CN113501028B - 诊断重载铁路钢轨焊接接头不良的方法及装置 - Google Patents

诊断重载铁路钢轨焊接接头不良的方法及装置 Download PDF

Info

Publication number
CN113501028B
CN113501028B CN202110768675.0A CN202110768675A CN113501028B CN 113501028 B CN113501028 B CN 113501028B CN 202110768675 A CN202110768675 A CN 202110768675A CN 113501028 B CN113501028 B CN 113501028B
Authority
CN
China
Prior art keywords
time
frequency distribution
sub
signal
spectrum
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
CN202110768675.0A
Other languages
English (en)
Other versions
CN113501028A (zh
Inventor
肖炳环
刘金朝
徐晓迪
牛留斌
毛学耕
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
Infrastructure Inspection Institute of CARS
Beijing IMAP Technology Co Ltd
Original Assignee
China Academy of Railway Sciences Corp Ltd CARS
Infrastructure Inspection Institute of CARS
Beijing IMAP Technology 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, Infrastructure Inspection Institute of CARS, Beijing IMAP Technology Co Ltd filed Critical China Academy of Railway Sciences Corp Ltd CARS
Priority to CN202110768675.0A priority Critical patent/CN113501028B/zh
Publication of CN113501028A publication Critical patent/CN113501028A/zh
Application granted granted Critical
Publication of CN113501028B publication Critical patent/CN113501028B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/08—Measuring installations for surveying permanent way
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Butt Welding And Welding Of Specific Article (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种诊断重载铁路钢轨焊接接头不良的方法及装置，其中该方法包括：对重载铁路钢轨待诊断区段的轴箱加速度波形数据做CEEMD‑ASSTFT得到时频分布；计算所述时频分布的移动有效边际谱；根据所述移动有效边际谱，计算焊缝边际指数；根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题。本发明可以利用轴箱加速度结合时频分布高效准确地对重载铁路钢轨焊接接头不良的问题进行诊断，保证了车辆安全稳定地运行。

