CN114954562A - 低阶车轮多边形识别方法及装置 - Google Patents
低阶车轮多边形识别方法及装置 Download PDFInfo
- Publication number
- CN114954562A CN114954562A CN202210438691.8A CN202210438691A CN114954562A CN 114954562 A CN114954562 A CN 114954562A CN 202210438691 A CN202210438691 A CN 202210438691A CN 114954562 A CN114954562 A CN 114954562A
- Authority
- CN
- China
- Prior art keywords
- data
- wheel
- order
- polygon
- train
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 139
- 230000003595 spectral effect Effects 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 29
- 230000007423 decrease Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 21
- 238000006073 displacement reaction Methods 0.000 description 16
- 238000005259 measurement Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- B61K9/12—Measuring or surveying wheel-rims
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/021—Measuring and recording of train speed
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种低阶车轮多边形识别方法及装置,该方法包括:获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。本发明可以实现低阶车轮多边形识别,效率高,准确性高。
Description
技术领域
本发明涉及铁路轨道检测数据、轨道管理和机车车辆技术领域,尤其涉及一种低阶车轮多边形识别方法和装置。
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。
车轮多边形即车轮半径沿圆周方向呈现出周期性不圆顺,是列车车轮失圆的主要表现形式之一。当存在多边形病害的车轮沿钢轨滚动时,会诱发轮轨系统的异常振动,加大车厢内的噪声水平,特别是在高速行车条件下,车轮多边形将会显著加剧轮轨冲击,加速轮轨部件的疲劳损伤,甚至会影响列车运行的安全性和稳定性。
低阶车轮多边形作为轨道车辆面临的一大突出问题,一直是轨道交通领域研究的热点。现有检测可大致分为静态检测、动态检测两类,其中静态检测指车辆处于静止状态下,利用接触式或图像检测技术进行测量,虽然属于无损检测但是影响列车运营,效率较低;动态检测是基于车轮失圆与钢轨相互作用的特征和圆顺车轮不同,进而来识别车轮,不影响列车正产运行,检测效率高,但是现有的动态检测频率和准确性,仍制约着高速铁路服务质量的提升。
因此,目前缺乏一种效率高且准确性高的低阶车轮多边形识别方法。
发明内容
本发明实施例提供一种低阶车轮多边形识别方法,用以实现低阶车轮多边形识别,效率高,准确性高,该方法包括:
获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;
根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;
在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;
根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。
本发明实施例提供一种低阶车轮多边形识别装置,用以实现低阶车轮多边形识别,效率高,准确性高,该装置包括:
检测数据获取模块,用于获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;
第一车轮多边形判断模块,用于根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;
偏差值获得模块,用于在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;
第二车轮多边形判断模块,用于根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。
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低阶车轮多边形识别方法。
本发明实施例还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有计算机程序,所述计算机程序被处理器执行时实现上述低阶车轮多边形识别方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述低阶车轮多边形识别方法。
