矩阵和所述中间矩阵，构建最小二乘方程。
例如，所述最小二乘方程表示如下：
BH1＝H2 (4)
其中，B为中间矩阵，H1为第一汉克尔矩阵，H2为第二汉克尔矩阵。
S705、求解所述最小二乘方程，获得中间矩阵的估计值；
具体地，所述监测主机求解所述最小二乘方程，可以计算获得中间矩阵的估计值。
例如，对公式(4)进行求解，可以计算获得
Figure BDA0002903030780000112
其中，H2为第二汉克尔矩阵，H1为第一汉克尔矩阵，+表示矩阵的伪逆。
S706、根据所述中间矩阵的估计值对所述中间矩阵进行特征值分解，获得复数特征根；具体地，所述监测主机在获得所述中间矩阵的估计值之后，通过所述中间矩阵的估计值对所述中间矩阵进行特征值分解，得到各阶复数特征根。
例如，复数特征根表示为λn＝αn+iβn，其中，α表示复数特征根的实部，β表示复数特征根的虚部，n表示阶数。
S707、根据所述复数特征根以及预设公式，获得所述主导振型的模态参数。具体地，所述监测主机在获得所述复数特征根之后，可以根据所述复数特征根以及预设公式计算获得所述主导振型的模态参数，能够获得所述主导振型的模态频率和模态阻尼比。
例如，所述预设公式为：
ωdn＝|βn|
Figure BDA0002903030780000121
其中，ωdn表示第n阶模态频率，ζn表示第n阶模态阻尼比，βn表示第n阶复数特征根的虚部，αn表示第n阶复数特征根的实部，
Figure BDA0002903030780000122
ω0n表示第n阶模态的无阻尼固有频率。当n等于主导振型的阶数时，即可计算出主导振型的模态频率和模态阻尼比。
图8是本发明第八实施例提供的车体的异常振动监测方法的流程示意图，如图8所示，本发明实施例提供的车体的异常振动监测方法的实现流程如下：
第一步、获得车体的振动响应。监测主机可以通过加速度传感器采集的车体的横向振动加速度和垂向振动加速度，获得车体的振动响应。
第二步、计算模态参与因子。监测主机根据车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子。
第三步、确定主导振型。监测主机获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型
第四步、判断模态频率范围。监测主机根据车体的振动响应计算获得主导振型的模态参数。主导振型的模态参数包括模态频率和模态阻尼比。然后判断模态频率是否大于等于1赫兹且小于等于3赫兹，如果模态频率大于等于1赫兹且小于等于3赫兹，那么进入第五步；判断模态频率是否大于等于7赫兹且小于等于10赫兹，如果模态频率大于等于7赫兹且小于等于10赫兹，那么进入第八步。如果模态频率不在上述两个频率范围内，说明车体不存在异常振动。
第五步、判断模态阻尼比范围。监测主机判断模态阻尼比是否小于第一阈值且大于第二阈值，如果模态阻尼比小于第一阈值且大于第二阈值，那么进入第六步。监测主机判断模态阻尼比是否小于第二阈值，如果模态阻尼比小于第二阈值，那么进入第七步。如果模态阻尼比不在上述两个阈值范围内，说明车体不存在晃车现象。
第六步、进行晃车预警。监测主机进行晃车预警，可以通过车辆列车网络实时发送晃车预警给中央控制单元。
第七步、进行晃车报警。监测主机进行晃车报警，可以通过车辆列车网络实时发送晃车报警给中央控制单元。
第八步、判断模态阻尼比范围。监测主机判断模态阻尼比是否小于第一阈值且大于第二阈值，如果模态阻尼比小于第一阈值且大于第二阈值，那么进入第九步。监测主机判断模态阻尼比是否小于第二阈值，如果模态阻尼比小于第二阈值，那么进入第十步。如果模态阻尼比不在上述两个阈值范围内，说明车体不存在抖车现象。
第九步、进行抖车预警。监测主机进行抖车预警，可以通过车辆列车网络实时发送抖车预警给中央控制单元。
第十步、进行抖车报警。监测主机进行抖车报警，可以通过车辆列车网络实时发送抖车报警给中央控制单元。
本发明实施例提供的车体的异常振动监测方法，适用于对轨道车辆的异常振动的监测，特别是动车组和高铁这类高速列车的车体的异常振动的监测。
晃车和抖车的激励均来自特定线路状态下的轮轨接触，通过对车体的异常振动监测除了保障列车运行安全性和乘坐舒适性外，还可与车轮镟修和轨道打磨进行关联应用，提高车辆运用的经济性。
抖车和失稳现象主要发生在车轮镟修的后期，车载监测数据和报警结果可与地面车轮检修运用状态关联，给车轮镟修时间提示或镟修周期的制定提供依据，直接提高车辆运用的经济性。
晃车现象主要发生在车轮镟修初期，车载监测报警后，运用中需要车辆、工务部门联动，对晃车的位置进行识别和统计分析，隔离轨道和车辆因素，以便定位车轮镟修质量低或轨道状态不良等原因，可间接提高车辆运用的经济性。
