CN117962968A - 一种轨道交通故障检测方法及系统 - Google Patents
一种轨道交通故障检测方法及系统 Download PDFInfo
- Publication number
- CN117962968A CN117962968A CN202410371424.2A CN202410371424A CN117962968A CN 117962968 A CN117962968 A CN 117962968A CN 202410371424 A CN202410371424 A CN 202410371424A CN 117962968 A CN117962968 A CN 117962968A
- Authority
- CN
- China
- Prior art keywords
- train
- phase
- vibration frequency
- vibration
- frequency
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 97
- 238000001914 filtration Methods 0.000 claims abstract description 78
- 230000009466 transformation Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 36
- 230000007704 transition Effects 0.000 claims description 28
- 230000033001 locomotion Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000036962 time dependent Effects 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 claims 6
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 4
- 230000001052 transient effect Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000001427 coherent effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000000819 phase cycle Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/40—Handling position reports or trackside vehicle data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
- B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请提供了一种轨道交通故障检测方法及系统，首先对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号，将列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定列车频率相涉分解序列中各个列车振动频率分别对应的峰谷相涉系数，进而对列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列，对相涉振动频率序列进行复生长变换，得到振动频率延展域，对振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势，根据列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据列车故障特征确定轨道交通故障，提高了对轨道交通故障的检测准确率。
Description
技术领域
本申请涉及故障检测技术领域，更具体的说，本申请涉及一种轨道交通故障检测方法及系统。
背景技术
轨道交通系统在现代城市生活中扮演着至关重要的角色，它们提供了高效的乘客运输服务，因此，交通系统的正常运行对乘客的安全性是首要任务之一，但是轨道交通系统包括大量的设备和部件，这些设备的复杂性意味着它们容易受到故障或异常的影响，及时检测和解决潜在的故障或异常情况对于确保安全至关重要。
轨道交通故障检测方法及系统的目标是利用这些背景信息，通过实时监测、数据分析、故障诊断和预测性维护等手段，识别和解决潜在的故障或异常情况，确保轨道交通系统的平稳运行，提高了乘客的出行体验，并减少了运营成本和系统停机时间，但在现有技术中，轨道交通故障检测过程中，由于存在大量噪声干扰，使得故障检测准确率很低。
发明内容
本申请提供一种轨道交通故障检测方法及系统，以解决对轨道交通故障的检测准确率较低的技术问题。
为解决上述技术问题，本申请采用如下技术方案：
第一方面，本申请提供一种轨道交通故障检测方法，包括如下步骤：
对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号；
将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数；
根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列；
对所述相涉振动频率序列进行复生长变换，得到振动频率延展域，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势；
根据所述列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据所述列车故障特征确定轨道交通故障类别。
在一些实施例中，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数具体包括：
获取所述列车振动频率滤波信号及该列车振动频率滤波信号的平均值；
获取列车频率相涉分解序列中的所有列车振动频率及所有列车振动频率的平均值；
根据所述列车振动频率滤波信号及该列车振动频率滤波信号的平均值和列车频率相涉分解序列中的所有列车振动频率及所有列车振动频率的平均值，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的的峰谷相涉系数，该峰谷相涉系数采用下述公式确定：