本发明实施例中,获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。在上述过程中,通过轨检系统检测到的检测列车的不同速度等级的检测数据,可以加大对车轮多边形的监控频次,极大地降低轨检列车的检测成本,便于日后维护,更加高效地识别出低阶车轮多边形,且检测数据得出的车轮多边形的阶数的准确性高。
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为本发明实施例中低阶车轮多边形识别方法;
图2为本发明实施例中高低不平顺数据的测量原理图;
图3为本发明实施例中车轮多边形激扰下的轮轴与车体垂向动位移示意图;
图4为本发明实施例中水平不平顺测量原理图;
图5为本发明实施例中扭曲不平顺的计算原理图;
图6为本发明实施例中车轮为低阶多边形时功率谱密度数据变化示意图;
图7为本发明实施例中不同速度等级对应的低阶车轮多边形对应的高低不平顺数据的偏差值;
图8为本发明实施例中不同速度等级对应的低阶车轮多边形对应的TQI数据的偏差值;
图9为本发明实施例中对检测数据的功率谱密度数据进行分析的示意图;
图10为本发明实施例中低阶车轮多边形识别装置的示意图;
图11为本发明实施例中计算机设备的示意图。
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。
发明人认为高速综合检测列车以运营动车组为平台,在服役过程中也可能会出现车轮失圆问题,进而对铁路基础设施状态评价的可靠性和一致性造成干扰,致使难以科学、准确地评价轨道的平顺状态。因此,也可以通过对轨道检测数据的可靠性和一致性进行分析,间接识别低阶车轮多边形问题。本发明旨在以经济、简单的方式解决列车车轮低阶多边形识别问题,通过高速综合检测列车搭载的轨检系统,获取轨道的检测数据,及时有效地识别低阶车轮多边形,优化轨道管理作业,提高作业效率。
图1为本发明实施例中低阶车轮多边形识别方法,如图1所示,所述方法包括:
步骤101,获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;
步骤102,根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;
步骤103,在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;
步骤104,根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。
在本发明实施例中,通过轨检系统检测到的检测列车的不同速度等级的检测数据,可以加大对车轮多边形的监控频次,极大地降低轨检列车的检测成本,便于日后维护,更加高效地识别出低阶车轮多边形,且检测数据得出的车轮多边形的阶数的准确性高。
在一实施例中,所述检测数据包括不平顺数据和TQI数据;所述不平顺数据包括高低不平顺数据、水平不平顺数据和扭曲不平顺数据。
其中,高低不平顺数据、水平不平顺数据和扭曲不平顺数据均采用惯性基准法测量原理,即通过陀螺、加速度计等传感器在运动的车体内建立一个惯性参考基准,再利用位移传感器测量轨道与基准的相对位置,从而得到轨道在惯性坐标系内的不平顺数据。
轨道的高低不平顺表示钢轨顶面沿线路纵向的起伏变化,图2为本发明实施例中高低不平顺数据的测量原理图。在检测列车的检测梁上方车体M处安装垂向加速度计A,测得的加速度信号a经过二次积分得到检测列车车体相对于惯性基准的动态位移Z;布置在车体与轴箱之间的高低位移计用来测量两者的相对位移W,则高低不平顺F可用下式计算:
F=Z-W-R (1)
式中,R为车轮半径。
当轨道检测系统所在轮对出现幅值为0.2mm的1阶和5阶车轮多边形,则在列车时速350km/h时,车轮多边形激励频带附近的车体与轮轴垂向动位移如图3所示,其中图3中的(a)为1阶多边形对应的动位移,图3中的(b)为5阶多边形对应的动位移,由图3可知,低阶车轮多边形对轮轴垂向动位移的影响较为显著,在车轮径跳值为0.2mm时,1阶和5阶多边形对应的轮轴垂向动位移的峰峰值分别达到0.28mm与0.03mm。因此,车轮多边形引起的轨道高低不平顺波动的半峰值ΔF可采用下式计算:
式中,ΔF为高低不平顺半峰值,也是高低不平顺数据偏差值;N为200m区段范围内的采样点数量。F′为高低不平顺数据;F为高低不平顺数据对应的基准数据。
水平不平顺表示轨道同一断面上左、右轨顶面相对于所在水平面的高度差,图4为本发明实施例中水平不平顺测量原理图,水平不平顺H通过倾角计INCL、滚动陀螺ROLL、摇头陀螺YAW以及布置在两个轴箱处的高低位移计LPDT与RPDT进行测量,各项数据经合成后得出,计算方法见下式:
式中,θc为车体滚动角,θt为轨道倾角,D2为两轨中心线间隔,D1为两高低位移计的水平间距,F1与F2分别为两高低位移计测量值。
当出现车轮多边形时,其会对高低位移检测数据造成干扰(如图3所示),进而影响车体与轮轴间的相对夹角θct。为分析车轮多边形对水平不平顺的影响,可做出如下假设:
第一,车辆部件的倾角远小于轨距,即0≤θc<<90°与0≤θct<<90°,由于sin(θc+θct)≤sin(θc)+sin(θct),则当θc为0时(即直线区段)为最不利工况;
则车轮多边形引起的水平不平顺数据波动的半峰值ΔH可用下式计算:
式中,ΔF为水平不平顺半峰值,也是水平不平顺数据偏差值。