图9是本发明第九实施例提供的车体的异常振动监测装置的结构示意图，如图9所示，本发明实施例提供的车体的异常振动监测装置包括获得单元901、第一计算单元902、获取单元903、第二计算单元904和判断单元905，其中：
获得单元901用于获得车体的振动响应；第一计算单元902用于根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；获取单元903用于获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；第二计算单元904用于根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；判断单元905用于根据所述模态频率判断所述车体是否存在异常振动。
具体地，获得单元901可以通过加速度传感器采集的车体的横向振动加速度和垂向振动加速度，获得车体的振动响应。其中，所述车体的振动响应包括预设时间段内每个采样时间点的车体的横向振动加速度和垂向振动加速度。其中，所述预设时间段根据实际需要进行设置，本发明实施例不做限定。
在获得所述车体的振动响应之后，第一计算单元902可以根据所述车体的振动响应计算1阶振型的模态参与因子，2阶振型的模态参与因子，以此类推，直到计算出预设阶数振型的模态参与因子。其中，所述预设阶数根据实际需要进行设置，本发明实施例不做限定。
在获得前预设阶数振型的模态参与因子之后，获取单元903会对比各个模态参与因子的大小，获得模态参与因子的最大值作为最大模态参与因子，将模态参与因子对应的振型，作为主导振型。所述主导振型对应的阶数与所述最大模态参与因子对应的阶数相同。
在确定主导振型之后，第二计算单元904会根据所述车体的振动响应计算获得所述主导振型的模态参数，所述主导振型的模态参数可以包括模态频率和模态阻尼比。
在获得所述模态频率之后，判断单元905可以根据所述模态频率判断所述车体是否存在异常振动。
本发明实施例提供的车体的异常振动监测装置，能够获得车体的振动响应，根据车体的振动响应，计算获得前预设阶数振型的模态参与因子，获取前预设阶数振型的模态参与因子的最大值对应的振型，作为主导振型，根据车体的振动响应计算获得主导振型的模态参数，根据模态频率判断车体是否存在异常振动，能够有效识别车体的异常振动，提高车体异常振动的识别准确性。
在上述各实施例的基础上，进一步地，判断单元905具体用于：
在判断获知所述模态频率大于等于1赫兹且小于等于3赫兹之后，输出晃车警报信息。
具体地，判断单元905将所述模态频率与1Hz和3Hz分别进行比较，如果判断出所述模态频率大于等于1Hz且小于等于3Hz，那么可以输出晃车警报信息。判断单元905可以将晃车警报信息通过车辆列车网络实时发送给中央控制单元，中央控制单元会采取相应的安全措施。
图10是本发明第十实施例提供的车体的异常振动监测装置的结构示意图，如图10所示，在上述各实施例的基础上，进一步地，所述主导振型的模态参数还包括模态阻尼比；相应地，判断单元905包括第一判断子单元9051和第二判断子单元9052，其中：
第一判断子单元9051用于在判断获知所述模态阻尼比小于第一阈值且大于第二阈值之后，输出晃车预警；第二判断子单元9052用于在判断获知所述模态阻尼比小于第二阈值后，输出晃车报警。
具体地，所述主导振型的模态参数还包括模态阻尼比，在判断出晃车之后，第一判断子单元9051将所述模态阻尼比与第一阈值和第二阈值进行比较，如果所述模态阻尼比小于第一阈值且大于第二阈值，那么输出晃车预警。其中，所述第一阈值大于所述第二阈值，所述第一阈值和所述第二阈值根据实际经验进行设置，本发明实施例不做限定。
在判断出晃车之后，第二判断子单元9052将所述模态阻尼比分别与第二阈值进行比较，如果所述模态阻尼小于第二阈值，那么输出晃车报警。
在上述各实施例的基础上，进一步地，判断单元905具体用于：
在判断获知所述模态频率大于等于7赫兹且小于等于10赫兹之后，输出抖车警报信息。
具体地，判断单元905将所述模态频率与7Hz和10Hz分别进行比较，如果判断出所述模态频率大于等于7Hz且小于等于10Hz，那么可以输出抖车警报信息。判断单元905可以将抖车警报信息通过车辆列车网络实时发送给中央控制单元，中央控制单元会采取相应的安全措施。
图11是本发明第十一实施例提供的车体的异常振动监测装置的结构示意图，如图11所示，在上述各实施例的基础上，进一步地，所述主导振型的模态参数还包括模态阻尼比；相应地，判断单元905包括第三判断子单元9053和第四判断子单元9054，其中：
