CN114608649A - 网络化走行部分析方法和系统 - Google Patents
网络化走行部分析方法和系统 Download PDFInfo
- Publication number
- CN114608649A CN114608649A CN202210147908.XA CN202210147908A CN114608649A CN 114608649 A CN114608649 A CN 114608649A CN 202210147908 A CN202210147908 A CN 202210147908A CN 114608649 A CN114608649 A CN 114608649A
- Authority
- CN
- China
- Prior art keywords
- running gear
- fault
- monitoring data
- data
- networked
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 claims abstract description 113
- 238000005070 sampling Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 238000012806 monitoring device Methods 0.000 claims description 48
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000006855 networking Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013078 crystal Substances 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING 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
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING 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
- G01D7/00—Indicating measured values
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请的实施例提供了一种网络化走行部分析方法和系统。该方法包括：基于预设采样频率，同时采集多路监测数据；对监测数据进行预处理；根据处理后的监测数据和监测数据阈值，判断走行部状态；若走行部状态为故障状态，则根据处理后的监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型；基于以太网报文交互方式，将监测数据和故障类型进行上传。本申请能够改善列车走行部处传感器信息的采集精度、实时性和完整性受到较大限制，且车内走行部分析主机的整体分析能力较弱的问题，达到提高列车走行部处传感器信息的采集精度、实时性和完整性，并增强车内走行部分析主机的整体分析能力的效果。
Description
技术领域
本申请的实施例涉及城市轨道交通车辆技术领域，尤其涉及一种网络化走行部分析方法和系统。
背景技术
伴随在线路上长期的运行服役过程，列车出现车体垂向抖动、车体平稳性和舒适度超标等问题，严重影响列车的运行安全性。随着高铁建设的不断发展，列车运行安全监控已经成为保障高铁安全运行的重要技术。
在实现本发明的过程中，发明人发现，列车走行部处传感器信息的采集精度、实时性和完整性受到较大限制，且车内走行部分析主机的整体分析能力较弱。
发明内容
本申请的实施例提供了一种网络化走行部分析方法和系统，能够改善列车走行部处传感器信息的采集精度、实时性和完整性受到较大限制，且车内走行部分析主机的整体分析能力较弱的问题。
在本申请的第一方面，提供了一种网络化走行部分析方法，包括：
基于预设采样频率，同时采集多路监测数据；所述监测数据包括走行部的振动数据、走行部的温度数据和走行部的直流数据；
对所述监测数据进行预处理；
根据处理后的所述监测数据和监测数据阈值，判断走行部状态，所述走行部状态包括正常状态和故障状态；
若走行部状态为故障状态，则根据处理后的所述监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型；
基于以太网报文交互方式，将所述监测数据和所述故障类型进行上传。