Description

诊断重载铁路钢轨焊接接头不良的方法及装置
技术领域
本发明涉及钢轨检测技术领域，尤其涉及一种诊断重载铁路钢轨焊接接头不良的方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
重载铁路钢轨大部分采用无缝钢轨铺设。在对钢轨进行焊接时，主要采用闪光焊、气压焊和铝热焊3种焊接方式。在实际焊接过程中，由于钢轨母材、用料、焊接工艺和操作质量等原因容易产生焊接质量不均匀的问题，从而导致接头平顺性不良。
当列车经过不良接头时，车轮和钢轨间的接触面积变小，钢轨承受压力变大，从而产生较大的轮轨作用力，有可能造成轨道部件损伤，严重的会危及列车行车安全。另外，接头区的材料强度与钢轨母材的强度之间存在差异，加上接头处轮轨作用力大，就使得焊接接头处成为了钢轨结构最薄弱的环节之一。然而，现有诊断重载铁路钢轨焊接接头不良的方法效率和精度都低。
发明内容
本发明实施例提供一种诊断重载铁路钢轨焊接接头不良的方法，用以高效准确地诊断重载铁路钢轨焊接接头不良的问题，该方法包括：
对重载铁路钢轨待诊断区段的轴箱加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布；
计算所述时频分布的移动有效边际谱；
根据所述移动有效边际谱，计算焊缝边际指数；
根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题。
本发明实施例还提供一种诊断重载铁路钢轨焊接接头不良的装置，用以高效准确地诊断重载铁路钢轨焊接接头不良的问题，该装置包括：
时频分布确定单元，用于对重载铁路钢轨待诊断区段的轴箱加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布；
移动有效边际谱确定单元，用于计算所述时频分布的移动有效边际谱；
焊缝边际指数确定单元，用于根据所述移动有效边际谱，计算焊缝边际指数；
诊断单元，用于根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述诊断重载铁路钢轨焊接接头不良的方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述诊断重载铁路钢轨焊接接头不良的方法的步骤。
本发明实施例中，诊断重载铁路钢轨焊接接头不良的方案，通过：对重载铁路钢轨待诊断区段的轴箱加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布；计算所述时频分布的移动有效边际谱；根据所述移动有效边际谱，计算焊缝边际指数；根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题，可以利用轴箱加速度结合时频分布高效准确地对重载铁路钢轨焊接接头不良的问题进行诊断，保证了车辆安全稳定地运行。
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为本发明另一实施例中诊断重载铁路钢轨焊接接头不良的方法的流程示意图；
图2为本发明实施例中某重载铁路上行K145+200～K145+250轴箱垂向加速度信号波形图；
图3为本发明实施例中经过CEEMD-ASSTFT得到滤波后时频分布示意图；
图4上部分图为本发明实施例中对K145+200～K145+250左侧轴箱垂向加速度信号的时频分布进行300～800Hz滤波，得到接头不良的时频分布示意图，图4下部分图为本发明实施例中根据上部分图得到的时频分布计算的边际指数示意图；
图5为本发明实施例中K145+200～K145+250左侧轴箱垂向加速度信号波形图及对应的焊缝边际指数示意图；
图6(a)为本发明实施例中K479+650～K479+750区段轴箱加速度信号的波形图；
图6(b)为图6(a)波形图对应的焊缝边际指数示意图；
图7(a)为本发明实施例中K479+775～K479+825区段轴箱加速度信号的波形图；
图7(b)为图7(a)波形图对应的焊缝边际指数示意图；
图8(a)为本发明实施例中检测车第一次经过K385+200～K385+250区段的左侧轴箱加速度的波形图；
图8(b)为对图8(a)中K385+200～K385+250区段信号做CEEMD-ASSTFT得到的时频分布图；
图9为根据图8(b)的时频分布图得到的焊缝边际指数示意图；
图10为本发明实施例中焊缝低塌时现场轨面图；
图11为本发明实施例中平尺度数据示意图；
图12(a)为本发明实施例中检测车第二次经过K385+200～K385+250区段的左侧轴箱加速度的波形图；
图12(b)为图12(a)波形图对应的时频分布图；
图13为本发明实施例中检测车第一次和第二次经过K385+200～K385+250区段的焊缝边际指数对比示意图；
图14为本发明实施例中采集轴箱加速度的轴箱加速度传感器的安装位置示意图；
图15为本发明实施例中诊断重载铁路焊接接头不良的边际指数法流程示意图；
图16为本发明实施例中诊断重载铁路钢轨焊接接头不良的方法的流程示意图；
图17为本发明实施例中诊断重载铁路钢轨焊接接头不良的装置的结构示意图。
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。