第三判断子单元9053用于在判断获知所述模态阻尼比小于第一阈值且大于第二阈值之后，输出抖车预警；第四判断子单元9054用于在判断获知所述模态阻尼比小于第二阈值之后，输出抖车报警。
具体地，所述主导振型的模态参数还包括模态阻尼比，在判断出抖车之后，第三判断子单元9053将所述模态阻尼比与第一阈值和第二阈值进行比较，如果所述模态阻尼比小于第一阈值且大于第二阈值，那么输出抖车预警。
在判断出晃车之后，第四判断子单元9054将所述模态阻尼比分别与第一阈值和第二阈值进行比较，如果所述模态阻尼比小于第二阈值，那么输出抖车报警。
图12是本发明第十二实施例提供的车体的异常振动监测装置的结构示意图，如图12所示，在上述各实施例的基础上，进一步地，第一计算单元902包括第一构建子单元9021、第一建立子单元9022、第二建立子单元9023、第三建立子单元9024、第一求解子单元9025、第一计算子单元9026和第二计算在单元9027，其中：
第一构建子单元9021用于根据所述车体的振动响应，构建振动响应矩阵；第一建立子单元9022用于根据所述振动响应矩阵，建立每个采样时间点的自相关函数矩阵；第二建立子单元9023用于根据各个采样时间点的自相关函数矩阵建立汉克尔矩阵块，并根据模态振型矩阵和当前阶数振型对应的对角矩阵建立当前阶数振型对应振型信息矩阵；第三建立子单元9024用于根据所述汉克尔矩阵块和所述振型信息矩阵，建立模态振型参与向量方程；第一求解子单元9025用于求解所述模态振型参与向量方程，获得模态振型参与向量的估计；第一计算子单元9026用于根据第一个采样时间点的自相关函数矩阵和振型参与的标量表达式，计算获得振型参与的标量；其中，所述第一个采样时间点的自相关函数矩阵包括模态振型参与向量的估计，所述振型参与的标量表达式包括振型参与因子的估计和所述振型参与的标量，所述模态振型参与向量的估计包括所述振型参与因子的估计；第二计算在单元9027用于根据所述振型参与的标量以及模态振型参与因子计算公式，计算获得所述模态参与因子；其中，所述模态振型参与因子计算公式是预设的。
具体地，第一构建子单元9021根据所述车体的振动响应，构建振动响应矩阵，即将预设时间段内每个采样时间点的车体的横向振动加速度和垂向振动加速度按照采样时间的先后顺序，排列成振动响应矩阵。
在获得所述振动响应矩阵之后，第一建立子单元9022可以根据所述振动响应矩阵建立每个采样时间点的自相关函数矩阵。
第二建立子单元9023将各个采样时间点的自相关函数矩阵，按照采样时间的先后顺序进行排列，建立汉克尔(Hankel)矩阵块。第二建立子单元9023还会根据模态振型矩阵和当前阶数振型对应的对角矩阵建立当前阶数振型对应振型信息矩阵。
在获得所述汉克尔矩阵块和所述振型信息矩阵之后，第三建立子单元9024可以根据所述汉克尔矩阵块和所述振型信息矩阵，建立模态振型参与向量方程。
第一求解子单元9025可以通过奇异值分解(SVD)法求解所述模态振型参与向量方程，计算出模态振型参与向量的估计。
第一计算子单元9026可以获得第一个采样时间点的自相关函数矩阵和振型参与的标量表达式，根据第一个采样时间点的自相关函数矩阵和振型参与的标量表达式，可以计算获得振型参与的标量。其中，所述第一个采样时间点的自相关函数矩阵包括模态振型参与向量的估计，所述振型参与的标量表达式包括振型参与因子的估计和所述振型参与的标量，所述模态振型参与向量的估计包括所述振型参与因子的估计。
在获得所述振型参与的标量之后，第二计算在单元9027将所述振型参与的标量代入到模态振型参与因子计算公式中，可以计算获得所述模态参与因子。其中，模态振型参与因子计算公式是预设的。
图13是本发明第十三实施例提供的车体的异常振动监测装置的结构示意图，如图13所示，在上述各实施例的基础上，进一步地，第二计算单元904包括第二构建子单元9041、第四建立子单元9042、第五建立子单元9043、第三构建子单元9044、第二求解子单元9045、第一获得子单元9046和第二获得子单元9047，其中：
第二构建子单元9041用于根据所述车体的振动响应以及自回归系数矩阵，构建自回归模型；第四建立子单元9042用于根据所述车体的振动响应，建立第一汉克尔矩阵和第二汉克尔矩阵；第五建立子单元9043用于根据所述自回归系数矩阵，建立中间矩阵；第三构建子单元9044用于根据所述第一汉克尔矩阵、所述第二汉克尔矩阵和所述中间矩阵，构建最小二乘方程；第二求解子单元9045用于求解所述最小二乘方程，获得中间矩阵的估计值；第一获得子单元9046用于根据所述中间矩阵的估计值对所述中间矩阵进行特征值分解，获得复数特征根；第二获得子单元9047用于根据所述复数特征根以及预设公式，获得所述主导振型的模态参数。