通过采用以上技术方案，基于预设采样频率，同时采集多路监测数据，可以实现提高列车走行部处传感器信息的采集精度、实时性和完整性；再对监测数据进行预处理，根据处理后的监测数据和监测数据阈值，判断走行部状态；若走行部状态为故障状态，则根据处理后的监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型；再基于以太网报文交互方式，将监测数据和故障类型进行上传，可以实现增强车内走行部分析主机的整体分析能力；能够改善列车走行部处传感器信息的采集精度、实时性和完整性受到较大限制，且车内走行部分析主机的整体分析能力较弱的问题，达到提高列车走行部处传感器信息的采集精度、实时性和完整性，并增强车内走行部分析主机的整体分析能力的效果。
在一种可能的实现方式中，所述预设采样频率包括第一预设采样频率、第二预设采样频率和第三预设采样频率；所述基于预设采样频率，同时采集多路监测数据，包括：
根据所述第一预设采样频率，同时采集多路所述振动数据；
根据所述第二预设采样频率，同时采集多路所述温度数据；
根据所述第三预设采样频率，同时采集多路所述直流数据。
在一种可能的实现方式中，所述对所述监测数据进行预处理，包括
对所述监测数据进行仿真验证，选取预处理算法；
基于所述预处理算法，对所述监测数据进行预处理，获得处理后的所述监测数据。
在一种可能的实现方式中，所述根据处理后的所述监测数据和预设故障模式，对走行部的故障进行识别，获取走行部的故障类型，包括：
基于故障特征频率和温度阈值，获得预设故障模式；
根据处理后的所述监测数据，通过所述预设故障模式，对走行部的故障进行识别，获取走行部的故障类型。
在一种可能的实现方式中，还包括：
基于级差公式，根据所述故障类型进行故障报警。
在本申请的第二方面，提供了一种网络化走行部分析装置，包括：
采集模块，用于基于预设采样频率，同时采集多路监测数据；所述监测数据包括走行部的振动数据、走行部的温度数据和走行部的直流数据；
处理模块，用于对所述监测数据进行预处理；
判断模块，用于根据处理后的所述监测数据和监测数据阈值，判断走行部状态，所述走行部状态包括正常状态和故障状态；
识别模块，用于若走行部状态为故障状态，则根据处理后的所述监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型；
传输模块，用于基于以太网报文交互方式，将所述监测数据和所述故障类型进行上传。
在本申请的第三方面，提供了一种网络化走行部分析系统，包括：多组传感器、多个网络化走行部监测装置和走行部分析主机；
每一组传感器与每一个网络化走行部监测装置对应连接，多个网络化走行部监测装置级联进行组网与所述走行部分析主机连接。
在一种可能的实现方式中，所述网络化走行部监测装置包括多路模数转换电路、处理器和交换芯片；
所述多路模数转换电路与所述处理器连接，所述处理器与所述交换芯片连接；
一个网络化走行部监测装置中的交换芯片与另一个网络化走行部监测装置中的交换芯片连接。
在本申请的第四方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如以上所述的方法。
在本申请的第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
应当理解，发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了本申请实施例中网络化走行部分析系统的结构图。
图2示出了本申请实施例中基于网络化走行部分析系统进行数据采集和处理的示意图。
图3示出了本申请实施例中模数转换模块的原理图。
图4示出了本申请实施例中多个网络化走行部监测装置级联组网的示意图。
图5示出了本申请实施例中网络化走行部分析方法的流程图。
图6示出了本申请实施例中网络化走行部分析装置的结构图。
图7示出了适于用来实现本申请实施例的电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供的网络化走行部分析方法可以应用于城市轨道交通车辆技术领域。
目前，轨道交通列车走行部(转向架)的监测系统均采用车底采集车内监测的方式。具体地，在车底走行部的关键部件上设置传感器，多路传感器连接至一台前置处理器。而后，一台前置处理器将传感器获取的信息数字化，再由车内监测主机分时获取数字化以后的信息并进行监测。
其中，前置处理器内仅设置模数转换模块(A/D转换模块)和分时传输模块，传感器信息的采集精度、实时性及完整性会受到很大限制，车内监测主机分时获取并解析数据也会导致对数据分析能力的下降。
为解决上述技术问题，本申请的实施例提供了一种网络化走行部分析系统。
图1示出了本申请实施例中网络化走行部分析系统的结构图。参见图1，本实施例中网络化100走行部分析系统包括多组传感器1、多个网络化走行部监测装置2和走行部分析主机3。其中，每一组传感器1与每一个网络化走行部监测装置2对应连接，多个网络化走行部监测装置2级联进行组网与走行部分析主机3连接。