扭曲不平顺反映了轨顶的平面性,图5为本发明实施例中扭曲不平顺的计算原理图。对于两个轨道断面Ⅰ和Ⅱ上的四个轨顶测点a~d,若其不在同一个平面内,则c点至a、b、c三点所在平面的距离h即为扭曲不平顺,可用下式计算:
h=(a-b)-(c-d) (5)
式(5)表明,扭曲即为两轨道断面Ⅰ和Ⅱ水平不平顺测量值的差。为当轨道检测系统所在的轮对出现车轮多边形时,可认为其引起的扭曲不平顺偏差幅值Δh与水平不平顺的偏差幅值ΔH一致。
轨道质量指数(Track Quality Index,TQI)是铁路部门评价轨道质量的重要指标,其表示轨道平顺状态在单元区段内的离散程度,即TQI值越大,则轨道的平顺性越差、波动也越大。其计算方法如下:
式中,σi为高低、轨向、轨距、水平和扭曲等单项轨道几何偏差的标准差,采用下式计算:
因此,TQI也能反映是否存在低阶车轮多边形。
在一实施例中,根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形,包括:
在功率谱密度数据中出现空间频率大于预设频率值的成分时,确定检测列车存在车轮多边形。
图6为本发明实施例中车轮为低阶多边形时功率谱密度数据变化示意图,其中,使用两列检测列车在同种工况下对同一线路进行检测,其中检测列车A车轮为低阶多边形,检测数据中的高低不平顺进行分析对比如图6中的(a),功率谱密度数据对比如图6中的(b),对比可知车轮失圆检测车B的检测数据出现了空间频率0.3911/m(大于预设频率值)的成分,此时图6中的(a)高低不平顺也是有变化的。
在一实施例中,计算不同速度等级的检测数据偏差值,包括:
获取不同速度等级的检测数据对应的基准数据;
根据不同速度等级的检测数据及对应的基准数据,计算不同速度等级的检测数据偏差值。
在一实施例中,根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数,包括:
对于不同速度等级的不平顺数据,在偏差值在第一范围内随着随检测列车速度的增长而增长时,确定检测列车的车轮多边形为1阶;在偏差值在第二范围内随着随检测列车速度的增长而下降时,确定检测列车的车轮多边形为3阶或4阶;在偏差值在第三范围内未随检测列车速度的变化呈现单调增长或减小的趋势时,确定检测列车的车轮多边形为2阶;
对于不同速度等级的TQI数据,在偏差值在第四范围内时,确定检测列车的车轮多边形为2阶或3阶;
若根据不平顺数据的偏差值确定检测列车的车轮多边形为3阶或4阶,且根据TQI数据的偏差值确定检测列车的车轮多边形为2阶或3阶,则确定检测列车的车轮多边形为3阶。
在一实施例中,所述速度等级至少包括200km/h、250km/h、300km/h和350km/h中的其中一种。
图7为本发明实施例中不同速度等级对应的低阶车轮多边形对应的高低不平顺数据的偏差值,采用高低不平顺偏差幅值表示,图8为本发明实施例中不同速度等级对应的低阶车轮多边形对应的TQI数据的偏差值。检测列车的车轮径跳值为0.2mm。由图7可见,车轮1~4阶多边形对轨道不平顺幅值偏差的影响较为显著,随着多边形阶数的升高,轨道不平顺幅值偏差呈迅速减小的趋势。需要指出,1阶车轮多边形激扰下的轨道不平顺幅值偏差随列车速度的增长而增长;对于3~4阶车轮多边形,轨道不平顺幅值偏差则随列车速度的增长下降;而对于2阶多边形,轨道不平顺幅值偏差并未随着检测速度的变化呈现单调增长或减小的趋势,而是先由200km/h时的0.17mm增至250km/h时的0.19mm,并在车速达到350km/h时降至0.10mm。当车轮出现5~10阶多边形时,轨道不平顺幅值的偏差规律延续了3~4阶多边形工况的趋势,即随列车速度的增长而下降。可见,检测列车出现的1~3阶车轮多边形会引起较为显著的轨道检测数据幅值偏差。
不同检测列车的速度等级之间TQI偏差的分布相对复杂,可以看出2~3阶车轮多边形会引起较为显著的轨道检测数据均值偏差,1阶与4阶多边形的影响次之,而5阶多边形的影响相对很小。
因此,可以根据检测数据的频谱特征和不平顺偏差特征,来识别低阶车轮多边形。
为了验证发明实施例提出的方法的正确性,以高速综合检测列车在某新建高速铁路获取的轨道几何检测数据为样本,分析检测数据在时、频域的异常特征。
对检测数据的功率谱密度数据进行分析,如图9所示,可看出该空间频率附近聚集的能量随着列车速度的增长而愈加突出。同时,该列车测得的高低不平顺数据、水平不平顺数据和扭曲不平顺数据中均出现了空间频率0.3911/m的成分,对应波长为2.56m。
对检测数据的偏差值进行分析,如表1所示,当检测列车的速度由180km/h增至380km/h时,检测列车A测得的高低不平顺、水平不平顺与扭曲不平顺的偏差较为严重,其标准差在不同速度下的变化量分别达到0.09mm、0.07mm和0.11mm,导致TQI增大0.30mm,结合图7可知车轮具有明显的低阶多边形特征,后期对车轮进行了镟轮处理。
表1
由该检测列车在联调联试前进行的车轮轮径测量记录可知,轨检系统所在的轮对中两车轮的轮径分别为812.4mm和814.5mm,对应的车轮周长为2.55~2.56m,与检测数据中高低不平顺、水平不平顺和扭曲不平顺的功率谱密度分布吻合。
综上所述,在本发明实施例提出的方法中,获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。在上述过程中,通过轨检系统检测到的检测列车的不同速度等级的检测数据,可以加大对车轮多边形的监控频次,极大地降低轨检列车的检测成本,便于日后维护,更加高效地识别出低阶车轮多边形,且检测数据得出的车轮多边形的阶数的准确性高。