具体地，第二构建子单元9041可以根据所述车体的振动响应以及自回归系数矩阵，构建自回归模型。
第四建立子单元9042可以根据所述车体的振动响应，建立第一汉克尔矩阵，还可以根据所述车体的振动响应建立第二汉克尔矩阵。
第五建立子单元9043将各个自回归系数矩阵组合在一起，成为一个新的矩阵，中间矩阵。
第三构建子单元9044根据所述第一汉克尔矩阵、所述第二汉克尔矩阵和所述中间矩阵，构建最小二乘方程。
第二求解子单元9045求解所述最小二乘方程，可以计算获得中间矩阵的估计值。
第一获得子单元9046在获得所述中间矩阵的估计值之后，通过所述中间矩阵的估计值对所述中间矩阵进行特征值分解，得到各阶复数特征根。
第二获得子单元9047在获得所述复数特征根之后，可以根据所述复数特征根以及预设公式计算获得所述主导振型的模态参数，能够获得所述主导振型的模态频率和模态阻尼比。
本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
图14是本发明第十四实施例提供的电子设备的实体结构示意图，如图14所示，该电子设备可以包括：处理器(processor)1401、通信接口(Communications Interface)1402、存储器(memory)1403和通信总线1404，其中，处理器1401，通信接口1402，存储器1403通过通信总线1404完成相互间的通信。处理器1401可以调用存储器1403中的逻辑指令，以执行如下方法：获得车体的振动响应；根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；根据所述模态频率判断所述车体是否存在异常振动。
此外，上述的存储器1403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获得车体的振动响应；根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；根据所述模态频率判断所述车体是否存在异常振动。
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：获得车体的振动响应；根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；根据所述模态频率判断所述车体是否存在异常振动。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“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。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种车体的异常振动监测方法，其特征在于，包括：
获得车体的振动响应；
根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；
获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；
根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；
根据所述模态频率判断所述车体是否存在异常振动；
其中，所述根据所述车体的振动响应计算获得所述主导振型的模态参数包括：
根据所述车体的振动响应以及自回归系数矩阵，构建自回归模型；
根据所述车体的振动响应，建立第一汉克尔矩阵和第二汉克尔矩阵；
根据所述自回归系数矩阵，建立中间矩阵；
根据所述第一汉克尔矩阵、所述第二汉克尔矩阵和所述中间矩阵，构建最小二乘方程；
求解所述最小二乘方程，获得中间矩阵的估计值；
根据所述中间矩阵的估计值对所述中间矩阵进行特征值分解，获得复数特征根；
根据所述复数特征根以及预设公式，获得所述主导振型的模态参数。
2.根据权利要求1所述的方法，其特征在于，所述根据所述模态频率判断所述车体是否存在异常振动包括：
若判断获知所述模态频率大于等于1赫兹且小于等于3赫兹，则输出晃车警报信息。
3.根据权利要求2所述的方法，其特征在于，所述主导振型的模态参数还包括模态阻尼比；相应地，所述输出晃车警报信息包括：
若判断获知所述模态阻尼比小于第一阈值且大于第二阈值，则输出晃车预警；
若判断获知所述模态阻尼比小于所述第二阈值，则输出晃车报警。