在本申请实施例中，传感器1为复合传感器。每组复合传感器包括多个复合传感器，多个复合传感器并联接入网络化走行部监测装置2，可采集走行部各关键部件的直流、振动和温度等信息。
在本申请实施例中，网络化走行部检测装置2利用原有前置处理器的安装空间，将走行部检测功能由车内下移到车底，每个网络化走行部监测装置2直接安装在走行部各关键部件上，能够实现在缩短传感器与采集部件的距离的同时，提高走行部振动、温度等信息采集的精度，还可以实现更加及时的监测走行部各关键部件的状态，以便保证监测数据的完整性，提高走行部分析的整体能力。
其中，走行部各关键部件包括轴箱、齿轮箱和电机部位。
在一些实施例中，网络化走行部监测装置2包括多路模数转换电路。
在本申请实施例中，多路模数转换电路包括模拟处理模块和模数转换模块。模拟处理模块包括但不限于电流源、二阶谐振电路和电压调理电路。模数转换模块(Analog-to-Digital Converter，即ADC)包括振动信号ADC(高速ADC)和传感器检测ADC(低速ADC)。
其中，振动信号ADC主要功能是同步采集多路振动信号ADC，用于走行部故障检测。传感器检测ADC主要功能是采集多路集成电路放大器(Integral ElectronicPiezoelectric，即IEPE)的直流信号，用于检测复合传感器中的电路是否工作正常。
在本申请实施例中，振动信号ADC同步采集四路振动信号ADC，传感器检测ADC采集四路集成电路放大器的直流信号。
图2示出了本申请实施例中基于网络化走行部分析系统进行数据采集和处理的示意图。参见图2，网络化走行部监测装置2还包括处理器22和交换芯片21。其中，多路模数转换电路与处理器22连接，处理器22与交换芯片21连接，一个网络化走行部监测装置中的交换芯片与另一个网络化走行部监测装置中的交换芯片连接。
可选的，处理器22(CPU)为微控制器，交换芯片21为现场可编程逻辑门阵列(FieldProgrammable Gate Array，即FPGA芯片)。
在本申请实施例中，处理器22采用微控制器，主要功能是将采集到的振动数据、温度数据和直流数据通过以太网上传给走行部分析主机3，并通过以太网接收时间和速度等数据，以便控制ADC以及其他电路。
在本申请实施例中，交换芯片21采用FPGA芯片，FPGA通过串行外设接口(SerialPeripheral Interface，SPI)采集A/D变换后的振动数据，并将数据存储于片内的(RandomAccess Memory，即RAM)随机存取存储器，并通过并口将数据上传给CPU。
图3示出了本申请实施例中模数转换模块的原理图。参见图3，模拟处理模块(模拟电路)与模数转换模块(A/D采集模块)连接，模数转换模块包括第一4Channel ADC和第二4Channel ADC，第一4Channel ADC与FPGA数字隔离，通过SPI和IO协议进行数据传输，第二4Channel ADC与CPU数字隔离，通过I2C协议进行数据传输，FPGA与CPU通过并口进行数据传输。
在本申请实施例中，网络化走行部监测装置2还包括局域网模块(local areanetwork，即LAN)。局域网模块包括CPU内部集成的以太网控制器、个人消费型计算机(MAC)、三端口交换芯片和网络变压器，主要功能是实现级联的前置处理器(网络化走行部监测装置)以及走行部分析主机3组网，确保级联在一起的两个前置处理器的数据可以上传到走行部分析主机。
在本申请实施例中，网络化走行部监测装置2还包括电源部分和时钟部分。电源部分包括隔离DC-DC芯片和单独恒流源芯片，将24V输入电源，通过需要的电压变化，产生网络化走行部监测装置中各模块需要的供电电压，使得网络化走行部监测装置2正常工作。时钟部分包括50MHz晶振、27MHz晶振和时钟缓冲器(时钟Buffer芯片)，为CPU、交换芯片以及高速ADC提供时钟。
为更加清楚的描述网络化走行部分析系统100对数据的采集和处理，将基于上述网络化走行部分析系统100的各个组成部分进行阐述。
参见图2、图3，网络化走行部监测装置2用于连接传感器(复合传感器)1和走行部分析主机3，它将传感器1的振动信号进行滤波及A/D转换，并通过以太网将温度数据和振动数据传给走行部分析主机3。具体地，每个网络化走行部监测装置2连接一组传感器1，一组传感器1包括四个复合传感器。网络化走行部监测装置2给每路复合传感器提供电源，并采集每路复合传感器的温度信号、直流信号和振动信号。同时，网络化走行部监测装置2具有以太网组网功能，可将多台网络化走行部监测装置2进行网络级联，通过以太网走行部分析主机3可自由获取任意传感器的信息数据。
其中，针对电源的提供，网络化走行部监测装置2中隔离DC-DC芯片提供给每路复合传感器的数字温度传感器(DS18B20)DC 3-5.5V的电源电压。直流信号(IEPE信号)的电压为DC 18～36V、电流为4mA，因此，网络化走行部监测装置2中单独恒流源芯片给每路复合传感器提供4mA电流。