本发明实施例还提出一种低阶车轮多边形识别装置,其原理与低阶车轮多边形识别方法类似,这里不再赘述。
图10为本发明实施例中低阶车轮多边形识别装置的示意图,包括:
检测数据获取模块1001,用于获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;
第一车轮多边形判断模块1002,用于根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;
偏差值获得模块1003,用于在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;
第二车轮多边形判断模块1004,用于根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。
在一实施例中,第一车轮多边形判断模块1002具体用于:
在功率谱密度数据中出现空间频率大于预设频率值的成分时,确定检测列车存在车轮多边形。
在一实施例中,偏差值获得模块1003具体用于:
获取不同速度等级的检测数据对应的基准数据;
根据不同速度等级的检测数据及对应的基准数据,计算不同速度等级的检测数据偏差值。
在一实施例中,所述检测数据包括不平顺数据和TQI数据;所述不平顺数据包括高低不平顺数据、水平不平顺数据和扭曲不平顺数据。
在一实施例中,第二车轮多边形判断模块1004具体用于:
对于不同速度等级的不平顺数据,在偏差值在第一范围内随着随检测列车速度的增长而增长时,确定检测列车的车轮多边形为1阶;在偏差值在第二范围内随着随检测列车速度的增长而下降时,确定检测列车的车轮多边形为3阶或4阶;在偏差值在第三范围内未随检测列车速度的变化呈现单调增长或减小的趋势时,确定检测列车的车轮多边形为2阶;
对于不同速度等级的TQI数据,在偏差值在第四范围内时,确定检测列车的车轮多边形为2阶或3阶;
若根据不平顺数据的偏差值确定检测列车的车轮多边形为3阶或4阶,且根据TQI数据的偏差值确定检测列车的车轮多边形为2阶或3阶,则确定检测列车的车轮多边形为3阶。
在一实施例中,所述速度等级至少包括200km/h、250km/h、300km/h和350km/h中的其中一种。
综上所述,在本发明实施例提出的装置中,获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。在上述过程中,通过轨检系统检测到的检测列车的不同速度等级的检测数据,可以加大对车轮多边形的监控频次,极大地降低轨检列车的检测成本,便于日后维护,更加高效地识别出低阶车轮多边形,且检测数据得出的车轮多边形的阶数的准确性高。
本发明实施例还提供一种计算机设备,图11为本发明实施例中计算机设备的示意图,所述计算机设备1100包括存储器1110、处理器1120及存储在存储器1110上并可在处理器1120上运行的计算机程序1130,所述处理器1120执行所述计算机程序1130时实现上述低阶车轮多边形识别方法。
本发明实施例还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有计算机程序,所述计算机程序被处理器执行时实现上述低阶车轮多边形识别方法。
本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述低阶车轮多边形识别方法。
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 (15)
1.一种低阶车轮多边形识别方法,其特征在于,包括:
获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;
根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;
在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;
根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。
2.如权利要求1所述的方法,其特征在于,根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形,包括:
在功率谱密度数据中出现空间频率大于预设频率值的成分时,确定检测列车存在车轮多边形。
3.如权利要求1所述的方法,其特征在于,计算不同速度等级的检测数据偏差值,包括:
获取不同速度等级的检测数据对应的基准数据;
根据不同速度等级的检测数据及对应的基准数据,计算不同速度等级的检测数据偏差值。
4.如权利要求1所述的方法,其特征在于,所述检测数据包括不平顺数据和TQI数据;所述不平顺数据包括高低不平顺数据、水平不平顺数据和扭曲不平顺数据。
5.如权利要求4所述的方法,其特征在于,根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数,包括:
对于不同速度等级的不平顺数据,在偏差值在第一范围内随着随检测列车速度的增长而增长时,确定检测列车的车轮多边形为1阶;在偏差值在第二范围内随着随检测列车速度的增长而下降时,确定检测列车的车轮多边形为3阶或4阶;在偏差值在第三范围内未随检测列车速度的变化呈现单调增长或减小的趋势时,确定检测列车的车轮多边形为2阶;
对于不同速度等级的TQI数据,在偏差值在第四范围内时,确定检测列车的车轮多边形为2阶或3阶;