4.根据权利要求1所述的方法，其特征在于，所述根据所述主导振型的模态频率判断所述车体是否存在异常振动包括：
若判断获知所述模态频率大于等于7赫兹且小于等于10赫兹，则输出抖车警报信息。
5.根据权利要求4所述的方法，其特征在于，所述主导振型的模态参数还包括模态阻尼比；相应地，所述输出抖车警报信息包括：
若判断获知所述模态阻尼比小于第一阈值且大于第二阈值，则输出抖车预警；
若判断获知所述模态阻尼比小于第二阈值，则输出抖车报警。
6.根据权利要求1所述的方法，其特征在于，所述根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子包括：
根据所述车体的振动响应，构建振动响应矩阵；
根据所述振动响应矩阵，建立每个采样时间点的自相关函数矩阵；
根据各个采样时间点的自相关函数矩阵建立汉克尔矩阵块，并根据模态振型矩阵和当前阶数振型对应的对角矩阵建立当前阶数振型对应振型信息矩阵；
根据所述汉克尔矩阵块和所述振型信息矩阵，建立模态振型参与向量方程；
求解所述模态振型参与向量方程，获得模态振型参与向量的估计；
根据第一个采样时间点的自相关函数矩阵和振型参与的标量表达式，计算获得振型参与的标量；其中，所述第一个采样时间点的自相关函数矩阵包括模态振型参与向量的估计，所述振型参与的标量表达式包括振型参与因子的估计和所述振型参与的标量，所述模态振型参与向量的估计包括所述振型参与因子的估计；
根据所述振型参与的标量以及模态振型参与因子计算公式，计算获得所述模态参与因子；其中，所述模态振型参与因子计算公式是预设的。
7.一种车体的异常振动监测装置，其特征在于，包括：
获得单元，用于获得车体的振动响应；
第一计算单元，用于根据所述车体的振动响应，计算获得前预设阶数振型中每阶振型的模态参与因子；
获取单元，用于获取各个模态参与因子中的最大模态参与因子对应的振型，作为主导振型；
第二计算单元，用于根据所述车体的振动响应计算获得所述主导振型的模态参数；其中，所述主导振型的模态参数包括模态频率；
判断单元，用于根据所述模态频率判断所述车体是否存在异常振动；
其中，所述第二计算单元包括：
第二构建子单元，用于根据所述车体的振动响应以及自回归系数矩阵，构建自回归模型；
第四建立子单元，用于根据所述车体的振动响应，建立第一汉克尔矩阵和第二汉克尔矩阵；
第五建立子单元，用于根据所述自回归系数矩阵，建立中间矩阵；
第三构建子单元，用于根据所述第一汉克尔矩阵、所述第二汉克尔矩阵和所述中间矩阵，构建最小二乘方程；
第二求解子单元，用于求解所述最小二乘方程，获得中间矩阵的估计值；
第一获得子单元，用于根据所述中间矩阵的估计值对所述中间矩阵进行特征值分解，获得复数特征根；
第二获得子单元，用于根据所述复数特征根以及预设公式，获得所述主导振型的模态参数。
8.根据权利要求7所述的装置，其特征在于，所述判断单元具体用于：
在判断获知所述模态频率大于等于1赫兹且小于等于3赫兹之后，输出晃车警报信息。
9.根据权利要求8所述的装置，其特征在于，所述主导振型的模态参数还包括模态阻尼比；相应地，所述判断单元包括：
第一判断子单元，用于在判断获知所述模态阻尼比小于第一阈值且大于第二阈值之后，输出晃车预警；
第二判断子单元，用于在判断获知所述模态阻尼比小于所述第二阈值之后，输出晃车报警。
10.根据权利要求7所述的装置，其特征在于，所述判断单元具体用于：
在判断获知所述模态频率大于等于7赫兹且小于等于10赫兹之后，输出抖车警报信息。
11.根据权利要求10所述的装置，其特征在于，所述主导振型的模态参数还包括模态阻尼比；相应地，所述判断单元包括：
第三判断子单元，用于在判断获知所述模态阻尼比小于第一阈值且大于第二阈值之后，输出抖车预警；
第四判断子单元，用于在判断获知所述模态阻尼比小于所述第二阈值之后，输出抖车报警。
12.根据权利要求7所述的装置，其特征在于，所述第一计算单元包括：
第一构建子单元，用于根据所述车体的振动响应，构建振动响应矩阵；
第一建立子单元，用于根据所述振动响应矩阵，建立每个采样时间点的自相关函数矩阵；
第二建立子单元，用于根据各个采样时间点的自相关函数矩阵建立汉克尔矩阵块，并根据模态振型矩阵和当前阶数振型对应的对角矩阵建立当前阶数振型对应振型信息矩阵；
第三建立子单元，用于根据所述汉克尔矩阵块和所述振型信息矩阵，建立模态振型参与向量方程；
第一求解子单元，用于求解所述模态振型参与向量方程，获得模态振型参与向量的估计；