现有技术中虽然在利用轴箱加速度诊断钢轨表面随机性伤损方面开展了研究工作，但是发明人发现的如何利用轴箱加速度结合时频分析诊断重载铁路钢轨焊接接头不良方面还未见相关文献报道和说明。
考虑到现有技术存在的问题，发明人提出一种诊断重载铁路钢轨焊接接头不良的方案，该方案从车辆动态响应的角度入手，利用CEEMD-ASSTFT移动边际指数方法诊断重载铁路焊接接头不良。首先利用CEEMD-ASSTFT提取重载铁路接头不良的造成的冲击性特性，通过滤波保留高频冲击成分；然后计算滤波后的轴箱垂向加速度信号时频分布的移动有效边际谱；最后计算焊缝边际指数，结合大量分析数据总结出的阈值判断指数是否超限，若均已超限则判定为焊接接头不良。本发明实施例主要目的是诊断重载铁路钢轨焊接接头不良主要包括：如何刻画重载铁路焊接接头不良时频分布特征及其对应滤波范围；如何诊断重载铁路钢轨焊接接头不良。下面对该诊断重载铁路钢轨焊接接头不良的方案进行详细介绍。
图16为本发明实施例中诊断重载铁路钢轨焊接接头不良的方法的流程示意图，如图16所示，该方法包括如下步骤：
步骤101：对重载铁路钢轨待诊断区段的轴箱加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布；
步骤102：计算所述时频分布的移动有效边际谱；
步骤103：根据所述移动有效边际谱，计算焊缝边际指数；
步骤104：根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题。
本发明实施例提供的诊断重载铁路钢轨焊接接头不良的方法可以利用轴箱加速度结合时频分布高效准确地对重载铁路钢轨焊接接头不良的问题进行诊断，保证了车辆安全稳定地运行。下面对该方法进行详细介绍。
诊断重载铁路钢轨焊接接头不良的方法，即诊断重载铁路钢轨焊接接头的CEEMD-ASSTFT边际指数方法整体技术方案如图1所示。基于轴箱加速度通过计算时频分布移动有效边际谱，归一化后得到焊缝边际指数进行诊断的详细步骤如下：
1)将轴箱加速度x(t)划分为50m长的单元，假设共划分为M个单元。每个单元的信号为xj,1≤j≤M。对xj进行CEEMD，得到若干个子信号xj1(t),xj2(t),...,xjN(t)，N为子信号个数。
2)子信号在不同窗长参数下做STFT，计算其时频分布的Renyi熵，选取最小熵值对应的窗长为子信号最优窗长。
3)子信号在对应的最优窗长下做SSTFT，得到若干个时频分布。
4)将所有子信号的时频分布相加得到各单元轴箱加速度信号的时频分布ASSTFTj(t,f),1≤j≤M。
5)通过大量焊接接头不良数据进行CEEMD-ASSTFT(基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换)得到轴箱动态响应数据能量主要分布范围(最终时频分布)。
通过上述可知，在一个实施例中，在上述步骤101中，对重载铁路钢轨待诊断区段的轴箱加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布，可以包括：
将待诊断区段划分为多个预设长度的单元，对每一单元对应的轴箱加速度的信号进行CEEMD，得到每一单元对应的子信号；
对每一子信号在不同窗长参数下做STFT，计算时频分布的Renyi熵，选取最小熵值对应的窗长为每一子信号的最优窗长；
对每一子信号在对应的最优窗长下做SSTFT，得到若干个时频分布；
将所有子信号的时频分布相加得到各单元轴箱加速度信号的时频分布；
基于各单元轴箱加速度信号的时频分布，通过多个焊接接头不良数据进行CEEMD-ASSTFT得到轴箱动态响应数据能量主要分布范围作为最终时频分布。
6)计算时频分布的移动有效边际谱：
Figure BDA0003151434750000051
式中：K为向前加窗的时间窗长，[FL,FH]为上一步确定的滤波范围。
通过上述可知，在一个实施例中，在上述步骤102中，计算所述时频分布的移动有效边际谱，可以包括按照如下公式计算每一子信号的时频分布对应的移动有效边际谱：
Figure BDA0003151434750000061
其中，Mj(t)为每一子信号的时频分布对应的移动有效边际谱，每一子信号为对每一单元对应的轴箱加速度的信号进行CEEMD得到的子信号，M为待诊断区段被划分为预设长度的单元的数目，K为向前加窗的时间窗长，[FL,FH]为滤波后的时频分布，ASSTFTj(t,f)为时频分布，t,r为时间，f为频率，r为时刻，此公式用了滑动窗长，窗长为K，时间t从r时刻开始到r+K-1结束，r也是时间从信号开始到结束。
7)计算各单元(预设长度的单元)移动有效边际谱的最大值Mmax，记为单元有效边际值，求得当前线路的最大值集合
Figure BDA0003151434750000062
其中M为划分的单元格个数。
8)计算焊缝边际指数：
Figure BDA0003151434750000063
其中，
Figure BDA0003151434750000064
是最大值集合的平均值。
判断焊缝边际指数是否超过阈值，进而诊断重载铁路钢轨焊接接头是否存在不良的问题。
通过上述可知，在一个实施例中，在上述步骤103中，根据所述移动有效边际谱，计算焊缝边际指数，可以包括：
计算每一单元的移动有效边际谱的最大值，得到待诊断区段的移动有效边际谱的最大值集合；
根据移动有效边际谱的最大值集合中元素的平均值，确定焊缝边际指数。