其中表示列车频率相涉分解序列中第/>个列车振动频率的峰谷相涉系数，/>表示列车振动频率滤波信号，/>表示列车振动频率滤波信号的平均值，/>表示列车频率相涉分解序列中的第/>个列车振动频率，/>表示列车频率相涉分解序列中的第/>个列车振动频率的平均值，/>表示列车频率相涉分解序列中列车振动频率的个数。
在一些实施例中，将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列具体包括：
确定所述列车振动频率滤波信号所有的峰值点和谷值点；
由所有的峰值点确定峰络线，由所有的谷值点确定谷络线；
确定所述峰络线和所述谷络线的平均值，得到平均络线；
根据所述平均络线对所述列车振动频率滤波信号进行信号差分处理得到列车振动频率过渡信号；
判断所述列车振动频率过渡信号是否满足峰谷相涉特性，当所述列车振动频率过渡信号满足峰谷相涉特性，则将该列车振动频率过渡信号作为所述列车频率相涉分解序列中的第一个列车相涉振动频率；
当所述列车振动频率过渡信号不满足峰谷相涉特性，则再次确定所述列车振动频率过渡信号所有的峰值点和谷值点并重复上述步骤，直到所述列车振动频率过渡信号满足所述峰谷相涉特性，将所述列车振动频率过渡信号作为所述列车频率相涉分解序列中的第一个列车相涉振动频率；
将所述列车振动频率滤波信号与所述第一个列车振动频率对比，得到新的列车振动频率滤波信号并重复上述步骤，直到所述列车频率相涉分解序列中的列车相涉振动频率数量达到分解尺度上限，得到所述列车频率相涉分解序列。
在一些实施例中，并根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列具体包括：
将所述列车频率相涉分解序列中每个列车振动频率的峰谷相涉系数分别与预设的相涉有效性系数进行对比；
当列车相涉振动频率的峰谷相涉系数小于该相涉有效性系数时，则将该列车相涉振动频率去除，当列车相涉振动频率的峰谷相涉系数大于等于该相涉有效性系数时，则将该列车相涉振动频率保留；
将保留的列车振动频率依据时序组合，得到相涉振动频率序列。
在一些实施例中，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势具体包括：
获取所述振动频率延展域中各个振动频率延展值的瞬时振动强移特征值，得到瞬时振动强移序列；
获取所述振动频率延展域中各个振动频率延展值的瞬时振动相极，得到瞬时振动相极序列；
根据所述瞬时振动强移序列和所述瞬时振动相极序列，确定列车振动移差特征趋势
在一些实施例中，获取所述振动频率延展域中各个振动频率延展值的瞬时振动强移特征值，得到瞬时振动强移序列具体包括：
获取所述相涉振动频率序列；
获取所述振动频率延展域；
根据所述相涉振动频率序列和所述振动频率延展域，确定所述瞬时振动强移序列，该瞬时振动强移序列根据下述公式确定：
其中表示在/>时刻瞬时振动强移序列中的第/>个瞬时振动强移特征值，表示在/>时刻相涉振动频率序列中第/>个相涉振动频率，其中/>表示在/>时刻的振动频率延展域中第/>个振动频率延展值。
第二方面，本申请提供一种轨道交通故障检测系统，其包括有故障检测单元，所述故障检测单元包括：
列车振动频率滤波模块，用于对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号；
峰谷相涉系数确定模块，用于将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数；
相涉振动频率序列确定模块，用于根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列；
列车振动移差特征趋势获取模块，用于对所述相涉振动频率序列进行复生长变换，得到振动频率延展域，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势；
轨道交通故障确定模块，用于根据所述列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据所述列车故障特征确定轨道交通故障类别。
第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的轨道交通故障检测方法。
第四方面，本申请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的轨道交通故障检测方法。
本申请公开的实施例提供的技术方案具有以下有益效果：
本申请提供的轨道交通故障检测方法及系统中，首先对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号，将列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，从而识别并提取列车振动的不同频率分量，以提供更多振动频率细节特征帮助列车故障特征识别，确定列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数，并根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，从而得到相涉振动频率序列，对相涉振动频率序列进行复生长变换，得到振动频率延展域，增加了振动信号的频率结构的可视性，提高了轨道交通故障检测的准确率，对振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势，根据列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据所述列车故障特征确定轨道交通故障类别，利用振动频率的异常模式来识别可能存在的故障，增加了故障检测的可靠性，提高了轨道交通故障检测过程中的检测准确率。
附图说明
图1是根据本申请一些实施例所示的轨道交通故障检测方法的示例性流程图；
图2是根据本申请一些实施例所示的故障检测单元的示例性硬件和/或软件的示意图；
图3是根据本申请一些实施例所示的实现轨道交通故障检测方法的计算机设备的结构示意图。
具体实施方式