针对温度数据的处理、采集和传输，网络化走行部监测装置2中处理器22通过单线单点连接复合传感器，读取温度信息后作滤波处理，再通过以太网上传给走行部分析主机3。
针对振动数据的处理、采集和传输，振动信号经过二阶谐振电路后，利用四路通道并行接入ADC(第一4Channel ADC)进行AD变换，处理器22再通过以太网将振动数据上传给走行部分析主机3。
针对直流数据的处理、采集和传输，即对传感器1的IEPE信号的直流进行检测，每路IEPE的直流电压连接至低采样率的4通道ADC(第二4Channel ADC),处理器22通过采集的直流电压判断传感器1的是否正常工作。例如，传感器1发生短路或断路等情况，则处理器22将传感器1的状态通过以太网上传给走行部分析主机3。
针对以太网通信，网络化走行部监测装置2中的以太网交换芯片21(FPGA)保证两个或多个级联的网络化走行部监测装置2均可以通过以太网进行组网，并与走行部分析主机3通信。处理器22通过以太网将温度数据、直流数据和振动数据上传给走行部分析主机3，同时接收走行部分析主机3的控制。
针对级联组网，在多个网络化走行部监测装置2中，前端的网络化走行部监测装置2以接口为以太网和24V电源复合接口，直接与走行部分析主机3相连，并通过一样的接口与后端的网络化走行部监测装置2相连，实现多个网络化走行部监测装置2级联组网并与走行部分析主机3通信。
图4示出了本申请实施例中多个网络化走行部监测装置级联组网的示意图。参见图4，前后两个网络化走行部监测装置的输入接口是相同的，两个网络化走行部监测装置的输出接口也是相同的。级联时，后端的网络化走行部监测装置的输出接口连接到前端的网络化走行部监测装置的输入接口，前端网络化走行部监测装置的输出接口与走行部分析主机连接，后端的网络化走行部监测装置的输入接口闲置。
综上可见，网络化走行部分析系统中网络化走行部检测装置主要监测列车走行部中轴箱、齿轮箱和电机部位的振动信号、温度信号和直流信号等信息，然后将信息全部数字化并进行清洗、筛选及识别，再根据上述信息对列车轴箱、齿轮箱和电机的状态进行判断，协助走行部分析主机在轴箱、齿轮箱和电机发生早期故障时，通过预设故障模式识别出轴箱、齿轮箱和电机故障，以便在后续车辆检修时向检修人员提供确定的故障信息，达到通过识别早期故障降低列车运行风险的目的。
基于上述系统，本申请的实施例还提供了一种网络化走行部分析方法。在一些实施例中，该网络化走行部分析方法可以由电子设备执行。
图5示出了本申请实施例中网络化走行部分析方法的流程图。参见图5，本实施例中网络化走行部分析方法包括：
步骤S501：基于预设采样频率，同时采集多路监测数据；所述监测数据包括走行部的振动数据、走行部的温度数据和走行部的直流数据。
步骤S502：对所述监测数据进行预处理。
步骤S503：根据处理后的所述监测数据和监测数据阈值，判断走行部状态，所述走行部状态包括正常状态和故障状态。
步骤S504：若走行部状态为故障状态，则根据处理后的所述监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型。
步骤S505：基于以太网报文交互方式，将所述监测数据和所述故障类型进行上传。
通过采用以上技术方案，基于预设采样频率，同时采集多路监测数据，可以实现提高列车走行部处传感器信息的采集精度、实时性和完整性；再对监测数据进行预处理，根据处理后的监测数据和监测数据阈值，判断走行部状态；若走行部状态为故障状态，则根据处理后的监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型；再基于以太网报文交互方式，将监测数据和故障类型进行上传，可以实现增强车内走行部分析主机的整体分析能力；能够改善列车走行部处传感器信息的采集精度、实时性和完整性受到较大限制，且车内走行部分析主机的整体分析能力较弱的问题，达到提高列车走行部处传感器信息的采集精度、实时性和完整性，并增强车内走行部分析主机的整体分析能力的效果。
在步骤S501中，根据采集的监测数据的不同，预设采样频率也不同。
具体地，网络化走行部监测装置同时采集四路传感器的振动和冲击信号，周期性获取对应的温度信号。复合传感器信号经抗混叠滤波后进入模数转换模块。处理器通过SPI通信总线控制和模数转换模块，获取复合传感器采集的数据。
针对传感器振动和冲击信号的采集，复合传感器经4mA恒流电压源输入后输出8～12V电压信号。每个处理器可同时接四路复合传感器。为确保收集连续的数据可供后续算法使用，处理器通过SPI获取ADC并行采集的四路传感器数据并打包。因采样频率需满足传感器谐振频率(12KHz)的2倍以上，同时采样点数过多又会影响后续的数据传输、内存占用和算法延时，故综合考虑，AD采样频率设为51.2KHz(实际52.734KHz)，即传感器谐振频率最大成分的大约4倍多的数值。