通过上述可知，在一个实施例中，根据移动有效边际谱的最大值集合中元素的平均值，确定焊缝边际指数，可以包括按照如下公式计算焊缝边际指数：
Figure BDA0003151434750000065
其中，WJMI(t)为焊缝边际指数，M(t)为移动有效边际谱，
Figure BDA0003151434750000066
Mj(t)为每一子信号的时频分布对应的移动有效边际谱，每一子信号为对每一单元对应的轴箱加速度的信号进行CEEMD得到的子信号，M为待诊断区段划分为预设长度的单元的数目，t为时间，
Figure BDA0003151434750000071
是移动有效边际谱的最大值集合中元素的平均值。
通过上述可知，在一个实施例中，在上述步骤104中，根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题，可以包括：
在所述焊缝边际指数超过预设阈值时，确定所述待诊断区段存在焊接接头不良的问题；
确定存在焊接接头不良问题的位置信息(确定具体位置信息的例子详见下文所述)。
具体实施时，本发明实施例中轴箱加速度的信号可以是两侧轴箱加速度的信号。
本发明实施例提供的诊断重载铁路钢轨焊接接头不良的方法带来的有益效果是：
一、焊接接头不良时频特性分析
分析国内某重载铁路上行K145+200～K145+250左侧轴箱垂向加速度信号，诊断区间内是否焊接接头不良，其波形如图2所示，现场反馈K145+228附近焊接接头不良。
K145+200～K145+250左侧轴箱垂向加速度信号经过CEEMD-ASSTFT得到时频分布如图3所示，可以观察到重载铁路焊接接头不良处的频率分布范围为100～900Hz。由大量不良接头处分析数据和焊接接头不良会引起轴箱高频振动特性确定重载铁路接头不良处对应的频率范围50～900Hz，结合算法特性本文利用轴箱加速度信号计算焊缝边际指数时的时频分布滤波范围为300～800Hz。
对K145+200～K145+250左侧轴箱垂向加速度信号的时频分布进行300～800Hz滤波，得到接头不良的时频分布如图4上图所示。计算其有效边际指数(步长K＝100，FL＝300Hz，FH＝800Hz)，结果如图4下图所示，可观察到有效边际指数峰值和原始信号冲击对应较好。
在该算例中，能清晰观察到时频分布中存在能量的位置在移动有效边际谱图中均以峰值的形式得以体现，且里程定位准确，便于上线养护维修。
计算全部单元的移动有效边际值，并记录每个单元的最大值，计算平均参数
Figure BDA0003151434750000072
由式(5)计算焊缝边际指数，得到的K145+200～K145+250焊缝边际指数如图5所示。K145+228处焊缝边际指数为10.3，已超过阈值(本文设阈值为10.0)，判定该处焊接接头不良，与现场反馈情况一致。并且通过对比此区段轴箱垂向加速度波形和焊缝边际指数证明由此方法得到焊缝不良处里程定位精准。
二、CEEMD-ASSTFT边际指数法有效性分析
利用CEEMD-ASSTFT边际指数法分析K479+650～K479+750区段右侧轴箱加速度数据时发现K479+655和K479+730两处的焊缝边际指数较大，区段波形和边际指数如图6(a)和图6(b)所示。得到的焊缝边际指数接近但是没有超过阈值，分析K479+775～K479+825右侧加速度数据，其波形图如图7(a)所示。按照CEEMD-ASSTFT边际指数法计算焊缝边际指数得到图7(b)所示结果。
K479+805附近焊缝边际指数超过阈值10.0，并且与前两处峰值里程间隔75m，150m，查询线路台账发现该线路此区段钢轨长度为75m，三个峰值间距正好75m，判定为75m焊接接头不良。现场反馈K479+805附近存在焊接接头不良和波磨现象，证实了算法的有效性。
三、CEEMD-ASSTFT边际指数法稳定性分析
利用CEEMD-ASSTFT诊断K385+222附近是否焊接接头不良。K385+200～K385+250左侧轴箱加速度波形如图8(a)所示。对此区段信号做CEEMD-ASSTFT得到的时频分布如图8(b)所示。
计算时频分布滤波后的移动有效边际谱，最后计算焊缝边际指数，得到的结果如图9所示。K385+222处的焊缝边际指数为11.9，超过阈值，判定为焊接接头不良。
对此处进行现场复核，复核时发现此处焊缝低塌，现场轨面图如图10所示。用电子平直度尺测量此处1m范围内轨面平直度，最大值0mm，最小值-1.116mm，差异1.116mm，平尺度数据如图11所示。
为了验证算法的稳定性，分析同区段不同月份的轴箱垂向加速度数据，设第一次WJMI为参照对象，对比两次数据CEEMD-ASSTFT边际指数法得到的WJMI。
检测车第二次经过此区段的波形如图12(a)所示，时频分布如图12(b)所示。同样的，计算第二次轴箱加速度的焊缝边际指数，并将结果和第一次结果作对比，如图13所示。
对比两次同区段的焊缝边际指数发现第一次K385+222处的WJMI为11.9，第二次为11.5。两次均超过阈值并且两曲线在焊接接头不良处重合度很高，证明了算法的稳定性。
为了便于理解本发明如何实施，下面再举一例子进行说明。