本申请核心是对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号，将列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数，根据各个列车相涉振动频率分别对应的峰谷相涉系数，对列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列，对相涉振动频率序列进行复生长变换，得到振动频率延展域，对振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势，根据列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据列车故障特征确定轨道交通故障，提高了对轨道交通故障的检测准确率。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的轨道交通故障检测方法的示例性流程图，该轨道交通故障检测方法100主要包括如下步骤：
在步骤101，对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号。
在一些实施例中，可以通过采集轨道交通列车的振动数据，得到列车振动频率信号具体实现时可以采用振动传感器，通过将振动传感器安装在列车的关键位置，例如列车的车轮、轴箱或车盘底等部位，这里不做限定，确保振动传感器能够准确地测量振动数据，然后将振动传感器连接到数据采集设备上，获取轨道交通列车在行驶过程中的振动数据，进而得到列车振动频率信号。
需要说明的，对轨道交通列车的振动数据采集也可以采用其他的传感器进行采集，例如，加速度传感器、速度传感器或压电传感器等，这里不做限定，获取轨道交通列车在行驶过程中的振动数据是实时获取的，按照时间顺序得到列车振动频率信号。
在一些实施例中，对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号具体可以采用下述步骤实现：
确定滤波器类型；
确定滤波器阶数；
确定滤波器的截止频率；
将所述滤波器阶数和所述滤波器的截止频率作为滤波器的输入参数；
将所述列车振动频率信号输入该滤波器中，使用差分方程进行滤波，得到所述列车振动频率滤波信号；
评估所述列车频率去噪信号，确保该列车频率去噪信号已去除低频噪声。
具体实现时，选择Butterworth高通滤波器，也可以选择Chebyshev高通滤波器、理想高通滤波器或椭圆高通滤波器，这里不做限定，确定Butterworth高通滤波器的阶数，例如，可以设计一个为3阶的Butterworth高通滤波器，该Butterworth高通滤波器的阶数会影响滤波器的滚降率和陡峭度，该阶数越高，滚降率越陡，但可能引入更多的相极延迟，确定Butterworth高通滤波器的截止频率，即，确定要保留的高频振动信号的最低频率，该最低频率则为Butterworth高通滤波器的截止频率，例如，需要去除低于5Hz的低频噪声，则将截止频率设置为5Hz，将列车振动频率信号带入确定了阶数和截止频率的Butterworth高通滤波器中使用差分方程进行滤波，将输出作为列车振动频率滤波信号，最后评估滤波后的列车振动频率滤波信号，确保该列车振动频率滤波信号已去除低频噪声，并且保留了高频振动信号。
需要说明的是，在本申请中，将采集到的列车振动频率信号通过滤波处理，去除了较低的低频噪声，减少轨道交通列车在运行时受到轨道连接处或一些外界因数所影响而产生的一些低频噪声。
在步骤102，将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数。
在一些实施例中，将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列具体可以采用下述步骤实现：
确定所述列车振动频率滤波信号所有的峰值点和谷值点；
由所有的峰值点确定峰络线，由所有的谷值点确定谷络线；
确定所述峰络线和所述谷络线的平均值，得到平均络线；
根据所述平均络线对所述列车振动频率滤波信号进行信号差分处理得到列车振动频率过渡信号；
判断所述列车振动频率过渡信号是否满足峰谷相涉特性，当所述列车振动频率过渡信号满足峰谷相涉特性，则将该列车振动频率过渡信号作为所述列车频率相涉分解序列中的第一个列车相涉振动频率；
当所述列车振动频率过渡信号不满足峰谷相涉特性，则再次确定所述列车振动频率过渡信号所有的峰值点和谷值点并重复上述步骤，直到所述列车振动频率过渡信号满足所述峰谷相涉特性，将所述列车振动频率过渡信号作为所述列车频率相涉分解序列中的第一个列车相涉振动频率；
将所述列车振动频率滤波信号与所述第一个列车振动频率对比，得到新的列车振动频率滤波信号并重复上述步骤，直到所述列车频率相涉分解序列中的列车相涉振动频率数量达到分解尺度上限，得到所述列车频率相涉分解序列。
具体实现时，确定列车振动频率滤波信号中所有的峰值点和谷值点，进而可以采用三次样条函数插值将所有的峰值点连接得到峰络线，采用三次样条函数插值将所有的谷值点连接得到谷络线，根据下述公式可以确定平均络线：
其中表示平均络线，/>表示峰络线，/>表示谷络线；
根据所述平均络线对所述列车振动频率滤波信号进行信号差分处理得到列车振动频率过渡信号的过程中，所述列车振动频率过渡信号可以根据下式确定：
其中表示列车振动频率过渡信号，/>表示列车振动频率滤波信号，/>表示平均络线；
根据峰谷相涉特性判断列车振动频率过渡信号是否满足，如满足，则将，其中/>表示第一个列车相涉振动频率，如不满足，则重复上述步骤；
将所述列车振动频率滤波信号与所述第一个列车振动频率对比，得到新的列车振动频率滤波信号的过程中，新的列车振动频率滤波信号可以根据下式确定，即：
其中表示新的列车振动频率滤波信号，/>表示列车振动频率滤波信号，表示第一个列车相涉振动频率；
将新信号作为新的列车振动频率滤波信号带入上述步骤进行重复，即，获取所述新的列车振动频率滤波信号所有的峰值点和谷值点，并确定所述列车频率相涉分解序列的第二个列车相涉振动频率，将所述列车振动频率滤波信号与所述第二个列车振动频率对比，再次得到新的列车振动频率滤波信号，并采用相同方式获取所述列车频率相涉分解序列中的其他列车相涉振动频率，需要说明的是，所述列车频率相涉分解序列预设有分解尺度上限，当所述列车频率相涉分解序列中的列车相涉振动频率数量达到所述分解尺度上限时，停止分解并得到列车频率相涉分解序列。
需要说明的是，峰谷相涉特性定义为：在任意时刻点，所述列车相涉振动频率的局部最大值的包络和局部最小值的包络平均值必须为零，所述峰谷相涉分解为根据列车振动频率滤波信号的波峰值和波谷值的相关联程度进行分解的一种信号分解方法，可以得到不同分解尺度下的列车相涉振动频率，并组成所述列车频率相涉分解序列，需要说明的是，所述列车频率相涉分解序列中的各个列车相涉振动频率为分解出的频率曲线，列车相涉振动频率的自变量为列车运行的时间值。