针对直流信号的采集，每路传感器输出的电压信号经电路处理后得到相应的直流信号，经ADC采样后通过IIC传输给处理器。
针对温度信号的采集，复合传感器自带数字温度芯片DS18B20，即可以通过其单根数据线实现温度信息的读取，温度读取周期暂定1s。
在本申请实施例中，振动数据采用周期性传输，上传周期为100ms，上传数据包含开始时间、数据帧头、数据帧尾、循环冗余校验(Cyclic Redundancy Check，CRC)过程中的校验帧、递增帧以及100ms采集的51.2*2K字节数据。
在步骤S502中，对采集到的数字信号(监测数据)进行预处理，即为首先对监测数据进行线性变换，然后对经过线性判断后的监测数据进行正确性的判断。若监测数据异常，则对监测数据进行补偿和校准。
在本申请实施例中，对于振动信号(振动冲击信号)，采集到的数字信号后，需首先检测数据的可靠性，即验证数据是否符合一般车辆振动情况，然后再验证传感器以及采集环节是否正常。
在本申请实施例中，对采集到的数字信号进行预处理，是对经过初步验证的后的采集到的数据进行适当的预处理。具体地，根据具体情况，可以从包括但不限于零均值化、数据平滑处理算法、异常点剔除算法和去除趋势项算法在内的众多算法中选取其中某一个或者某几个算法组合进行预处理。
在步骤S503中，根据采集的监测数据的不同，监测数据阈值也不同。若处理后的监测数据超出监测数据阈值，则走行部状态为故障状态。反之，则为正常状态。
在步骤S504中，预设故障模式根据历史采集的监测数据确定。故障类型为列车轴箱、齿轮箱等部位的早期故障。故障类型包括保持架对外环故障、保持架对内环故障、外环内滚道故障、内环外滚道故障、滚单故障、滚双故障、本轴齿轮、邻轴齿轮故障、温升故障和超温故障。
在步骤S505中，根据采集的监测数据的不同，基于以太网报文交互方式的具体数据上传的方式也不同。例如，针对直流信号，将数据和传感器判断结果一并通过以太网单播方式上传。针对温度信号，将数据和判断结果一并通过以太网单播方式上传。针对振动信号，将实时读取线性处理后加时间标签打包数据，并通过以太网UDP组播方式上传。
在本申请实施例中，将监测数据和故障类型上传至走行部分析主机，待下一步处理。
在一些实施例中，预设采样频率包括第一预设采样频率、第二预设采样频率和第三预设采样频率，步骤S501中包括：步骤A1-步骤A3。
步骤A1：根据所述第一预设采样频率，同时采集多路所述振动数据。
步骤A2：根据所述第二预设采样频率，同时采集多路所述温度数据。
步骤A3：根据所述第三预设采样频率，同时采集多路所述直流数据。
在本申请实施例中，第一预设采样频率，即振动信号的采样频率设置为52.734KHz,采样分辨率均为16位,四路信号同时采集。具体地，运行中同时采样四路传感器振动数据。第二预设采样频率，即温度信号采集周期1s。具体地，周期性获取温度信号，利用平均值拟合算法获取温度进行温升和阈值判断。第三预设采样频率，即直流信号的采样频率设置为250Hz,采样分辨率均为16位,四路信号同时采集。具体地，上电时同时采样四路传感器直流数据，连续采集10次电压取平均。
在一些实施例中，步骤S502中包括：步骤B1-步骤B2。
步骤B1：对所述监测数据进行仿真验证，选取预处理算法。
步骤B2：基于所述预处理算法，对所述监测数据进行预处理，获得处理后的所述监测数据。
在本申请实施例中，整体算法的设计和优化思路，按照从理论上选取适合的预处理方法进行仿真验证。预处理算法包括去噪算法、包络解调算法和时域频域转换算法。
具体地，按照优先顺序选取滤波算法、自相关互相关算法、经验模态分解算法(empirical mode decomposition，即EMD)、集合经验模态分解(Ensemble Empirical ModeDecomposition，即EEMD)小波变换算法等相关算法进行仿真验证，来选取合适的去燥算法，使得对故障判断无用的信号幅值尽量减少，以便故障冲击信号能够凸显出来。
进一步地，选取希尔伯特变换算法(Hilbert transform)、三次样条插值算法等相关算法进行仿真验证，基于前面选取的去噪方法，选择适合的包络解调算法，尽量避免包络过冲和欠冲问题。
更进一步地，基于前面选取的包络解调方法，从快速傅立叶变换算法(fastFourier transform，即FFT)、短时傅里叶算法、小波算法等算法中选取合适的时域频域转换算法，对信号实现时域到频域的转换。
在一些实施例中，步骤S504中包括：步骤C1-步骤C2。
步骤C1：基于故障特征频率和温度阈值，获得预设故障模式。
步骤C2：根据处理后的所述监测数据，通过所述预设故障模式，对走行部的故障进行识别，获取走行部的故障类型。
在本申请实施例中，基于采集的历史振动数据，通过频谱分析，获取故障特征频率，即根据故障时的轴承参数和转速，计算对应的故障特征频率。故障特征频率包括在不同故障类型下振动数据对应的特征频率。温度阈值包括温度变化范围的阈值和最大温度的阈值。
