CN112991577B - 一种轨道车辆车轮多边形状态诊断系统 - Google Patents

Abstract

本发明公开了一种轨道车辆车轮多边形状态诊断系统，包括数据采集模块，数据处理模块，车轮多边形阶次诊断模块，车轮多边形深度诊断模块；数据处理模块，用于对数据采集模块采集的轨道车辆走行部状态监测数据进行数据预处理和分析，获得特征参数；车轮多边形阶次诊断模块，用于根据特征参数，利用车轮多边形阶次诊断模型，获得车轮多边形的主导阶次M及阶次向量P；车轮多边形深度诊断模块，用于根据特征参数和车轮多边形的主导阶次M及阶次向量P，利用深度诊断模型进行计算，获得车轮的径跳量和车轮廓形，及生成车轮多边形深度诊断结果文件。本发明提高了车轮多边形检修效率，精确指导用户进行车轮镟修。

Description

一种轨道车辆车轮多边形状态诊断系统

技术领域

本发明涉及轨道车辆车轮安全状态监测技术领域，具体涉及一种轨道车辆车轮多边形状态诊断系统。

背景技术

铁道车辆运行过程中，车轮受到轮轨力等强作用力的影响，产生磨耗和变形，车轮不能维持原有的圆整廓形，沿圆周方向呈现出多边形化不圆顺的现象，这种现象被称作车轮多边形化。车轮多边形化会极大的增加垂向的轮轨接触力，从而导致疲劳并缩短轨道和车辆零部件(例如轮对轴承，齿轮箱，螺栓，紧固件)的使用寿命，严重影响车辆的运行安全。因此，需要定期对车轮多边形化的程度进行诊断，确定车轮多边形状态。

检测车轮多边形状态目前有两种较为常用的方法，其一是通过车轮粗糙度测量系统分析车轮多边形，该方法精度高，能准确的测量出车轮的多边形状态，但是该系统需对轮对进行顶轮作业后方能使用，耗费的人力工时较大，影响车辆的正线运营效率；其二是基于轨旁设备检测出垂向轮轨力进而推测出车轮多边形，但是该方法受轨旁设备布置方式的影响较大，且只能获取载荷信息，对车轮多边形状态的诊断结果精度较低且不直观。

发明内容

本发明所要解决的技术问题是针对现有车轮多边形监测技术的缺陷进行改进，提供一种轨道车辆车轮多边形状态诊断系统，本发明的第一个目的在于通过车载设备采集轴箱振动数据，提高车轮多边形检修效率；本发明的第二个目的在于通过对车轮多边形阶次和深度的诊断，精确直观的指导用户进行车轮镟修。

本发明通过下述技术方案实现：

一种轨道车辆车轮多边形状态诊断系统，该系统包括：数据采集模块，数据处理模块，车轮多边形阶次诊断模块，车轮多边形深度诊断模块，报警及运维建议模块；

所述数据采集模块，用于获取轨道车辆走行部状态监测数据；

所述数据处理模块，用于对所述轨道车辆走行部状态监测数据进行数据预处理和数据分析，获得特征参数；

所述车轮多边形阶次诊断模块，用于构建车轮多边形阶次诊断模型，并根据所述特征参数，利用所述车轮多边形阶次诊断模型，获得车轮多边形的主导阶次M及阶次向量P，作为阶次诊断结果；

所述车轮多边形深度诊断模块，用于构建车轮多边形深度诊断模型，并根据所述主导阶次M和主导向量P，利用所述深度诊断模型进行计算，获得车轮的径跳量J和车轮廓形，生成车轮多边形深度诊断结果文件；其中，所述车轮多边形深度指车轮径跳量，所述车轮径跳量J是指车轮滚动圆位置的径向圆跳动值；所述车轮廓形是指拟合得出的车轮滚动圆位置的轮径值函数；