若根据不平顺数据的偏差值确定检测列车的车轮多边形为3阶或4阶,且根据TQI数据的偏差值确定检测列车的车轮多边形为2阶或3阶,则确定检测列车的车轮多边形为3阶。
6.如权利要求1所述的方法,其特征在于,所述速度等级至少包括200km/h、250km/h、300km/h和350km/h中的其中一种。
7.一种低阶车轮多边形识别装置,其特征在于,包括:
检测数据获取模块,用于获取通过轨检系统检测到的检测列车的不同速度等级的检测数据;
第一车轮多边形判断模块,用于根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形;
偏差值获得模块,用于在判断结果为存在车轮多边形时,计算不同速度等级的检测数据偏差值;
第二车轮多边形判断模块,用于根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数。
8.如权利要求7所述的装置,其特征在于,根据所述检测数据中的功率谱密度数据,判断检测列车是否存在车轮多边形,包括:
在功率谱密度数据中出现空间频率大于预设频率值的成分时,确定检测列车存在车轮多边形。
9.如权利要求7所述的装置,其特征在于,计算不同速度等级的检测数据偏差值,包括:
获取不同速度等级的检测数据对应的基准数据;
根据不同速度等级的检测数据及对应的基准数据,计算不同速度等级的检测数据偏差值。
10.如权利要求7所述的装置,其特征在于,所述检测数据包括不平顺数据和TQI数据;所述不平顺数据包括高低不平顺数据、水平不平顺数据和扭曲不平顺数据。
11.如权利要求10所述的装置,其特征在于,根据不同速度等级的检测数据偏差值,判断车轮多边形的阶数,包括:
对于不同速度等级的不平顺数据,在偏差值在第一范围内随着随检测列车速度的增长而增长时,确定检测列车的车轮多边形为1阶;在偏差值在第二范围内随着随检测列车速度的增长而下降时,确定检测列车的车轮多边形为3阶或4阶;在偏差值在第三范围内未随检测列车速度的变化呈现单调增长或减小的趋势时,确定检测列车的车轮多边形为2阶;
对于不同速度等级的TQI数据,在偏差值在第四范围内时,确定检测列车的车轮多边形为2阶或3阶;
若根据不平顺数据的偏差值确定检测列车的车轮多边形为3阶或4阶,且根据TQI数据的偏差值确定检测列车的车轮多边形为2阶或3阶,则确定检测列车的车轮多边形为3阶。
12.如权利要求7所述的装置,其特征在于,所述速度等级至少包括200km/h、250km/h、300km/h和350km/h中的其中一种。
13.一种计算机设备,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。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
15.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438691.8A CN114954562A (zh) | 2022-04-25 | 2022-04-25 | 低阶车轮多边形识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438691.8A CN114954562A (zh) | 2022-04-25 | 2022-04-25 | 低阶车轮多边形识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114954562A true CN114954562A (zh) | 2022-08-30 |
Family
ID=82979892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210438691.8A Pending CN114954562A (zh) | 2022-04-25 | 2022-04-25 | 低阶车轮多边形识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114954562A (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE1907635U (de) * | 1964-10-14 | 1964-12-31 | Holstein & Kappert Maschf | Kettenrad fuer foerderanlagen. |
JPH08136254A (ja) * | 1994-11-11 | 1996-05-31 | East Japan Railway Co | 軌道狂い測定装置及び方法並びに曲率測定方法 |
JP2009300397A (ja) * | 2008-06-17 | 2009-12-24 | Central Japan Railway Co | 軌道狂い検測装置および軌道狂い検測方法 |
JP2016137847A (ja) * | 2015-01-28 | 2016-08-04 | 横浜ゴム株式会社 | タイヤの摩耗評価方法 |
US20170363518A1 (en) * | 2015-03-02 | 2017-12-21 | Schenck Process Europe Gmbh | Diagnostic device for detecting an out-of-roundness on railway vehicle wheels in accordance with an impulse evaluation method |