在本申请实施例中，对处理后的监测数据中的振动数据进行频谱分析，将处理后的监测数据中的振动数据的频率和故障特征频率进行比对。若处理后的监测数据中的振动数据的频率与故障特征频率存在对应关系，则对对应的数据进行识别，判断理后的监测数据中的振动数据属于哪一种故障类型。
在本申请实施例中，对处理后的监测数据中的温度数据进行温升和超温检测。具体地，根据处理后的监测数据中的温度数据，计算设定的时间段之间的温度变化，若温度变化超出温度变化范围的阈值，则为温升故障。将处理后的监测数据中的温度数据与最大温度的阈值进行比较，若处理后的监测数据中的温度数据超出最大温度的阈值，则为超温故障。
在一些实施例中，所述方法还包括步骤S506。
步骤S506：基于级差公式，根据所述故障类型进行故障报警。
在本申请实施例中，故障类型对应的故障级别包括故障预警、I级故障报警和II级故障报警。根据级差公式计算监测数据中振动数据各频率点是否达到故障级别。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本申请所述方案进行进一步说明。
图6示出了本申请实施例的一种网络化走行部分析装置的结构图。参见图6，该网络化走行部分析装置包括、、模块201和、、模块202。
采集模块601，用于基于预设采样频率，同时采集多路监测数据；所述监测数据包括走行部的振动数据、走行部的温度数据和走行部的直流数据。
处理模块602，用于对所述监测数据进行预处理。
判断模块603，用于根据处理后的所述监测数据和监测数据阈值，判断走行部状态，所述走行部状态包括正常状态和故障状态。
识别模块604，用于若走行部状态为故障状态，则根据处理后的所述监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型。
传输模块605，用于基于以太网报文交互方式，将所述监测数据和所述故障类型进行上传。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图7示出了适于用来实现本申请实施例的电子设备结构示意图。如图7所示，图7所示的电子设备700包括：处理器701和存储器703。其中，处理器701和存储器703相连。可选地，电子设备700还可以包括收发器704。需要说明的是，实际应用中收发器704不限于一个，该电子设备700的结构并不构成对本申请实施例的限定。
处理器701可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器701也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线702可包括一通路，在上述组件之间传送信息。总线702可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线702可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器703可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器703用于存储执行本申请方案的应用程序代码，并由处理器701来控制执行。处理器701用于执行存储器703中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，本申请实施例中，基于预设采样频率，同时采集多路监测数据，可以实现提高列车走行部处传感器信息的采集精度、实时性和完整性；再对监测数据进行预处理，根据处理后的监测数据和监测数据阈值，判断走行部状态；若走行部状态为故障状态，则根据处理后的监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型；再基于以太网报文交互方式，将监测数据和故障类型进行上传，可以实现增强车内走行部分析主机的整体分析能力；能够改善列车走行部处传感器信息的采集精度、实时性和完整性受到较大限制，且车内走行部分析主机的整体分析能力较弱的问题，达到提高列车走行部处传感器信息的采集精度、实时性和完整性，并增强车内走行部分析主机的整体分析能力的效果。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种网络化走行部分析方法，其特征在于，包括：
基于预设采样频率，同时采集多路监测数据；所述监测数据包括走行部的振动数据、走行部的温度数据和走行部的直流数据；
对所述监测数据进行预处理；
根据处理后的所述监测数据和监测数据阈值，判断走行部状态，所述走行部状态包括正常状态和故障状态；
若走行部状态为故障状态，则根据处理后的所述监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型；