在一些实施例中，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数具体可以采用下述步骤实现：
获取所述列车振动频率滤波信号及该列车振动频率滤波信号的平均值；
获取列车频率相涉分解序列中的所有列车相涉振动频率及所有列车相涉振动频率的平均值；
根据所述列车振动频率滤波信号及该列车振动频率滤波信号的平均值和列车频率相涉分解序列中的所有列车相涉振动频率及所有列车相涉振动频率的平均值，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的的峰谷相涉系数，该峰谷相涉系数可以采用下述公式确定：
其中表示列车频率相涉分解序列中第/>个列车相涉振动频率的峰谷相涉系数，表示列车振动频率滤波信号，/>表示列车振动频率滤波信号的平均值，/>表示列车频率相涉分解序列中的第/>个列车相涉振动频率，/>表示列车频率相涉分解序列中的第/>个列车相涉振动频率的平均值，/>表示列车频率相涉分解序列中列车相涉振动频率的个数。
需要说明的是，所述所述峰谷相涉系数为所述列车频率相涉分解序列中各个列车相涉振动频率，与峰谷相涉分解前的列车振动频率滤波信号之间的变化相关度量化值，当所述峰谷相涉系数过低是，表明该个被分解出的列车相涉振动频率与原有的列车振动频率滤波信号差异过大，不具备列车故障特征识别的参考价值，需要对该个列车相涉振动频率进行剔除。
在步骤103，根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列。
在一些实施例中，根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列具体可以采用下述步骤实现：
将所述列车频率相涉分解序列中每个列车相涉振动频率的峰谷相涉系数分别与预设的相涉有效性系数进行对比；
当列车相涉振动频率的峰谷相涉系数小于该相涉有效性系数时，则将该列车相涉振动频率去除，当列车相涉振动频率的峰谷相涉系数大于等于该相涉有效性系数时，则将该列车相涉振动频率保留；
将保留的列车振动频率依据时序组合，得到相涉振动频率序列。
需要说明的是，该相涉有效性系数需要根据列车频率相涉分解序列来预设的一个阈值，在本申请中，将该相涉有效性系数确定为0.1，这里不做限定，其中，所述相涉振动频率序列为根据所述峰谷相涉系数对所述列车频率相涉分解序列中各个列车相涉振动频率进行筛选后，由列车相涉振动频率的频率曲线信号组成的集合。
在步骤104，对所述相涉振动频率序列进行复生长变换，得到振动频率延展域，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势。
在一些实施例中，对所述相涉振动频率序列进行复生长变换，得到振动频率延展域具体可以采用下述步骤实现：
获取所述相涉振动频率序列中的所有相涉振动频率；
根据所述相涉振动频率序列中的所有相涉振动频率，得到所述振动频率延展域，具体实现时，该振动频率延展域是各个振动频率延展值组成的序列，该振动频率延展域中的各个振动频率延展值可以采用下述公式确定：
其中表示在/>时刻的振动频率延展域中第/>个振动频率延展值，/>表示在/>时刻相涉振动频率序列中第/>个相涉振动频率，/>表示相涉振动频率序列的长度，/>表示相涉振动频率序列中第/>个相涉振动频率时的时间，/>表示相涉振动频率序列中第/>个相涉振动频率时的时间变量，/>表示相涉振动频率序列中第/>个相涉振动频率时的时间变量的微分。
需要说明的是，时间变量的值会在该复生长变换过程中，在整个时间轴上取遍。
需要说明的是，本申请中所述复生长变换为对频率信号进行生长延展的信号变换方式，通过所述复生长变换可以将所述相涉振动频率序列中的相涉振动频率延展到复数域中，并通过单个复数值对相涉振动频率岁时间的变化情况进行表征，增强了所述相涉振动频率序列中相涉振动频率的可视性。
在一些实施例中，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势可以通过下述步骤实现：
获取所述振动频率延展域中各个振动频率延展值的瞬时振动强移特征值和瞬时振动相极，得到瞬时振动强移序列和瞬时振动相极序列；
根据所述瞬时振动强移序列和所述瞬时振动相极序列，确定列车振动移差特征趋势。
在一些实施例中，获取所述振动频率延展域中各个振动频率延展值的瞬时振动强移特征值，得到瞬时振动强移序列具体可以采用下述步骤实现：
获取所述相涉振动频率序列；
获取所述振动频率延展域；
根据所述相涉振动频率序列和所述振动频率延展域，确定所述瞬时振动强移序列，具体实现时，该瞬时振动强移序列可以根据下述公式确定：
其中表示在/>时刻瞬时振动强移序列中的第/>个瞬时振动强移特征值，表示在/>时刻相涉振动频率序列中第/>个相涉振动频率，其中/>表示在/>时刻的振动频率延展域中第/>个振动频率延展值。
需要说明的是，所述瞬时振动强移序列由多个瞬时振动强移特征值组成，瞬时振动强移特征值为相涉振动频率与振动频率延展值之间的强度差，在一些实施例中，也可以将所述相涉振动频率序列与所述振动频率延展域的差值序列，作为所述瞬时振动强移序列。
在一些实施例中，获取所述振动频率延展域中各个振动频率延展值的瞬时振动相极，得到瞬时振动相极序列具体可以采用下述步骤实现：
获取所述相涉振动频率序列；
获取所述振动频率延展域；
根据所述相涉振动频率序列和所述振动频率延展域，确定所述瞬时振动相极序列，具体实现时，该瞬时振动相极序列可以根据下述公式确定：
其中表示在/>时刻瞬时振动相极序列中的第/>个瞬时振动相极特征值，表示在/>时刻相涉振动频率序列中第/>个相涉振动频率，其中/>表示在/>时刻的振动频率延展域中第/>个振动频率延展值。
需要说明的是，瞬时振动相极序列中的相极特征值，反映了振动频率延展域中的每一个振动频率延展值的波形相对于参考波形的相位偏移情况，为相位偏移情况量化值，该瞬时振动相极序列中的瞬时振动相极特征值以弧度为单位。
在一些实施例中，根据所述瞬时振动强移序列和所述瞬时振动相极序列，确定列车振动移差特征趋势具体可以采用下述步骤实现：
获取所述瞬时振动相极序列中的瞬时振动相极；
根据所述瞬时振动相极序列，确定瞬时振动极差序列，具体实现时，该瞬时振动极差序列可以根据下述公式确定：
其中表示在/>时刻瞬时振动极差序列中的第/>个瞬时振动极差值，/>表示在/>时刻瞬时振动相极序列中的第/>个瞬时振动相极特征值，/>表示微分；
获取所述瞬时振动强移序列中的瞬时振动强移特征值；
根据所述瞬时振动强移序列和所述瞬时振动极差序列，得到所述列车振动移差特征趋势，具体实现时，该列车振动移差特征趋势可以根据下述公式确定：