US20180222504A1 (en) * | 2017-02-08 | 2018-08-09 | Intel Corporation | Location based railway anomaly detection |
CN108593315A (zh) * | 2018-04-25 | 2018-09-28 | 石家庄铁道大学 | 基于轴箱振动频域特征的车轮多边形检测方法及终端设备 |
CN108734060A (zh) * | 2017-04-18 | 2018-11-02 | 香港理工大学深圳研究院 | 一种高速动车组车轮多边形化的识别方法及装置 |
CN109278796A (zh) * | 2018-11-16 | 2019-01-29 | 北京主导时代科技有限公司 | 一种车载式车轮不圆度检测系统 |
CN109334708A (zh) * | 2018-10-11 | 2019-02-15 | 北京声科测声学技术有限公司 | 一种车轮多边形测试分析方法和系统 |
US20190353562A1 (en) * | 2016-03-17 | 2019-11-21 | Hegenscheidt-Mfd Gmbh | Method for measuring and calculating geometric parameters of the wheels of a wheelset for rail vehicles |
CN111824207A (zh) * | 2020-06-09 | 2020-10-27 | 华东交通大学 | 一种基于轨底应变识别车轮失圆的方法 |
CN112991577A (zh) * | 2021-02-25 | 2021-06-18 | 成都运达科技股份有限公司 | 一种轨道车辆车轮多边形状态诊断系统 |
CN113276905A (zh) * | 2021-04-30 | 2021-08-20 | 中铁二院工程集团有限责任公司 | 区分轨道波磨及车轮多边形磨耗的识别方法与测量方法 |
CN113358053A (zh) * | 2021-04-27 | 2021-09-07 | 中车青岛四方机车车辆股份有限公司 | 轨道不平顺检测评估系统、方法、电子设备及轨道车辆 |
CN215059105U (zh) * | 2021-07-01 | 2021-12-07 | 青岛思锐科技有限公司 | 一种高度阀及空气弹簧悬挂系统 |
JP7046300B1 (ja) * | 2020-12-09 | 2022-04-04 | 西南交通大学 | 鉄道輸送車両の車輪のポリゴン摩耗の制御方法 |
-
2022
- 2022-04-25 CN CN202210438691.8A patent/CN114954562A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE1907635U (de) * | 1964-10-14 | 1964-12-31 | Holstein & Kappert Maschf | Kettenrad fuer foerderanlagen. |
JPH08136254A (ja) * | 1994-11-11 | 1996-05-31 | East Japan Railway Co | 軌道狂い測定装置及び方法並びに曲率測定方法 |
JP2009300397A (ja) * | 2008-06-17 | 2009-12-24 | Central Japan Railway Co | 軌道狂い検測装置および軌道狂い検測方法 |
JP2016137847A (ja) * | 2015-01-28 | 2016-08-04 | 横浜ゴム株式会社 | タイヤの摩耗評価方法 |
US20170363518A1 (en) * | 2015-03-02 | 2017-12-21 | Schenck Process Europe Gmbh | Diagnostic device for detecting an out-of-roundness on railway vehicle wheels in accordance with an impulse evaluation method |
US20190353562A1 (en) * | 2016-03-17 | 2019-11-21 | Hegenscheidt-Mfd Gmbh | Method for measuring and calculating geometric parameters of the wheels of a wheelset for rail vehicles |
US20180222504A1 (en) * | 2017-02-08 | 2018-08-09 | Intel Corporation | Location based railway anomaly detection |
CN108734060A (zh) * | 2017-04-18 | 2018-11-02 | 香港理工大学深圳研究院 | 一种高速动车组车轮多边形化的识别方法及装置 |
CN108593315A (zh) * | 2018-04-25 | 2018-09-28 | 石家庄铁道大学 | 基于轴箱振动频域特征的车轮多边形检测方法及终端设备 |
CN109334708A (zh) * | 2018-10-11 | 2019-02-15 | 北京声科测声学技术有限公司 | 一种车轮多边形测试分析方法和系统 |