所述报警及运维建议模块，以上述诊断结果为输入，通过对诊断结果所含信息进行综合判断后，输出运维建议信息，辅助机务段进行车轮镟修运维。

工作原理是：现有车轮多边形状态检测方法，其一是通过车轮粗糙度测量系统分析车轮多边形，该方法精度高，能准确的测量出车轮的多边形状态，但是该系统需对轮对进行顶轮作业后方能使用，耗费的人力工时较大，影响车辆的正线运营效率；其二是基于轨旁设备检测出垂向轮轨力进而推测出车轮多边形，但是该方法受轨旁设备布置方式的影响较大，且只能获取载荷信息，对车轮多边形状态的诊断结果精度较低且不直观。因此，本发明采用上述技术方案通过对于车轮多边形的阶次和深度的诊断，输出了车轮多边形阶次、深度、深度等级、车轮廓形图等信息，为车轮镟修主动运维决策提供了精确且直观的参考信息；同时由于本发明是基于车载式的数据采集诊断模块，系统可通过无线落地等方式实时将采集数据、诊断结果发回数据中心在地面软件系统等实时提出检修建议，无需落轮或顶轮作业，提高了车轮镟修的效率，节约了检修成本。

本发明通过车载设备采集轴箱振动数据，提高车轮多边形检修效率；同时，通过对车轮多边形阶次和深度的诊断，精确直观的指导用户进行车轮镟修。

进一步地，所述轨道车辆走行部状态监测数据包括轴箱振动加速度信号以及运行数据，所述运行数据包括但不限于转速信号、运行里程信号，运行工况信号。

进一步地，所述数据预处理包括但不限于对数据进行滤波处理，消除信号干扰、对数据频带进行选择，提高数据的信噪比；所述数据分析包括对数据进行振动特征分析，得到特征参数。

进一步地，所述特征参数包括时域特征参数和频域特征参数；所述时特征参数包括但不限于峰峰值、有效值RMS、峭度值；所述频域特征参数包括但不限于振动能量值。

一般车轮多边形是由多个频率不同的转频倍频谐波成分叠加得到的，在大多数情况下，多边形车轮上会显著存在某一阶或几阶谐波成分。因此，本发明设计了所述车轮多边形阶次诊断模块，用于构建车轮多边形阶次诊断模型，并根据所述特征参数，利用所述车轮多边形阶次诊断模型，获得车轮多边形的主导阶次M及阶次向量P，作为阶次诊断结果。

进一步地，所述主导阶次M是指频谱幅值最高的谐波成分对应的阶次；或者当频谱无明显突出的谐波成分时，M为零向量。

所述阶次向量P是指，当频谱存在数个明显的谐波成分时，P为三维向量，包括幅值最高的前3阶谐波成分对应的阶次；或者当频谱只存在一个明显的谐波成分时，P为一维向量，包括该谐波成分对应的阶次；或者当频谱无明显突出的谐波成分时，P为零向量。

进一步地，所述车轮多边形深度诊断模块，用于构建车轮多边形深度诊断模型，并根据所述特征参数和车轮多边形的主导阶次M及阶次向量P，利用所述深度诊断模型进行计算，获得车轮的径跳量和车轮廓形，及生成车轮多边形深度诊断结果文件；

所述车轮多边形深度诊断模型会根据阶次诊断结果选择不同的深度诊断模型，包括：

当所述阶次向量P为三维向量时(即当车轮阶次诊断结果为非周期性多边形时)，所述深度诊断模型采用非周期性多边形深度诊断方法；轴箱振动信号作为所述深度诊断模型的输入，通过所述深度诊断模型进行计算，输出车轮径跳值J和车轮廓形曲线；

当所述阶次向量P为一维向量时(当车轮阶次诊断结果为周期性多边形时)，所述深度诊断模型采用周期性多边形深度诊断方法；阶次诊断信息和轴箱振动信号作为所述深度诊断模型的输入，通过所述深度诊断模型进行计算，输出车轮径跳值J和拟合得出的车轮廓形曲线。

进一步地，所述非周期性多边形深度诊断方法是基于频域积分法得到的，所述频域积分法是指对轴箱振动加速度信号进行频域二次积分，并去除二次趋势项得到的车轮径跳值J数据及完整的车轮积分廓形；包括：