本发明实施例主要包括两部分：第1部分(对应上面步骤101至步骤103)重载铁路车辆动态响应数据的时频分析方法-基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换方法(Complementary Ensemble Empirical Mode Decomposition-adaptivesynchro-squeezed short time Fourier transform,CEEMD-ASSTFT)；第2部分CEEMD-ASSTFT边际指数法(对应上面步骤104)，通过归一化移动有效边际谱得到焊缝边际指数，针对重载铁路接头不良结合大量数据判断接头状态。采集信号的装置为轴箱加速度如图14所示。
具体实施时，总体的算法(诊断重载铁路钢轨焊接接头不良的方法)流程如下：
1)轴箱加速度信号做CEEMD-ASSTFT；
2)对时频分布滤波，计算移动有效边际谱；
3)通过归一化计算焊缝边际指数；
4)判断所述焊缝边际指数是否超限。
接下来将详细介绍诊断重载铁路焊接接头不良的动态检测方法和系统(诊断重载铁路钢轨焊接接头不良方法)的关键技术，包括CEEMD-ASSTFT时频分析方法、边际指数方法。
第一部分CEEMD-ASSTFT时频特性分析方法
重载铁路焊接接头不良会造成轴箱垂向加速度振幅变大，使用基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换算法(wavelet packet decompositionadaptive synchro-squeezed short time Fourier transform,CEEMD-ASSTFT)提取焊接接头不良处的高频冲击特性，详细步骤如下：
(1)将轴箱加速度x(t)划分为50m长的单元，假设共划分为M个单元。每个单元的信号为xj,1≤j≤M；
(2)对xj进行CEEMD，得到若干个子信号xj1(t),xj2(t),...,xjN(t)，N为子信号个数；
(3)对子信号xj1(t),xj2(t),...,xjN(t)进行循环，每个子信号在给定窗长范围内做STFT，利用Renyi熵确定每个子信号的最优窗长；
(4)对子信号做SSTFT，获得N个时频分布：ASSTFTi(t,f),i＝1,2,...,N；
(5)将所有子信号在最优窗长下做同步压缩短时傅里叶变换的时频分布相加，得到单元轴箱加速度信号的时频分布；
(6)计算每一个单元的时频分布。
CEEMD在对各单元信号分解时不需要提前设定基函数，具有自适应性。CEEMD的过程如下：
1)将单元轴箱加速度信号xj,1≤j≤M同时加上和减去白噪声：
x'js(t)＝xj(t)+ns(t)
x”js(t)＝xj(t)-ns(t)
其中，s是添加不同白噪声的个数，2≤s≤S；
2)对S组x'js(t),x”js(t)做EMD，得到对应的IMF：IMF'js(t),IMF”js(t)；
3)计算每一组IMF'js(t),IMF”js(t)的均值，即：
IMFjs(t)＝(IMF'js(t)+IMF”js(t))/2
4)计算平均IMF，
Figure BDA0003151434750000101
5)此时xj'(t)＝xj(t)-IMFj(t)，对xj'(t)重复步骤1)～5)至趋势项满足要求。
CEEMD是对EEMD的优化，原始信号经过各个子信号相加后的信号噪声会减少。并且加入噪声次数越多，重构后的信号噪声越小。CEEMD-ASSTFT第一步对各单元轴箱垂向加速度进行CEEMD。轴箱垂向加速度信号为xj(t)，经过CEEMD后可以获得N个子信号，即
Figure BDA0003151434750000102
其中xji(t),i＝1,2,...,N是第j个单元轴箱加速度的子信号。利用CEEMD的优势把原始信号不同频率成分“拆开”分析，高频冲击成分和其他频率成分会被分解到不同的子信号中。随后对各个子信号进行自适应同步压缩短时傅里叶变换。
在给定范围内，选择某一窗长参数对子信号做STFT得到该窗长下的时频分布。筛选使得时频分布的Renyi熵值最小的最优窗长。
子信号在对应的最优窗长下做SSTFT：
(1)对各单元子信号xj1(t),xj2(t),...,xjN(t)循环，分别做STFT；
(2)计算子信号瞬时频率；
(3)在时频平面进行同步压缩，得到各子信号时频信息；
(4)提取各个子信号时频信息平面的脊线获得N个时频分布矩阵：ASSTFTji(t,f),1≤j≤M,i＝1,2,...,N；
(5)信号重。
各单元轴箱垂向加速度的时频分布由各单元N个子信号的时频分布求和获得，即：
Figure BDA0003151434750000111
第二部分CEEMD-ASSTFT边际指数法
利用CEEMD-ASSTFT提取重载铁路焊接接头不良处的轴箱垂向加速度高频冲击特性，滤波后计算移动有效边际谱，提取单元最大值，对其进行归一化处理得到焊缝边际指数(welded joint marginal index,WJMI)，根据焊缝边际指数判断接头状态。诊断重载铁路焊接接头不良的边际指数法计算流程如图15所示。详细计算步骤如下：
1)由CEEMD-ASSTFT方法得到轴箱垂向加速度的时频分布：
Figure BDA0003151434750000112
式中：ASSTFTji(t,f)为第j个单元的轴箱加速度的各子信号在最优窗长下做SSTFT得到的时频分布；
2)通过大量焊接接头不良数据进行CEEMD-ASSTFT得到轴箱动态响应数据能量主要分布范围；
3)计算时频分布的移动有效边际谱：
Figure BDA0003151434750000113
式中：K为向前加窗的时间窗长，[FL，FH]为步骤2中确定的滤波范围；
