一种列车车轮运行异常监测方法及系统

技术领域

本发明涉及一种用于监测列车车轮运行异常的方法和系统。

背景技术

列车在高速运行时，由于车辆和轨道之间的相互作用力增强，车轮和钢轨间的磨耗擦伤，接触疲劳以及车轮失圆问题也在逐渐增加，这些问题会导致列车和轨道系统结构间动力响应发生变化，而车辆和轨道一方发生问题会造成另一方的异常，严重影响铁路系统各部件的寿命和稳定性。而目前对于车轮运行时的异常检测，通过不同的轨边传感器安装方式覆盖全车轮圆周进行检测。

目前有通过将光纤传感器卡装在钢轨下方来检测钢轨振动和形变，需要布置较长的检测距离覆盖圆周和钢轨下方的尽量大空间，还有通过安装在轨枕上方和轨腰处的应变传感器检测，需要进行轨枕的替换来保证列车经过时的平稳和检测的精准，因此对检测选址要求高，安装复杂，需要耗费较多的人工。

发明内容

有鉴于此，本发明提供一种列车车轮运行异常监测方法及系统，安装选址要求低，无需移动钢轨更换枕木。

为解决以上技术问题，本发明的技术方案为：一种列车车轮运行异常监测方法，包括：

对采集到的信号进行分割并重组成单个车轮的信号；

对重组后的信号进行滤波降噪；

利用滑窗对降噪后的信号进行移步框选，计算框选出的每段信号的峭度值；并将峭度值大于阈值的信号设定为异常区域；

将异常区域的滑窗宽度进行扩展，计算框选出的信号的峰值因子并提取该信号的异常频谱特征；

根据峰值因子和异常频谱特征判断车轮状态。

作为一种改进，所述根据进行分割并重组成单个车轮的信号包括：

获取每个车轮经过每个测区的起止时间，利用该起止时间截取每个车轮经过每个测区的有效波形段；

将截取到的有效波形段进行拼接得到每个车轮单独的信号。

作为一种改进，采用小波滤波算法对重组后的信号进行滤波降噪。

作为一种优选，所述滑窗的宽度为车轮周长的0.1~1倍，步长为车轮周长的0.05~1倍，且步长≤滑窗的宽度。

作为一种改进，利用公式

计算峭度值，其中K为计算得到的峭度值，N为采样长度，

作为一种优选，将滑窗沿运行方向前后各扩展1/3窗口宽度。

作为一种改进，利用公式

计算峰值因子，其中C为峰值因子，x

作为一种改进，利用傅里叶变换得到信号的频谱特征，并从中提取出异常频谱特征。

作为一种改进，所述根据峰值因子和异常频谱特征判断车轮状态包括：

通过以往已知数据拟合峰值因子-车轮异常程度函数；

将计算出的峰值因子和车轮速度带入峰值因子-车轮异常程度函数中获得车轮异常程度；

利用车轮异常程度和异常频谱特征判断车轮状态。

本发明还提供一种列车车轮运行异常监测系统，包括：

信号采集单元，用于采集车轮信号；

信号分割重组单元，用于将采集到的车轮信号分割并重组成单个车轮的信号；

滤波降噪单元，用于对重组后的信号进行滤波降噪；

异常区域选取单元，用于利用滑窗对降噪后的信号进行移步框选，计算框选出的每段信号的峭度值；并将峭度值大于阈值的信号设定为异常区域；

峰值因子异常频谱特征获取单元，用于将异常区域的滑窗宽度进行扩展，计算框选出的信号的峰值因子并提取该信号的异常频谱特征；

车轮状态判断单元，用于根据峰值因子和异常频谱特征判断车轮状态。

作为一种改进，所述信号采集单元包括若干压力传感器和若干剪力传感器；每个压力传感器对应一根轨枕，连续三个压力传感器和分别设置在所述三个压力传感器前后的两个剪力传感器为一个测区；所述测区为三个或者三个以上，并且相邻测区部分重合。

作为一种优选，相邻测区有一个压力传感器和一个剪力传感器重合。

作为一种改进，所述压力传感器设置在轨枕处的钢轨轨底顶面，所述剪力传感器设置在钢轨轨腰上。

本发明的有益之处在于：

1、通过改变传感器安装位置，可避免换轨操作，易于安装方便，便于维护。

2、通过改变测区布局，可实现车轮运行状态的连续测量，便于后续信号拼接和处理。

3、通过对后端信号去噪，减少电噪声对后续异常值提取的干扰。

4、在提取异常值处理时，采用分窗计算峭度，可以避免同一车轮多个异常部位的干扰，再通过求取异常区域峰值比例系数和频谱特征对车轮异常的综合判断。

附图说明

图1为现有技术中测区的布置图。

图2为现有技术中获取的信号波形图。

图3为本发明中测区的布置图。

图4为本发明中获取的信号波形图。

图5为本发明中传感器的安装位置示意图。

图6为本发明的结构原理图。

图7为本发明的流程图。

图中标记：1钢轨、2枕木、3压力传感器、4剪力传感器、101轨头、102轨腰、103轨底。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合具体实施方式对本发明作进一步的详细说明。

采用测力传感器检测车轮运行状态，是通过检测轮轨相互作用力的变化，因此需要检测车轮向下的压力和轮轨作用产生的剪力，两者的合力即为轮轨力。现有技术中，检测向下的压力时，通常将压力传感器垫3在钢轨1底部与轨枕2之间，如图1所示，检测车轮经过时轮轨相互作用力，但是该方式需要移动钢轨和更换特制枕木保证车辆运行的平稳，避免在采集的信号中引入其他干扰，安装复杂，换轨操作要求搞，所需工期长。