其中表示列车振动移差特征趋势，/>表示瞬时振动极差值为纵坐标，/>表示当前时间为横坐标，/>表示瞬时振动强移序列的长度，/>表示在/>时刻对应的瞬时振动强移序列中的第/>个瞬时振动强移特征值，/>表示在/>时刻对应的瞬时振动极差序列中的第/>个瞬时振动极差值，/>表示自然底数，/>表示时间微分。
需要说明的是，所述列车振动移差特征趋势为对相涉振动频率序列中的各个相涉振动频率分别对应的强移特征值特征和相极特征进行特征提取后组成的特征谱，用于反映列车行驶过程中的振动变化情况，进而与正常列车振动移差特征趋势进行比对，可以对列车行驶过程中的故障情况进行检测，本申请通过提取所述相涉振动频率序列中的各个相涉振动频率分别对应的强移特征值特征和相极特征，并组成列车振动移差特征趋势用于列车故障特征识别，提高了列车振动频率信号的可视性，增加了对列车故障特征识别的快速性与准确性，提高了轨道交通故障检车过程中的检测准确率。
在步骤105，根据所述列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据所述列车故障特征确定轨道交通故障类别。
在一些实施例中，根据所述列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征具体可以采用下述步骤实现：
查找所述列车振动移差特征趋势中与正常情况下不同的频率成分或峰值；
检查所述列车振动移差特征趋势中瞬时振动强移特征值突然随时间的变化而发生剧烈变化部分；
观察所述列车振动移差特征趋势中频率轮廓的变化，是否存在出现新的频率峰值或消失的频率峰值；
将上述步骤出现的异常标记为所述列车故障特征。
需要说明的是，在对列车故障特征提取时，需要使用专业知识和故障诊断工具来解释异常频率成分，这里不再赘述。
在另一些实施例中，也可以获取列车历史运行过程中的历史振动移差特征趋势，与实时获取所的列车振动移差特征趋势进行比对，根据比对结果提取列车故障特征，例如，将所述列车振动移差特征趋势与历史列车振动移差特征趋势之间的皮尔逊相关系数作为所述列车故障特征，进而可以根据所述列车故障特征对列车运行中的故障进行判断，如果列车故障特征的特征值较高，表示列车振动移差特征趋势与历史趋势一致，列车处于正常状态，反之，低相关性可能表明存在潜在的故障，具体实现时，也可以通过对列车运行的列车振动移差特征趋势与出现过的故障情况进行记录并存储在云服务器中，从而便于后续根据列车故障特征对列车运行故障进行识别。
需要说明的是，本申请通过提取所述相涉振动频率序列中的各个相涉振动频率分别对应的强移特征值特征和相极特征，并组成列车振动移差特征趋势用于列车故障特征识别，提高了列车振动频率信号的可视性，增加了对列车故障特征识别的快速性与准确性，提高了轨道交通故障检车过程中的检测准确率，保障了列车行驶过程中的车辆与乘客的安全。
具体实现时，根据所述列车故障特征确定轨道交通故障类别的过程，可以通过将所述列车故障特征与历史记录列车故障特征进行比对，寻找相似性或匹配的历史记录列车故障特征，根据历史记录列车故障特征来判断具体轨道交通故障类别，这里不再赘述。
在一些实施例中，确定轨道交通故障后，还可以将所述轨道交通故障发送给列车管控中心，具体实现时，将轨道交通故障的具体信息发生给列车管控中心，其中轨道交通故障的具体信息包括轨道交通的具体故障、发生故障的位置信息和故障的紧急性等，将其自动生成故障报告，将该故障报告通过通信设备发送到列车管控中心，列车管控中心进行报警，提醒并通知相关人员对轨道交通故障进行检查维修。
另外，本申请的另一方面，在一些实施例中，本申请提供一种轨道交通故障检测系统，该系统包括有故障检测单元，参考图2，该图是根据本申请一些实施例所示的故障检测单元的示例性硬件和/或软件的示意图，该故障检测单元200包括：列车振动频率滤波模块201、峰谷相涉系数确定模块202、相涉振动频率序列确定模块203、列车振动移差特征趋势获取模块204和轨道交通故障确定模块205，分别说明如下：
列车振动频率滤波模块201，本申请中列列车振动频率滤波模块201主要用于对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号；
峰谷相涉系数确定模块202，本申请中峰谷相涉系数确定模块202主要用于将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数；
相涉振动频率序列确定模块203，本申请中相涉振动频率序列确定模块203主要用于根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列；
列车振动移差特征趋势获取模块204，本申请中列车振动移差特征趋势获取模块204主要用于对所述相涉振动频率序列进行复生长变换，得到振动频率延展域，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势；
轨道交通故障确定模块205，本申请中轨道交通故障确定模块205主要用于根据所述列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据所述列车故障特征确定轨道交通故障。
另外，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的轨道交通故障检测方法。
在一些实施例中，参考图3，该图是根据本申请一些实施例所示的应用轨道交通故障检测方法的计算机设备的结构示意图。上述实施例中的轨道交通故障检测方法可以通过图3所示的计算机设备来实现，该计算机设备包括至少一个处理器301、通信总线302、存储器303以及至少一个通信接口304。
处理器301可以是一个通用中央处理器(central processing unit，CPU)、特定应用集成电路(application-specific integrated circuit，ASIC)或一个或多个用于控制本申请中的轨道交通故障检测方法的执行。
通信总线302可包括一通路，在上述组件之间传送信息。