积分过程：为了得到更为精确的积分结果，需在复数域内进行频域数值积分，具体执行过程为：

将车轮轴向位置的加速度数据进行傅里叶变化，得到车轮频域加速度；

将频域加速度进行翻转并拼接，得到中心对称的频域加速度；

将中心对称后的频域加速度通过傅里叶逆变换，得到复数形式的频域加速度；

将复数形式的频域加速度进行频域二次数值积分得到位移信号；

去除趋势项过程：因为积分过程中会产生二次趋势项，影响数值积分精度，所以必须进行去除趋势项过程，具体执行过程为：

将位移信号进行EMD分解，提取出合适的趋势项；

将各个IMF分量重构得到消除了趋势项的数值积分结果，此结果即为车轮轮径值结果，使用车轮轮径值的最大值减去最小值，即得到径跳量结果。

进一步地，所述周期性多边形深度诊断方法是基于正向动力学模型得到的；所述正向动力学模型是指构建一个刚柔耦合的车辆多体动力学仿真模型，输入车轮多边形工况变量，输出轴箱位置动力学响应，得到多边形—轴箱响应函数关系；进一步地，可以在已知轴箱响应的情况的以插值方式得出车轮径跳值J数据。包括：

插值过程：当所述阶次向量P为一维向量时，输入经数据处理模块得到的特征参数结果；在所述多边形—轴箱响应函数关系中以数值插值的方式，输入所述特征参数，插值得出车轮径跳值J；

拟合过程：根据所述阶次诊断结果和车轮径跳值J，以多项式拟合的方式得出车轮轮径值；

关系修正过程：由于函数关系式基于理想动力学模型推导出的，与实际应用情况有所差异，故后续需根据检修结果进行权重系数修正并在关系库中进行更新。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明的车轮多边形深度诊断模型是根据阶次诊断结果选择不同的深度诊断模型，包括：当所述阶次向量P为三维向量时，所述深度诊断模型采用非周期性多边形深度诊断方法；轴箱振动信号作为所述深度诊断模型的输入，通过所述深度诊断模型进行计算，输出车轮径跳值J和车轮廓形曲线；当所述阶次向量P为一维向量时，所述深度诊断模型采用周期性多边形深度诊断方法；阶次诊断信息和轴箱振动信号作为所述深度诊断模型的输入，通过所述深度诊断模型进行计算，输出车轮径跳值J和拟合得出的车轮廓形曲线。

2、本发明通过对于车轮多边形的阶次和深度的诊断，输出了车轮多边形阶次、深度、深度等级、车轮廓形图等信息，为车轮镟修主动运维决策提供了精确且直观的参考信息；本发明通过车载设备采集轴箱振动数据，提高车轮多边形检修效率；同时，通过对车轮多边形阶次和深度的诊断，精确直观的指导用户进行车轮镟修。

3、本发明是基于车载式的数据采集诊断模块，系统可通过无线落地等方式实时将采集数据、诊断结果发回数据中心在地面软件系统等实时提出检修建议，无需落轮或顶轮作业，提高了车轮镟修的效率，节约了检修成本。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明一种轨道车辆车轮多边形状态诊断系统结构示意图。

图2为本发明实施例的走行部监测子系统结构图。

图3为本发明实施例的深度诊断结果示意图。

具体实施方式

在下文中，可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所发明的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本发明的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

在本发明的各种实施例中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。

在本发明的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本发明的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。

应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。

在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

如图1至图3所示，本发明一种轨道车辆车轮多边形状态诊断系统，该系统包括：数据采集模块，数据处理模块，车轮多边形阶次诊断模块，车轮多边形深度诊断模块，报警及运维建议模块；

所述数据采集模块，用于获取轨道车辆走行部状态监测数据；

所述数据处理模块，用于对所述轨道车辆走行部状态监测数据进行数据预处理和数据分析，获得特征参数；

所述车轮多边形阶次诊断模块，用于构建车轮多边形阶次诊断模型，并根据所述特征参数，利用所述车轮多边形阶次诊断模型，获得车轮多边形的主导阶次M及阶次向量P，作为阶次诊断结果；

所述车轮多边形深度诊断模块，用于构建车轮多边形深度诊断模型，并根据所述特征参数和车轮多边形的主导阶次M及阶次向量P，利用所述深度诊断模型进行计算，获得车轮的径跳量和车轮廓形，及生成车轮多边形深度诊断结果文件；其中，所述车轮多边形深度指车轮径跳量，所述车轮径跳量是指车轮滚动圆的径向圆跳动值；所述车轮廓形是指拟合得出的车轮滚动圆位置的轮径值函数；