第一计算子单元，用于根据第一个采样时间点的自相关函数矩阵和振型参与的标量表达式，计算获得振型参与的标量；其中，所述第一个采样时间点的自相关函数矩阵包括模态振型参与向量的估计，所述振型参与的标量表达式包括振型参与因子的估计和所述振型参与的标量，所述模态振型参与向量的估计包括所述振型参与因子的估计；
第二计算在单元，用于根据所述振型参与的标量以及模态振型参与因子计算公式，计算获得所述模态参与因子；其中，所述模态振型参与因子计算公式是预设的。
13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述方法的步骤。
14.一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权利要求1至6任一项所述方法的步骤。
CN202110063006.3A 2021-01-18 2021-01-18 一种车体的异常振动监测方法及装置 Active CN112834243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110063006.3A CN112834243B (zh) 2021-01-18 2021-01-18 一种车体的异常振动监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110063006.3A CN112834243B (zh) 2021-01-18 2021-01-18 一种车体的异常振动监测方法及装置

Publications (2)

Publication Number Publication Date
CN112834243A CN112834243A (zh) 2021-05-25
CN112834243B true CN112834243B (zh) 2022-12-20

Family

ID=75928455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110063006.3A Active CN112834243B (zh) 2021-01-18 2021-01-18 一种车体的异常振动监测方法及装置

Country Status (1)

Country Link
CN (1) CN112834243B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113532636B (zh) * 2021-08-19 2024-03-12 中国铁道科学研究院集团有限公司 一种低频周期性晃车的检测方法、装置、设备和存储介质
CN114179858B (zh) * 2021-09-16 2023-12-05 中国国家铁路集团有限公司 基于车轮健康状态的车轮镟修方法及装置
CN115982625B (zh) * 2023-01-06 2023-10-03 哈尔滨工业大学（深圳） 一种基于先验信息的长期工作模态分析方法及检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6779404B1 (en) * 1999-11-03 2004-08-24 Rune Brincker Method for vibration analysis
CN105824238A (zh) * 2016-03-17 2016-08-03 同济大学 一种高速动车组车体弹性模态振动控制方法
CN110782041A (zh) * 2019-10-18 2020-02-11 哈尔滨工业大学 一种基于机器学习的结构模态参数识别方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104133950B (zh) * 2014-07-17 2018-04-20 浙江工业大学 一种悬臂梁运行模态分析实验方法及装置
CN107133195B (zh) * 2017-04-14 2019-08-09 大连理工大学 一种工程结构模态识别的模型定阶方法
CN109682561B (zh) * 2019-02-19 2020-06-16 大连理工大学 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6779404B1 (en) * 1999-11-03 2004-08-24 Rune Brincker Method for vibration analysis
CN105824238A (zh) * 2016-03-17 2016-08-03 同济大学 一种高速动车组车体弹性模态振动控制方法