存储器303可以是只读存储器（read-only memory，ROM）或可存储静态信息和指令的其它类型的静态存储设备，随机存取存储器（random access memory，RAM）或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器（electricallyerasable programmable read-only memory，EEPROM）、只读光盘（compact disc read-only Memory，CD-ROM）或其它光盘存储、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）、磁盘或者其它磁存储设备、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它介质，但不限于此。存储器303可以是独立存在，通过通信总线302与处理器301相连接。存储器303也可以和处理器301集成在一起。
其中，存储器303用于存储执行本申请方案的程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的程序代码。程序代码中可以包括一个或多个软件模块。上述实施例中列车振动移差特征趋势的确定可以通过处理器301以及存储器303中的程序代码中的一个或多个软件模块实现。
通信接口304，使用任何收发器一类的装置，用于与其它设备或通信网络通信，如以太网，无线接入网（radio access network，RAN），无线局域网（wireless local areanetworks，WLAN）等。
在具体实现中，作为一种实施例，计算机设备可以包括多个处理器，这些处理器中的每一个可以是一个单核（single-CPU）处理器，也可以是一个多核（multi-CPU）处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据（例如计算机程序指令）的处理核。
上述的计算机设备可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中，计算机设备可以是台式机、便携式电脑、网络服务器、掌上电脑（personaldigital assistant，PDA）、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。本申请实施例不限定计算机设备的类型。
另外，本申请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的轨道交通故障检测方法。
综上，本申请实施例公开的轨道交通故障检测方法及系统中，首先对对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号，将列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数，根据各个列车相涉振动频率分别对应的峰谷相涉系数，对列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列，对相涉振动频率序列进行复生长变换，得到振动频率延展域，对振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势，根据列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据列车故障特征确定轨道交通故障，提高了对轨道交通故障的检测准确率。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种轨道交通故障检测方法，其特征在于，包括如下步骤：
对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号；
将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数；
根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列；
对所述相涉振动频率序列进行复生长变换，得到振动频率延展域，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势；
根据所述列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据所述列车故障特征确定轨道交通故障类别。
2.如权利要求1所述的方法，其特征在于，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数具体包括：
获取所述列车振动频率滤波信号及该列车振动频率滤波信号的平均值；
获取列车频率相涉分解序列中的所有列车振动频率及所有列车振动频率的平均值；
根据所述列车振动频率滤波信号及该列车振动频率滤波信号的平均值和列车频率相涉分解序列中的所有列车振动频率及所有列车振动频率的平均值，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的的峰谷相涉系数，其中，峰谷相涉系数采用下述公式确定：
其中表示列车频率相涉分解序列中第/>个列车振动频率的峰谷相涉系数，/>表示列车振动频率滤波信号，/>表示列车振动频率滤波信号的平均值，/>表示列车频率相涉分解序列中的第/>个列车振动频率，/>表示列车频率相涉分解序列中的第/>个列车振动频率的平均值，/>表示列车频率相涉分解序列中列车振动频率的个数。
3.如权利要求1所述的方法，其特征在于，将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列具体包括：
确定所述列车振动频率滤波信号所有的峰值点和谷值点；
由所有的峰值点确定峰络线，由所有的谷值点确定谷络线；
确定所述峰络线和所述谷络线的平均值，得到平均络线；
根据所述平均络线对所述列车振动频率滤波信号进行信号差分处理得到列车振动频率过渡信号；
判断所述列车振动频率过渡信号是否满足峰谷相涉特性，当所述列车振动频率过渡信号满足峰谷相涉特性，则将该列车振动频率过渡信号作为所述列车频率相涉分解序列中的第一个列车相涉振动频率；
当所述列车振动频率过渡信号不满足峰谷相涉特性，则再次确定所述列车振动频率过渡信号所有的峰值点和谷值点并重复上述步骤，直到所述列车振动频率过渡信号满足所述峰谷相涉特性，将所述列车振动频率过渡信号作为所述列车频率相涉分解序列中的第一个列车相涉振动频率；
将所述列车振动频率滤波信号与所述第一个列车振动频率对比，得到新的列车振动频率滤波信号并重复上述步骤，直到所述列车频率相涉分解序列中的列车相涉振动频率数量达到分解尺度上限，得到所述列车频率相涉分解序列。
4.如权利要求1所述的方法，其特征在于，根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列具体包括：