CN109278796A (zh) * | 2018-11-16 | 2019-01-29 | 北京主导时代科技有限公司 | 一种车载式车轮不圆度检测系统 |
CN111824207A (zh) * | 2020-06-09 | 2020-10-27 | 华东交通大学 | 一种基于轨底应变识别车轮失圆的方法 |
JP7046300B1 (ja) * | 2020-12-09 | 2022-04-04 | 西南交通大学 | 鉄道輸送車両の車輪のポリゴン摩耗の制御方法 |
CN112991577A (zh) * | 2021-02-25 | 2021-06-18 | 成都运达科技股份有限公司 | 一种轨道车辆车轮多边形状态诊断系统 |
CN113358053A (zh) * | 2021-04-27 | 2021-09-07 | 中车青岛四方机车车辆股份有限公司 | 轨道不平顺检测评估系统、方法、电子设备及轨道车辆 |
CN113276905A (zh) * | 2021-04-30 | 2021-08-20 | 中铁二院工程集团有限责任公司 | 区分轨道波磨及车轮多边形磨耗的识别方法与测量方法 |
CN215059105U (zh) * | 2021-07-01 | 2021-12-07 | 青岛思锐科技有限公司 | 一种高度阀及空气弹簧悬挂系统 |
Non-Patent Citations (3)
Title |
---|
王平等: "基于高铁轨道不平顺的车轮不圆顺识别模型", 西南交通大学学报, no. 04, pages 2 - 5 * |
雷晓燕等: ""车体-多边形化车轮-轨道"耦合系统动力分析及多边形车轮识别", 噪声与振动控制, no. 02, 30 April 2019 (2019-04-30), pages 7 - 12 * |
马学宁等: "列车速度对车辆―轨道―路基系统动力特性的影响", 中国铁道科学, no. 02, pages 7 - 13 * |
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 | |
CN108515984B (zh) | 一种车轮伤损检测方法及装置 | |
CN113358053B (zh) | 轨道不平顺检测评估系统、方法、电子设备及轨道车辆 | |
CN113276905B (zh) | 区分轨道波磨及车轮多边形磨耗的识别方法与测量方法 | |
CN103587549A (zh) | 基于激光传感器的城轨车辆车轮不圆度检测装置及方法 | |
JP2021070463A (ja) | レール波状摩耗の進展検知方法及び進展検知システム | |
CN113415308B (zh) | 钢轨波磨检测方法及装置 | |
CN113609565B (zh) | 铁路桥梁轨道静态长波不平顺的验收方法及装置 | |
JP7257729B2 (ja) | 橋梁の共振検出方法とその共振検出装置及び橋梁の共振検出プログラム | |
KR100797055B1 (ko) | 철도궤도의 효율적 유지보수를 위한 3차원 데이터 형식의철도 궤도틀림도 측정방법 | |
CN114954562A (zh) | 低阶车轮多边形识别方法及装置 | |
Kim et al. | Parameter characteristics of rail inspection measurement system of HSR-350x | |
RU2203819C2 (ru) | Способ и устройство измерения параметров износа колес рельсового транспортного средства | |
CN102057267A (zh) | 通过比较分析估计一对轮胎的横向抓地力的方法 | |
CN210591925U (zh) | 轴箱振动的轮径差检测系统 | |
CN113624140A (zh) | 一种轨道车辆轮饼参数在线测量装置及方法 | |
Staśkiewicz et al. | Out-of-round tram wheels–current state and measurements | |
KR101509696B1 (ko) | 자동차의 사이드슬립 검사장치 및 검사방법 | |
Gómez et al. | Railway dynamometric wheelsets: a comparison of existing solutions and a proposal for the reduction of measurement errors | |
CN111824207A (zh) | 一种基于轨底应变识别车轮失圆的方法 | |
JP6770414B2 (ja) | 乗り心地測定方法及び装置 | |
KR100651187B1 (ko) | 도시철도 차량의 운행중 진동 시험장치 및 그 방법 | |
CN110450817B (zh) | 轴箱振动的轮径差检测系统和方法 | |
WO2022183392A1 (zh) | 车轮踏面圆度的监测方法、监测装置和监测系统 | |
US11713064B1 (en) | System and method for detecting axle body and filet cracks in rail vehicles |
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 |