CN110782041A (zh) * 2019-10-18 2020-02-11 哈尔滨工业大学 一种基于机器学习的结构模态参数识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于模态分析理论的桥梁结构损伤识别研究;刘利军;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20040915(第03期);第I页摘要，第39页倒数第3段-第40页第1段 *
服役环境下动车组车体振动与疲劳研究;李凡松;《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》;20181015(第10期);第34页第3.1节 *

Also Published As

Publication number Publication date
CN112834243A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN112834243B (zh) 一种车体的异常振动监测方法及装置
KR101912109B1 (ko) 노면에서 단기적 불규칙성의 검출
EP3617647B1 (en) Road surface profile estimating device, road surface profile estimating system, road surface profile estimating method, and road surface profile estimating program
Boada et al. Sensor fusion based on a dual Kalman filter for estimation of road irregularities and vehicle mass under static and dynamic conditions
US10132674B2 (en) Loading weight detection device for weighing cargo of a mobile body
CN113748030A (zh) 用于车辆轮胎性能建模和反馈的系统和方法
US10502567B2 (en) Roll angle estimation device and transport apparatus
US8958975B2 (en) Motor-vehicle driving style estimating system and method
US8554511B2 (en) Apparatus, method and program for vehicle mass estimation
CN103661394A (zh) 道路坡度估计仲裁
CN101480946B (zh) 一种基于轮载式智能传感车轮制动性能监测方法
WO2011145332A1 (ja) 重心検知装置
CN103661393A (zh) 运动学道路坡度估计
CN103661395A (zh) 动态道路坡度估计
CN103661352A (zh) 静态道路坡度估计
CN106494407B (zh) 判断汽车行驶状态的分析方法及装置
CN110446619A (zh) 用于确定车辆车轮上的车轮载荷的方法和设备
CN109641496A (zh) 用于确定车轮载荷的方法和设备以及用于确定车辆重量的方法和设备
De Bruyne et al. Online estimation of vehicle inertial parameters for improving chassis control systems
CN110409234A (zh) 一种高速铁路钢轨平顺度动态检测方法和装置
CN109204318A (zh) 一种判断车辆急速变道的方法及终端设备
CN112997225A (zh) 路面纵断面推断装置、路面纵断面推断系统、路面纵断面推断方法以及路面纵断面推断程序
CN108228994A (zh) 在越野道路随机激励下车辆及工作装置的应力计算方法
CN112829761A (zh) 车辆侧滑角估计系统和方法
CN103076188B (zh) 基于跌落实验单自由度车辆模型的车辆参数识别方法

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
GR01 Patent grant
GR01 Patent grant