将所述列车频率相涉分解序列中每个列车振动频率的峰谷相涉系数分别与预设的相涉有效性系数进行对比；
当列车相涉振动频率的峰谷相涉系数小于该相涉有效性系数时，则将该列车相涉振动频率去除，当列车相涉振动频率的峰谷相涉系数大于等于该相涉有效性系数时，则将该列车相涉振动频率保留；
将保留的列车振动频率依据时序组合，得到相涉振动频率序列。
5.如权利要求1所述的方法，其特征在于，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势具体包括：
获取所述振动频率延展域中各个振动频率延展值的瞬时振动强移特征值，得到瞬时振动强移序列；
获取所述振动频率延展域中各个振动频率延展值的瞬时振动相极，得到瞬时振动相极序列；
根据所述瞬时振动强移序列和所述瞬时振动相极序列，确定列车振动移差特征趋势。
6.如权利要求5所述的方法，其特征在于，获取所述振动频率延展域中各个振动频率延展值的瞬时振动强移特征值，得到瞬时振动强移序列具体包括：
获取所述相涉振动频率序列；
获取所述振动频率延展域；
根据所述相涉振动频率序列和所述振动频率延展域，确定所述瞬时振动强移序列。
7.如权利要求6所述的办法，其特征在于，根据所述相涉振动频率序列和所述振动频率延展域，确定所述瞬时振动强移序列的过程中，瞬时振动强移序列根据下述公式确定：
其中，表示在/>时刻瞬时振动强移序列中的第/>个瞬时振动强移特征值，/>表示在/>时刻相涉振动频率序列中第/>个相涉振动频率，其中/>表示在/>时刻的振动频率延展域中第/>个振动频率延展值。
8.一种轨道交通故障检测系统，其特征在于，包括有故障检测单元，所述故障检测单元包括：
列车振动频率滤波模块，用于对轨道交通列车的列车振动频率信号进行滤波处理，得到列车振动频率滤波信号；
峰谷相涉系数确定模块，用于将所述列车振动频率滤波信号进行峰谷相涉分解，得到列车频率相涉分解序列，确定所述列车频率相涉分解序列中各个列车相涉振动频率分别对应的峰谷相涉系数；
相涉振动频率序列确定模块，用于根据各个列车相涉振动频率分别对应的峰谷相涉系数，对所述列车频率相涉分解序列进行相涉有效性检验，得到相涉振动频率序列；
列车振动移差特征趋势获取模块，用于对所述相涉振动频率序列进行复生长变换，得到振动频率延展域，对所述振动频率延展域进行移差特征趋势分析，得到列车振动移差特征趋势；
轨道交通故障确定模块，用于根据所述列车振动移差特征趋势进行列车故障特征提取，得到列车故障特征，根据所述列车故障特征确定轨道交通故障类别。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行如权利要求1至7任一项所述的轨道交通故障检测方法。
10.一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，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7任一项所述的轨道交通故障检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410371424.2A CN117962968B (zh) | 2024-03-29 | 2024-03-29 | 一种轨道交通故障检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410371424.2A CN117962968B (zh) | 2024-03-29 | 2024-03-29 | 一种轨道交通故障检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117962968A true CN117962968A (zh) | 2024-05-03 |
| CN117962968B CN117962968B (zh) | 2024-06-07 |
Family
ID=90851815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410371424.2A Active CN117962968B (zh) | 2024-03-29 | 2024-03-29 | 一种轨道交通故障检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117962968B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103558029A (zh) * | 2013-10-22 | 2014-02-05 | 重庆建设摩托车股份有限公司 | 一种发动机异响故障在线诊断系统和诊断方法 |
| CN104236911A (zh) * | 2014-09-28 | 2014-12-24 | 江苏润仪仪表有限公司 | 一种列车转向架轴承服役过程监测与故障诊断系统及方法 |
| CN107944199A (zh) * | 2017-12-22 | 2018-04-20 | 浙江工业大学 | 一种基于频谱趋势和变分模态分解的齿轮箱故障识别方法 |
| CN109050586A (zh) * | 2018-07-30 | 2018-12-21 | 西安英特迈思信息科技有限公司 | 一种高速机车走行部齿轮箱大数据健康管理装置 |
| US10168248B1 (en) * | 2015-03-27 | 2019-01-01 | Tensor Systems Pty Ltd | Vibration measurement and analysis |
| CN111006758A (zh) * | 2019-12-11 | 2020-04-14 | 东方电气风电有限公司 | 一种风力发电机组稳态振动在线趋势预测方法及趋势预测系统 |
| CN111044303A (zh) * | 2020-01-02 | 2020-04-21 | 中车株洲电力机车有限公司 | 一种磁浮列车客室异常振动的诊断方法及装置 |
| CN114001819A (zh) * | 2021-11-23 | 2022-02-01 | 青岛零一动测数据科技有限公司 | 轨道交通振动噪声监控系统 |
| CN115628906A (zh) * | 2022-10-08 | 2023-01-20 | 北京理工大学 | 基于ga-vmd与自适应随机共振的轴承故障诊断方法 |
-
2024