所述报警及运维建议模块，用于根据所述诊断结果文件，以诊断结果文件为输入，通过对诊断结果文件所含信息进行综合判断后输出运维建议信息，辅助机务段进行车轮镟修运维。

本实施例中，所述轨道车辆走行部状态监测数据包括轴箱振动加速度信号以及运行数据，所述运行数据包括但不限于转速信号、运行里程信号，运行工况信号。

本实施例中，所述数据预处理包括对数据进行滤波处理，消除信号干扰、对数据频带进行选择，提高数据的信噪比；所述数据分析包括对数据进行振动特征分析，得到特征参数。

本实施例中，所述特征参数包括时域特征参数和频域特征参数；所述时特征参数包括但不限于峰峰值、有效值RMS、峭度值；所述频域特征参数包括但不限于振动能量值。

一般车轮多边形是由多个频率不同的转频倍频谐波成分叠加得到的，在大多数情况下，多边形车轮上会显著存在某一阶或几阶谐波成分。因此，本发明设计了所述车轮多边形阶次诊断模块，用于构建车轮多边形阶次诊断模型，并根据所述特征参数，利用所述车轮多边形阶次诊断模型，获得车轮多边形的主导阶次M及阶次向量P，作为阶次诊断结果。

本实施例中，所述主导阶次M是指幅值最高的谐波成分对应的阶次；

所述阶次向量P是指当车轮存在数个明显的谐波成分时，P为三维向量，包括幅值最高的前3阶谐波成分对应的阶次；或者当车轮只存在一个明显的谐波成分时，P为一维向量，包括该谐波成分对应的阶次；或者当车轮出现无明显谐波成分时，M和P都为零向量。

本实施例中，所述车轮多边形深度诊断模块，用于构建车轮多边形深度诊断模型，并根据所述特征参数和车轮多边形的主导阶次M及阶次向量P，利用所述深度诊断模型进行计算，获得车轮的径跳量和车轮廓形，及生成车轮多边形深度诊断结果文件；

所述车轮多边形深度诊断模型会根据阶次诊断结果选择不同的深度诊断模型，包括：

当所述阶次向量P为三维向量时(即当车轮阶次诊断结果为非周期性多边形时)，所述深度诊断模型采用非周期性多边形深度诊断方法；轴箱振动信号作为所述深度诊断模型的输入，通过所述深度诊断模型进行计算，输出车轮径跳值J和车轮廓形曲线；

当所述阶次向量P为一维向量时(当车轮阶次诊断结果为周期性多边形时)，所述深度诊断模型采用周期性多边形深度诊断方法；阶次诊断信息和轴箱振动信号作为所述深度诊断模型的输入，通过所述深度诊断模型进行计算，输出车轮径跳值J和拟合得出的车轮廓形曲线。

本实施例中，所述非周期性多边形深度诊断方法是基于频域积分法得到的，所述频域积分法是指对轴箱振动加速度信号进行频域二次积分，并去除二次趋势项得到的车轮径跳值J数据及完整的车轮积分廓形；包括：

积分过程：为了得到更为精确的积分结果，需在复数域内进行频域数值积分，具体执行过程为：

将车轮轴向位置的加速度数据进行傅里叶变化，得到频域加速度；

将频域加速度进行翻转并拼接，得到中心对称的频域加速度；

将中心对称后的频域加速度通过傅里叶逆变换，得到复数形式的频域加速度；

将复数形式的频域加速度进行频域二次数值积分得到位移信号；

去除趋势项过程：因为积分过程中会产生二次趋势项，影响数值积分精度，所以必须进行去除趋势项过程，具体执行过程为：

将位移信号进行EMD分解，提取出合适的趋势项；

将各个IMF分量重构得到消除了趋势项的数值积分结果，此结果即为车轮轮径值结果，使用车轮轮径值的最大值减去最小值，即得到径跳量结果。

本实施例中，所述周期性多边形深度诊断方法是基于正向动力学模型得到的；所述正向动力学模型是指构建一个刚柔耦合的车辆多体动力学仿真模型，输入车轮多边形工况变量，输出轴箱位置动力学响应，得到多边形—轴箱响应函数关系；