基于以太网报文交互方式，将所述监测数据和所述故障类型进行上传。
2.根据权利要求1所述的方法，其特征在于，所述预设采样频率包括第一预设采样频率、第二预设采样频率和第三预设采样频率；所述基于预设采样频率，同时采集多路监测数据，包括：
根据所述第一预设采样频率，同时采集多路所述振动数据；
根据所述第二预设采样频率，同时采集多路所述温度数据；
根据所述第三预设采样频率，同时采集多路所述直流数据。
3.根据权利要求1或2中任一项所述的方法，其特征在于，所述对所述监测数据进行预处理，包括：
对所述监测数据进行仿真验证，选取预处理算法；
基于所述预处理算法，对所述监测数据进行预处理，获得处理后的所述监测数据。
4.根据权利要求1所述的方法，其特征在于，所述根据处理后的所述监测数据和预设故障模式，对走行部的故障进行识别，获取走行部的故障类型，包括：
基于故障特征频率和温度阈值，获得预设故障模式；
根据处理后的所述监测数据，通过所述预设故障模式，对走行部的故障进行识别，获取走行部的故障类型。
5.根据权利要求1所述的方法，其特征在于，还包括：
基于级差公式，根据所述故障类型进行故障报警。
6.一种网络化走行部分析装置，其特征在于，包括：
采集模块，用于基于预设采样频率，同时采集多路监测数据；所述监测数据包括走行部的振动数据、走行部的温度数据和走行部的直流数据；
处理模块，用于对所述监测数据进行预处理；
判断模块，用于根据处理后的所述监测数据和监测数据阈值，判断走行部状态，所述走行部状态包括正常状态和故障状态；
识别模块，用于若走行部状态为故障状态，则根据处理后的所述监测数据，通过预设故障模式，对走行部的故障进行识别，获得走行部的故障类型；
传输模块，用于基于以太网报文交互方式，将所述监测数据和所述故障类型进行上传。
7.一种网络化走行部分析系统，其特征在于，包括：多组传感器、多个网络化走行部监测装置和走行部分析主机；
每一组传感器与每一个网络化走行部监测装置对应连接，多个网络化走行部监测装置级联进行组网与所述走行部分析主机连接。
8.根据权利要求7所述的系统，其特征在于，所述网络化走行部监测装置包括多路模数转换电路、处理器和交换芯片；
所述多路模数转换电路与所述处理器连接，所述处理器与所述交换芯片连接；
一个网络化走行部监测装置中的交换芯片与另一个网络化走行部监测装置中的交换芯片连接。
9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的方法。
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，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210147908.XA CN114608649A (zh) | 2022-02-17 | 2022-02-17 | 网络化走行部分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210147908.XA CN114608649A (zh) | 2022-02-17 | 2022-02-17 | 网络化走行部分析方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114608649A true CN114608649A (zh) | 2022-06-10 |
Family
ID=81858707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210147908.XA Pending CN114608649A (zh) | 2022-02-17 | 2022-02-17 | 网络化走行部分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114608649A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111082886A (zh) * | 2019-11-20 | 2020-04-28 | 北京华高世纪科技股份有限公司 | 一种网络化列车广播系统及实现方法 |
| CN211293746U (zh) * | 2020-03-16 | 2020-08-18 | 常州路航轨道交通科技有限公司 | 一种走行部故障诊断系统 |
| CN112580153A (zh) * | 2020-12-29 | 2021-03-30 | 成都运达科技股份有限公司 | 一种车辆走行部监测部件健康状态管理系统及方法 |
| CN112781877A (zh) * | 2021-01-06 | 2021-05-11 | 株洲中车时代电气股份有限公司 | 一种走行部轴承故障诊断方法、装置及系统 |