- 2024-03-29 CN CN202410371424.2A patent/CN117962968B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103558029A (zh) * | 2013-10-22 | 2014-02-05 | 重庆建设摩托车股份有限公司 | 一种发动机异响故障在线诊断系统和诊断方法 |
| CN104236911A (zh) * | 2014-09-28 | 2014-12-24 | 江苏润仪仪表有限公司 | 一种列车转向架轴承服役过程监测与故障诊断系统及方法 |
| US10168248B1 (en) * | 2015-03-27 | 2019-01-01 | Tensor Systems Pty Ltd | Vibration measurement and analysis |
| CN107944199A (zh) * | 2017-12-22 | 2018-04-20 | 浙江工业大学 | 一种基于频谱趋势和变分模态分解的齿轮箱故障识别方法 |
| CN109050586A (zh) * | 2018-07-30 | 2018-12-21 | 西安英特迈思信息科技有限公司 | 一种高速机车走行部齿轮箱大数据健康管理装置 |
| CN111006758A (zh) * | 2019-12-11 | 2020-04-14 | 东方电气风电有限公司 | 一种风力发电机组稳态振动在线趋势预测方法及趋势预测系统 |
| CN111044303A (zh) * | 2020-01-02 | 2020-04-21 | 中车株洲电力机车有限公司 | 一种磁浮列车客室异常振动的诊断方法及装置 |
| CN114001819A (zh) * | 2021-11-23 | 2022-02-01 | 青岛零一动测数据科技有限公司 | 轨道交通振动噪声监控系统 |
| CN115628906A (zh) * | 2022-10-08 | 2023-01-20 | 北京理工大学 | 基于ga-vmd与自适应随机共振的轴承故障诊断方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘东东;程卫东;万广通;: "基于故障特征趋势线模板的滚动轴承故障诊断", 机械工程学报, no. 09, 31 May 2017 (2017-05-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117962968B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110839016B (zh) | 异常流量监测方法、装置、设备及存储介质 | |
| Li et al. | An overview: modern techniques for railway vehicle on-board health monitoring systems | |
| CN112326280B (zh) | 列车转向架的故障检测方法、装置和计算机可读介质 | |
| Ye et al. | Shock detection of rotating machinery based on activated time-domain images and deep learning: An application to railway wheel flat detection | |
| CN113247041B (zh) | 一种基于数字孪生模型的轮对轴箱装置状态监测方法 | |
| CN113343928B (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 | |
| CN113049252B (zh) | 一种列车轴承箱的故障检测方法 | |
| CN116049661A (zh) | 用于液压马达故障诊断的方法、装置及存储介质 | |
| Wu et al. | Envelope harmonic noise ratio based adaptive kurtogram and its application in bearing compound fault identification | |
| CN110501172A (zh) | 一种基于轴箱振动的轨道车辆车轮状态识别方法 | |
| CN114964468B (zh) | 一种基于bim的桥梁振动监测方法、系统及终端设备 | |
| CN110657807B (zh) | 基于小波变换检测不连续性的室内定位位移测量方法 | |
| CN113221759A (zh) | 基于异常检测模型的道路遗撒识别方法以及装置 | |
| Sun et al. | Railway joint detection using deep convolutional neural networks | |
| CN111897851A (zh) | 异常数据的确定方法、装置、电子设备及可读存储介质 | |
| CN115165274A (zh) | 工程机械设备振动状态自适应智能监测装置及方法 | |
| CN117962968B (zh) | 一种轨道交通故障检测方法及系统 | |
| Zhou et al. | Multi-objective sparsity maximum mode de-composition: a new method for rotating machine fault diagnosis on high-speed train axle box | |
| CN110091888A (zh) | 一种抗蛇行减振器的控制方法及装置 | |
| CN114677254B (zh) | 一种货车事故识别方法、装置、存储介质及程序产品 | |
| CN113836476B (zh) | 一种基于智能手机的路面平整度测量方法 | |
| CN114993671A (zh) | 一种基于q因子小波变换的振动故障诊断方法及其系统 | |
| CN113532636A (zh) | 一种低频周期性晃车的检测方法、装置、设备和存储介质 | |
| CN112729531A (zh) | 配电变压器设备故障研判方法及系统 | |
| CN109543550B (zh) | 钢轨加速度信号识别方法及识别装置 |
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 |