所述周期性多边形深度诊断方法是基于径跳量-特征参数函数关系(以下简称函数关系)得到的，所谓函数关系是指构造一个刚柔耦合的车辆多体动力学仿真模型，在模型输入车轮径跳量，输出对应的轴箱加速度的振动特征参数，形成函数关系；该周期性多边形深度诊断方法的输入量为数据处理模块特征参数，输出量为径跳量和车轮轮径值；包括：

插值过程：当所述阶次向量P为一维向量时，输入经数据处理模块得到的特征参数结果；在所述多边形—轴箱响应函数关系中以数值插值的方式，输入所述特征参数，插值得出车轮径跳值J；

拟合过程：根据所述阶次诊断结果和车轮径跳值J，以多项式拟合的方式得出车轮轮径值；

关系修正过程：由于函数关系式基于理想动力学模型推导出的，与实际应用情况有所差异，故后续需根据检修结果进行权重系数修正并在关系库中进行更新。

工作原理是：基于车轮多边形状态检测方法，其一是通过车轮粗糙度测量系统分析车轮多边形，该方法精度高，能准确的测量出车轮的多边形状态，但是该系统需对轮对进行顶轮作业后方能使用，耗费的人力工时较大，影响车辆的正线运营效率；其二是基于轨旁设备检测出垂向轮轨力进而推测出车轮多边形，但是该方法受轨旁设备布置方式的影响较大，且只能获取载荷信息，对车轮多边形状态的诊断结果精度较低且不直观。因此，本发明采用上述技术方案通过对于车轮多边形的阶次和深度的诊断，输出了车轮多边形阶次、深度、深度等级、车轮廓形图等信息，为车轮镟修主动运维决策提供了精确且直观的参考信息；同时由于本发明是基于车载式的数据采集诊断模块，系统可通过无线落地等方式实时将采集数据、诊断结果发回数据中心在地面软件系统等实时提出检修建议，无需落轮或顶轮作业，提高了车轮镟修的效率，节约了检修成本。

本发明通过车载设备采集轴箱振动数据，提高车轮多边形检修效率；同时，通过对车轮多边形阶次和深度的诊断，精确直观的指导用户进行车轮镟修。

具体实施如下：

该系统中数据采集模块采集了多路走行部监测数据作为系统输入，数据处理模块对采集数据进行了分析和处理，车轮多边形阶次诊断模块和车轮多边形深度诊断模块负责对处理后的监测数据进行综合分析和诊断，输出车轮多边形的阶次、深度相关的诊断信息，为运用部门实现车轮主动镟修提供了信息支撑。

本发明的轨道车辆车轮多边形状态诊断系统的构建方法，具体步骤如下：

(1)利用数据采集模块采集多路转向架监测数据；

数据采集模块的输入系统包括但不限于走行部在线监测系统(如图2所示)、机车车载安全防护系统(6A系统)、牵引制动系统等，采集数据的具体情况如表1所示：

表1采集数据的具体情况

(2)利用数据处理模块进行数据预处理和分析；

数据处理模块的主要功能是对数据采集模块采集到的各种信号(即监测数据)进行特征参数计算：对轴箱振动信号进行特征分析，得到数据的时域特征参数包括但不限于峰峰值、有效值RMS、峭度值，得到数据的频域特征参数包括但不限于振动能量值；对转速信号进行处理为诊断模块提供车速参数；对时间信号进行处理为诊断模块提供信号采集时间参数；对牵引制动状态信号进行处理为诊断模块提供车轮牵引制动状态参数；

数据处理模块还具备对轴箱振动信号进行滤波处理的功能，其滤波频段和滤波方式都作为可配置参数，根据车型和线路条件选择不同的滤波参数；

数据处理模块还具备数据筛查功能：如果时域特征参数和频域特征参数不满足筛选条件，则数据不进行阶次诊断和深度诊断；使用采集时间参数和牵引制动状态参数可以计算出车辆的加速状态和对应的加速度，如果车辆加速度不满足筛选条件，则数据不进行阶次诊断和深度诊断。