-
2022
- 2022-02-17 CN CN202210147908.XA patent/CN114608649A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111082886A (zh) * | 2019-11-20 | 2020-04-28 | 北京华高世纪科技股份有限公司 | 一种网络化列车广播系统及实现方法 |
| CN211293746U (zh) * | 2020-03-16 | 2020-08-18 | 常州路航轨道交通科技有限公司 | 一种走行部故障诊断系统 |
| CN112580153A (zh) * | 2020-12-29 | 2021-03-30 | 成都运达科技股份有限公司 | 一种车辆走行部监测部件健康状态管理系统及方法 |
| CN112781877A (zh) * | 2021-01-06 | 2021-05-11 | 株洲中车时代电气股份有限公司 | 一种走行部轴承故障诊断方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | Implementation of envelope analysis on a wireless condition monitoring system for bearing fault diagnosis | |
| US5406485A (en) | Method and apparatus for detecting faulty operation of a wheel speed sensor | |
| US20170108406A1 (en) | Method and data processing device for severity assessment of bearing defects using vibration energy | |
| CN104571079A (zh) | 一种基于多传感器信息融合的无线远程故障诊断系统 | |
| CN112082782B (zh) | 城市轨道交通列车走行部故障数字诊断系统及其诊断方法 | |
| US5487595A (en) | Dual hysteresis method of generating square waves from automotive wheel speed signals | |
| US11088652B2 (en) | Rotary machine diagnostic system | |
| CN212539258U (zh) | 350公里动车组振动综合监测装置 | |
| US9112738B2 (en) | Control device having a digital interface | |
| JP6458080B2 (ja) | 航空機構成要素監視システム | |
| CN114608649A (zh) | 网络化走行部分析方法和系统 | |
| CN109739208B (zh) | 一种汽车发动机运行状态判断方法及系统 | |
| JP2011237459A (ja) | 異常診断装置、回転装置及び異常診断方法 | |
| JP4997936B2 (ja) | 転がり軸受の異常診断装置および乗物 | |
| CN104512433A (zh) | 一种线阵式红外轴温探头的数据采集与处理方法 | |
| CN111220379B (zh) | 一种牵引电机传动系统故障诊断方法及装置 | |
| CN107765617B (zh) | 列车轴温数据处理方法及装置 | |
| CN208579937U (zh) | 一种高铁动车组车载轴箱振动监测系统 | |
| CN112519835A (zh) | 列车速度确定方法、装置、电子设备和可读存储介质 | |
| CN212903311U (zh) | Zd27动车组转向架振动加速度监测装置 | |
| CN113093710B (zh) | 总线数据分析方法、装置、设备及汽车诊断系统 | |
| CN116150585A (zh) | 基于乘积包络谱的旋转机械故障诊断方法 | |
| JP4203639B2 (ja) | 軌道回路システム | |
| CN110177032B (zh) | 报文路由质量监测方法及网关控制器 | |
| CN109238728B (zh) | 一种车用发动机上零部件故障诊断的方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220610 |
|
| RJ01 | Rejection of invention patent application after publication |