4)计算各单元移动有效边际谱的最大值Mmax，记为单元有效边际值，求得当前线路的最大值集合
Figure BDA0003151434750000114
其中M为划分的单元格个数；
5)计算全部单元的单元有效边际值的平均值：
Figure BDA0003151434750000115
记为平均参数
Figure BDA0003151434750000116
6)计算焊缝边际指数：
Figure BDA0003151434750000121
其中，
Figure BDA0003151434750000122
7)超限判断。
综上，本发明实施例提供的诊断重载铁路钢轨焊接接头不良的方法实现了：
(1)刻画重载铁路钢轨焊接接头不良时频分布特征的CEEMD-ASSTFT方法提取接头不良对应滤波范围。
(2)利用CEEMD-ASSTFT边际指数方法诊断重载铁路焊接接头。
本发明实施例中还提供了一种诊断重载铁路钢轨焊接接头不良的装置，如下面的实施例所述。由于该装置解决问题的原理与诊断重载铁路钢轨焊接接头不良的方法相似，因此该装置的实施可以参见诊断重载铁路钢轨焊接接头不良的方法的实施，重复之处不再赘述。
图17为本发明实施例中诊断重载铁路钢轨焊接接头不良的装置的结构示意图，如图17所示，该装置包括：
时频分布确定单元01，用于对重载铁路钢轨待诊断区段的轴箱加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布；
移动有效边际谱确定单元02，用于计算所述时频分布的移动有效边际谱；
焊缝边际指数确定单元03，用于根据所述移动有效边际谱，计算焊缝边际指数；
诊断单元04，用于根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题。
在一个实施例中，所述诊断单元具体用于：
在所述焊缝边际指数超过预设阈值时，确定所述待诊断区段存在焊接接头不良的问题；
确定存在焊接接头不良问题的位置信息。
在一个实施例中，所述时频分布确定单元具体可以用于：
将待诊断区段划分为多个预设长度的单元，对每一单元对应的轴箱加速度的信号进行CEEMD，得到每一单元对应的子信号；
对每一子信号在不同窗长参数下做STFT，计算时频分布的Renyi熵，选取最小熵值对应的窗长为每一子信号的最优窗长；
对每一子信号在对应的最优窗长下做SSTFT，得到若干个时频分布；
将所有子信号的时频分布相加得到各单元轴箱加速度信号的时频分布；
基于预设长度的单元轴箱加速度信号的时频分布，通过多个焊接接头不良数据进行CEEMD-ASSTFT得到轴箱动态响应数据能量主要分布范围作为最终时频分布。
在一个实施例中，所述移动有效边际谱确定单元具体用于按照如下公式计算每一子信号的时频分布对应的移动有效边际谱：
Figure BDA0003151434750000131
其中，Mj(t)为每一子信号的时频分布对应的移动有效边际谱，每一子信号为对每一单元对应的轴箱加速度的信号进行CEEMD得到的子信号，M为待诊断区段划分为预设长度的单元的数目，K为向前加窗的时间窗长，[FL,FH]为滤波后的时频分布，ASSTFTj(t,f)为时频分布，M为待诊断区段划分为预设长度的单元的数目，t为时间，f为频率。
在一个实施例中，所述焊缝边际指数确定单元具体用于：
计算每一单元的移动有效边际谱的最大值，得到待诊断区段的移动有效边际谱的最大值集合；
根据移动有效边际谱的最大值集合中元素的平均值，确定焊缝边际指数。
在一个实施例中，根据移动有效边际谱的最大值集合中元素的平均值，确定焊缝边际指数，可以包括按照如下公式计算焊缝边际指数：
Figure BDA0003151434750000132
其中，WJMI(t)为焊缝边际指数，M(t)为移动有效边际谱，
Figure BDA0003151434750000133
Mj(t)为每一子信号的时频分布对应的移动有效边际谱，每一子信号为对每一单元对应的轴箱加速度的信号进行CEEMD得到的子信号，M为待诊断区段划分为预设长度的单元的数目，t为时间，
Figure BDA0003151434750000134
是移动有效边际谱的最大值集合中元素的平均值。
本发明实施例还提供一种计算机设备，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计算机程序时实现上述诊断重载铁路钢轨焊接接头不良的方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述诊断重载铁路钢轨焊接接头不良的方法的步骤。
本发明实施例中，诊断重载铁路钢轨焊接接头不良的方案，通过：对重载铁路钢轨待诊断区段的轴箱加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布；计算所述时频分布的移动有效边际谱；根据所述移动有效边际谱，计算焊缝边际指数；根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题，可以利用轴箱加速度结合时频分布高效准确地对重载铁路钢轨焊接接头不良的问题进行诊断，保证了车辆安全稳定的运行。
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。
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 (10)