(3)利用车轮多边形阶次诊断模块进行车轮多边形阶次诊断：

阶次诊断模块的输入为轴箱振动信号：判断轴箱振动数据的频谱上某阶幅值大于周围频谱均值的5倍，且周围频谱存在车轴转频调制边频时，可认为车轮某阶多边形存在，按顺序依次对每阶多边形状态进行判断，可确定车轮包含哪几种阶次的多边形成分；阶次诊断范围可作为配置项，根据不同的车型和线路情况进行配置；阶次诊断模块可利用所述阶次诊断模型输出车轮多边形的主导阶次M及阶次向量P，当车轮出现无明显车轮多边形的结果时，M和P都为零向量，此时不进入深度诊断环节，记录车轮多边形深度等级为0；

(4)利用车轮多边形深度诊断模块进行车轮多边形深度诊断：

当车轮阶次诊断结果为非周期性多边形时，所述深度诊断模型采用非周期性多边形深度诊断方法；所述深度诊断模型输入为轴箱振动信号：将轴箱频域加速度进行翻转并拼接，通过傅里叶逆变换得到频域加速度的复数形式，然后通过对频域加速度的复数形式进行频域二次数值积分并去除二次趋势项得到车轮的径跳值J及完整的车轮廓形，输出车轮径跳值J和车轮廓形曲线作为深度诊断结果，图3所示为某车轮经非周期性多边形深度诊断方法诊断出的车轮廓形曲线示意图，其径跳值J为0.03701mm；

当车轮阶次诊断结果为周期性多边形时，所述深度诊断模型采用周期性多边形深度诊断方法；输入(2)中得到的特征参数和(3)得到的阶次诊断信息，在多边形—轴箱响应函数关系模型中以插值方式得出车轮径跳值J，以多项式拟合的方式得出车轮廓形曲线；其中，多边形—轴箱响应函数关系模型是基于理想动力学模型推导出的，工况设置与机车的实际应用情况有所差异，故后续需根据检修结果记录不断进行权重系数修正并在函数关系模型中进行更新。

(5)利用车轮多边形深度诊断模块进行车轮多边形深度诊断：

报警及运维建议模块以诊断结果文件为输入：将各轴位的P向量、车速、里程、车轮径跳值J等信息作为自变量输入报警综合判断模型当中，将输出各轴位的深度诊断结果标志符S，标志符S的范围为0到6，表示的深度范围分别为0～0.05mm，0.05～0.1mm，0.1～0.15mm，0.15～0.2mm，0.2～0.25mm，0.25mm～0.3mm，0.3mm以上；

模型方法以数据包为输入，输出每包数据各个轴位的车轮多边形诊断结果文件，报警主要依据诊断结果文件，当连续3包数据的多边形深度标志S不超过1时不发出多边形报警；当连续3包数据的多边形深度标志在2或3时发出多边形故障预警，可运用观察；当连续3包数据的多边形深度标志在4或4以上时，发出多边形故障预警，建议运营单位对报警车轮进行镟修；具体的报警阈值可作为配置项，根据车型和线路条件的不同来确定。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请是参照根据本申请实施例的方法、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。

以上所述的具体实施方式，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方式而已，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 (6)

1.一种轨道车辆车轮多边形状态诊断系统，其特征在于，该系统包括：数据采集模块，数据处理模块，车轮多边形阶次诊断模块，车轮多边形深度诊断模块，报警及运维建议模块；

所述数据采集模块，用于获取轨道车辆走行部状态监测数据；

所述数据处理模块，用于对所述轨道车辆走行部状态监测数据进行数据预处理和数据分析，获得特征参数；

所述车轮多边形阶次诊断模块，用于构建车轮多边形阶次诊断模型，并根据所述特征参数，利用所述车轮多边形阶次诊断模型，获得车轮多边形的主导阶次M及阶次向量P，作为阶次诊断结果；

所述车轮多边形深度诊断模块，用于构建车轮多边形深度诊断模型，并根据所述主导阶次M和阶次向量P，利用所述深度诊断模型进行计算，获得车轮径跳量J和车轮廓形，生成车轮多边形深度诊断结果文件；其中，所述车轮多边形深度指车轮径跳量J，所述车轮径跳量J是指车轮滚动圆位置的径向圆跳动值；所述车轮廓形是指拟合得出的车轮滚动圆位置的轮径值函数；

所述报警及运维建议模块，以上述诊断结果为输入，通过对诊断结果所含信息进行综合判断后，输出运维建议信息，辅助机务段进行车轮镟修运维；

所述轨道车辆走行部状态监测数据包括轴箱振动加速度信号以及运行数据，所述运行数据包括转速信号、运行里程信号，运行工况信号；

所述主导阶次M是指频谱幅值最高的谐波成分对应的阶次；或者当频谱无明显突出的谐波成分时，M为零向量；

所述阶次向量P是指，当频谱存在数个明显的谐波成分时，P为三维向量，包括幅值最高的前3阶谐波成分对应的阶次；或者当频谱只存在一个明显的谐波成分时，P为一维向量，包括该谐波成分对应的阶次；或者当频谱无明显突出的谐波成分时，P为零向量。

2.根据权利要求1所述的一种轨道车辆车轮多边形状态诊断系统，其特征在于，所述数据预处理包括对数据进行滤波处理，消除信号干扰、对数据频带进行选择，提高数据的信噪比。

3.根据权利要求1所述的一种轨道车辆车轮多边形状态诊断系统，其特征在于，所述特征参数包括时域特征参数和频域特征参数；所述时域特征参数包括峰峰值、有效值RMS、峭度值；所述频域特征参数包括振动能量值。

4.根据权利要求1所述的一种轨道车辆车轮多边形状态诊断系统，其特征在于，所述车轮多边形深度诊断模块，用于构建车轮多边形深度诊断模型，并根据所述特征参数和车轮多边形的主导阶次M及阶次向量P，利用所述深度诊断模型进行计算，获得车轮径跳量J和车轮廓形，及生成车轮多边形深度诊断结果文件；包括：

当所述阶次向量P为三维向量时，所述深度诊断模型采用非周期性多边形深度诊断方法；轴箱振动信号作为所述深度诊断模型的输入，通过所述深度诊断模型进行计算，输出车轮径跳量J和车轮廓形曲线；

当所述阶次向量P为一维向量时，所述深度诊断模型采用周期性多边形深度诊断方法；阶次诊断信息和轴箱振动信号作为所述深度诊断模型的输入，通过所述深度诊断模型进行计算，输出车轮径跳量J和拟合得出的车轮廓形曲线。

5.根据权利要求4所述的一种轨道车辆车轮多边形状态诊断系统，其特征在于，所述非周期性多边形深度诊断方法是基于频域积分法得到的，所述频域积分法是指对轴箱振动加速度信号进行频域二次积分，并去除二次趋势项得到的车轮径跳量J数据及完整的车轮积分廓形；包括：

积分过程：具体执行过程为：

将车轮轴向位置的加速度数据进行傅里叶变化，得到频域加速度；

将频域加速度进行翻转并拼接，得到中心对称的频域加速度；

将中心对称后的频域加速度通过傅里叶逆变换，得到复数形式的频域加速度；

将复数形式的频域加速度进行频域二次数值积分得到位移信号；

去除趋势项过程：具体执行过程为：

将位移信号进行EMD分解，提取出趋势项；

将各个IMF分量重构得到消除了趋势项的数值积分结果，此结果即为车轮轮径值结果，使用车轮轮径值的最大值减去最小值，即得到车轮径跳量J结果。

6.根据权利要求4所述的一种轨道车辆车轮多边形状态诊断系统，其特征在于，所述周期性多边形深度诊断方法是基于正向动力学模型得到的；所述正向动力学模型是指构建一个刚柔耦合的车辆多体动力学仿真模型，输入车轮多边形工况变量，输出轴箱位置动力学响应，得到车轮多边形—轴箱响应函数关系；包括：

插值过程：当所述阶次向量P为一维向量时，输入经数据处理模块得到的特征参数结果；在所述多边形—轴箱响应函数关系中以 数值插值的方式，输入所述特征参数，插值得出车轮径跳量J；

拟合过程：根据所述阶次诊断结果和车轮径跳量J，以多项式拟合的方式得出车轮轮径值。

Images