1.一种诊断重载铁路钢轨焊接接头不良的方法，其特征在于，包括：
对重载铁路钢轨待诊断区段的轴箱垂向加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布；
计算所述时频分布的移动有效边际谱；
根据所述移动有效边际谱，计算焊缝边际指数；
根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题。
2.如权利要求1所述的诊断重载铁路钢轨焊接接头不良的方法，其特征在于，根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题，包括：
在所述焊缝边际指数超过预设阈值时，确定所述待诊断区段存在焊接接头不良的问题；
确定存在焊接接头不良问题的位置信息。
3.如权利要求1所述的诊断重载铁路钢轨焊接接头不良的方法，其特征在于，对重载铁路钢轨待诊断区段的轴箱垂向加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布，包括：
将待诊断区段划分为多个预设长度的单元，对每一单元对应的轴箱垂向加速度的信号进行CEEMD，得到每一单元对应的子信号；
对每一子信号在不同窗长参数下做STFT，计算时频分布的Renyi熵，选取最小熵值对应的窗长为每一子信号的最优窗长；
对每一子信号在对应的最优窗长下做SSTFT，得到若干个时频分布；
将所有子信号的时频分布相加得到各单元轴箱垂向加速度信号的时频分布；
基于各单元轴箱垂向加速度信号的时频分布，通过多个焊接接头不良数据进行CEEMD-ASSTFT得到轴箱动态响应数据能量主要分布范围作为最终时频分布。
4.如权利要求1所述的诊断重载铁路钢轨焊接接头不良的方法，其特征在于，计算所述时频分布的移动有效边际谱，包括按照如下公式计算每一子信号的时频分布对应的移动有效边际谱：
Figure FDA0003607932250000011
其中，Mj(t)为每一子信号的时频分布对应的移动有效边际谱，每一子信号为对每一单元对应的轴箱垂向加速度的信号进行CEEMD得到的子信号，M为待诊断区段被划分为预设长度的单元的数目，K为向前加窗的时间窗长，[FL,FH]为滤波后的时频分布，ASSTFTj(t,f)为时频分布，t为时间，f为频率。
5.如权利要求1所述的诊断重载铁路钢轨焊接接头不良的方法，其特征在于，根据所述移动有效边际谱，计算焊缝边际指数，包括：
计算每一单元的移动有效边际谱的最大值，得到待诊断区段的移动有效边际谱的最大值集合；
根据移动有效边际谱的最大值集合中元素的平均值，确定焊缝边际指数。
6.如权利要求5所述的诊断重载铁路钢轨焊接接头不良的方法，其特征在于，根据移动有效边际谱的最大值集合中元素的平均值，确定焊缝边际指数，包括按照如下公式计算焊缝边际指数：
Figure FDA0003607932250000021
其中，WJMI(t)为焊缝边际指数，M(t)为移动有效边际谱，
Figure FDA0003607932250000022
Mj(t)为每一子信号的时频分布对应的移动有效边际谱，每一子信号为对每一单元对应的轴箱垂向加速度的信号进行CEEMD得到的子信号，M为待诊断区段划分为预设长度的单元的数目，t为时间，
Figure FDA0003607932250000023
是移动有效边际谱的最大值集合中元素的平均值。
7.一种诊断重载铁路钢轨焊接接头不良的装置，其特征在于，包括：
时频分布确定单元，用于对重载铁路钢轨待诊断区段的轴箱垂向加速度波形数据做基于完备集合经验模态分解的自适应同步压缩短时傅里叶变换CEEMD-ASSTFT得到时频分布；
移动有效边际谱确定单元，用于计算所述时频分布的移动有效边际谱；
焊缝边际指数确定单元，用于根据所述移动有效边际谱，计算焊缝边际指数；
诊断单元，用于根据所述焊缝边际指数，确定所述待诊断区段是否存在焊接接头不良的问题。
8.如权利要求7所述的诊断重载铁路钢轨焊接接头不良的装置，其特征在于，所述时频分布确定单元具体用于：
将待诊断区段划分为多个预设长度的单元，对每一单元对应的轴箱垂向加速度的信号进行CEEMD，得到每一单元对应的子信号；
对每一子信号在不同窗长参数下做STFT，计算时频分布的Renyi熵，选取最小熵值对应的窗长为每一子信号的最优窗长；
对每一子信号在对应的最优窗长下做SSTFT，得到若干个时频分布；
将所有子信号的时频分布相加得到各单元轴箱垂向加速度信号的时频分布；
基于各预设长度的单元轴箱垂向加速度信号的时频分布，通过多个焊接接头不良数据进行CEEMD-ASSTFT得到轴箱动态响应数据能量主要分布范围作为最终时频分布。
9.一种计算机设备，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任一所述方法。
10.一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，该程序被处理器执行时实现权利要求1至6任一所述方法的步骤。
CN202110768675.0A 2021-07-07 2021-07-07 诊断重载铁路钢轨焊接接头不良的方法及装置 Active CN113501028B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110768675.0A CN113501028B (zh) 2021-07-07 2021-07-07 诊断重载铁路钢轨焊接接头不良的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110768675.0A CN113501028B (zh) 2021-07-07 2021-07-07 诊断重载铁路钢轨焊接接头不良的方法及装置

Publications (2)

Publication Number Publication Date
CN113501028A CN113501028A (zh) 2021-10-15
CN113501028B true CN113501028B (zh) 2022-08-09

Family

ID=78011568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110768675.0A Active CN113501028B (zh) 2021-07-07 2021-07-07 诊断重载铁路钢轨焊接接头不良的方法及装置

Country Status (1)

Country Link
CN (1) CN113501028B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114510828B (zh) * 2022-01-20 2022-09-27 华中科技大学 基于相干光测量的动力电池壳体激光焊接质量监测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102501886A (zh) * 2011-11-04 2012-06-20 中国铁道科学研究院基础设施检测研究所 高速铁路钢轨焊接接头状态的检测方法与系统
CN105203645A (zh) * 2015-06-08 2015-12-30 中国铁路总公司 一种基于振动信号融合的高速道岔裂纹伤损智能检测方法
CN108318169A (zh) * 2018-01-12 2018-07-24 西南交通大学 一种钢轨焊缝处最大动态力评估方法和钢轨焊缝维护系统
CN109080661A (zh) * 2018-07-27 2018-12-25 广州地铁集团有限公司 一种基于eemd能量熵和wvd的轨道波磨故障检测方法
CN109342091A (zh) * 2018-08-31 2019-02-15 南京理工大学 基于自适应形态滤波及改进emd的振动故障提取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102501886A (zh) * 2011-11-04 2012-06-20 中国铁道科学研究院基础设施检测研究所 高速铁路钢轨焊接接头状态的检测方法与系统
CN105203645A (zh) * 2015-06-08 2015-12-30 中国铁路总公司 一种基于振动信号融合的高速道岔裂纹伤损智能检测方法
CN108318169A (zh) * 2018-01-12 2018-07-24 西南交通大学 一种钢轨焊缝处最大动态力评估方法和钢轨焊缝维护系统
CN109080661A (zh) * 2018-07-27 2018-12-25 广州地铁集团有限公司 一种基于eemd能量熵和wvd的轨道波磨故障检测方法
CN109342091A (zh) * 2018-08-31 2019-02-15 南京理工大学 基于自适应形态滤波及改进emd的振动故障提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于车辆响应的高速铁路周期性轨道短波病害时频特性分析;晏兆晋等;《中国铁道科学》;20200115(第01期) *

Also Published As

Publication number Publication date
CN113501028A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN108845028B (zh) 一种高速铁路钢轨波磨动态检测方法和装置
Skarlatos et al. Railway wheel fault diagnosis using a fuzzy-logic method
CN114169422A (zh) 基于车辆振噪联合测试的地铁钢轨波磨识别方法及系统
CN113501028B (zh) 诊断重载铁路钢轨焊接接头不良的方法及装置
CN112991577B (zh) 一种轨道车辆车轮多边形状态诊断系统
CN106018557A (zh) 一种基于小波分析的轨道表面凹陷检测方法
CN113420367B (zh) 一种基于振动与噪声响应的地铁钢轨波磨检测方法与装置
CN114544206B (zh) 一种轨道交通机车车辆轮对多边形故障检测方法及装置
JP2000136988A (ja) レール波状摩耗検出手法
CN112414651A (zh) 基于移动式线路加载车的轨道刚度确定方法及装置
CN113343928A (zh) 变速路段高速铁路钢轨波磨检测方法及装置、计算机设备
CN106218668A (zh) 车轮不圆度检测方法及装置
CN112380710A (zh) 轨道板状态确定方法及装置
CN113358380B (zh) 一种轨道车辆蛇行运动稳定性检测和评定方法
CN115758289B (zh) 一种基于多任务学习神经网络的钢轨波磨识别方法
CN102501886B (zh) 高速铁路钢轨焊接接头状态的检测方法与系统
Men et al. Health assessment of high-speed train wheels based on group-profile data
Correa et al. On the non-proportionality between wheel/rail contact forces and speed during wheelset passage over specific welds
Kojima et al. Fault detection of railway track by multi-resolution analysis
JP6884343B2 (ja) 脱線予兆検知システム、制御装置、脱線予兆検知方法、および脱線予兆検知プログラム
CN116011138A (zh) 一种铁路钢轨局部不平顺评价方法
CN114580460A (zh) 基于形态学滤波和hht变换的铁道车辆轮轨故障诊断方法
CN113343919A (zh) 钢轨连续等距离擦硌伤的检测方法、装置、及计算机设备
Xiao et al. An improved marginal index method to diagnose poor welded joints of heavy-haul railway
CN116522217A (zh) 铁路低接头不平顺劣化程度检测方法、系统及电子设备

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