对于剪力的测量需要将剪力传感器4安装在钢轨1轨腰102处测得，轮轨力的变化则通过剪力与压力合力的变化测得如图1，剪力传感器，红色方形为测压力传感器。为了覆盖全轮周检测，需要满足3个测区范围，如图1。由于剪力检测的特性，当车轮经过剪力传感器4上方时，会出现剪力为零的区域，因此按照该布局会存在车轮圆周覆盖不完全，按照该布局检测的信号，在检测区域交接处，存在信号断裂如图2所示。而在后续频谱分析和异常状态判断上，会造成误判、漏判，影响检测准确率。

为了解决这个问题，如图3-6所示，本发明提供一种列车车轮运行异常监测系统，包括：

信号采集单元，用于采集车轮信号；所述信号采集单元包括若干压力传感器和若干剪力传感器；所述压力传感器设置在轨枕处的钢轨轨底顶面，所述剪力传感器设置在钢轨轨腰上。每个压力传感器对应一根轨枕，连续三个压力传感器和分别设置在所述三个压力传感器前后的两个剪力传感器为一个测区；所述测区为三个或者三个以上，并且相邻测区部分重合。本实施例中，相邻测区有一个压力传感器和一个剪力传感器重合。

信号分割重组单元，用于将采集到的车轮信号分割并重组成单个车轮的信号；

滤波降噪单元，用于对重组后的信号进行滤波降噪；

异常区域选取单元，用于利用滑窗对降噪后的信号进行移步框选，计算框选出的每段信号的峭度值；并将峭度值大于阈值的信号设定为异常区域；

峰值因子异常频谱特征获取单元，用于将异常区域的滑窗宽度进行扩展，计算框选出的信号的峰值因子并提取该信号的异常频谱特征；

车轮状态判断单元，用于根据峰值因子和异常频谱特征判断车轮状态。

本发明中将设置在轨枕处的钢轨轨底顶面，所述剪力传感器设置在钢轨轨腰上，如图5所示，钢轨轨底顶面处检测车轮压力与轨底底面检测数值差异变化不大，因此将压力传感器由轨底底面换到轨底顶面处，可避免换轨操作，易于安装方便，便于维护。同时测区的布局结构见图3，以3个压力传感器搭配两端2个剪力传感器构成1个测区。满足3个测区长度可以达到车轮圆周的完全覆盖，测区与测区之间有重叠，可实现车轮运行状态的连续测量，便于后续信号拼接和处理。其采集的信号如图4所示，无断裂存在。

如图7所示，根据上述的检测系统，本发明还提供一种列车车轮运行异常监测方法，具体步骤包括：

S1对采集到的信号进行分割并重组成单个车轮的信号；

S2对重组后的信号进行滤波降噪；

S3利用滑窗对降噪后的信号进行移步框选，计算框选出的每段信号的峭度值；并将峭度值大于阈值的信号设定为异常区域；

S4将异常区域的滑窗宽度进行扩展，计算框选出的信号的峰值因子并提取该信号的异常频谱特征；

S5根据峰值因子和异常频谱特征判断车轮状态。

具体地，步骤S1中，由于信号采集单元采集到的车轮信号是多个车轮的，因此需要进行信号的分割和重组，从而得到单个的车轮信号，包括：

S11获取每个车轮经过每个检测区的起止时间，利用该起止时间截取每个车轮经过每个检测区的有效波形段。根据在设备检测段布置的若干个计轴传感器，计算设备检测段内每个车轮的平均速度，根据速度和计轴传感器物理位置及触发时刻，可得每个车轮每个时刻的物理位置；每个测力传感器的物理位置作为已知条件，则每个车轮在每个测区经过的时间可得，即可截取出每个测区车轮经过的有效波形段（由于每个测区长度小于前后轮的距离，故几乎避开了前后轮波形叠加干扰段）。

S12将截取到的有效波形段进行拼接得到每个车轮单独的信号。本实施例中具有3个测区，因此将三个测区的信号拼接起来就成了一个完成的车轮信号。

在步骤S2中，本实施例采用小波滤波算法对重组后的信号进行滤波降噪。

在步骤S3中，本实施例优选所述滑窗的宽度为车轮周长的0.1~1倍，步长为车轮周长的0.05~1倍，且步长≤滑窗的宽度。利用上述尺寸的滑窗按照上述步长在车轮信号上滑动，每滑动一步就框选出一部分信号。

然后利用公式

计算框选出来的各部分信号的峭度值，其中K为计算得到的峭度值，N为采样长度，

将计算出的峭度值与预设的阈值进行比较，如果某段信号的峭度值大于阈值，就将该段信号设置为异常区域。

在步骤S4中，优选将滑窗沿运行方向前后各扩展1/3窗口宽度。由于在步骤S3滑窗阶段可能会把有用异常波形分割为两半，峭度值能对其进行初步报警定位。但为了保证异常信息的完整度，能完成峰值因子的计算，需要拓宽窗口宽度。1/3的宽度扩展并非绝对，也可为其他值，但过大会影响针对该初步定位异常的计算准确度，过小可能不能完全包含异常波形及其附近的异常信息。

然后对扩展后的滑窗框选出来的车轮信号进行峰值因子计算，具体地，利用公式

计算峰值因子，其中C为峰值因子，x

然后对车轮信号进行傅里叶变换，得到信号的频谱特征，再从中提取异常频谱特征。如果车轮有异常，如车轮踏面擦伤、剥离，如车轮偏心、椭圆、多边形等失圆等，其都会在展现出于正常车轮不同的异常频谱特征。

例如为车轮踏面擦伤、剥离等异常导致的轮轨接触的局部冲击，则频谱上能量强且在频域范围分布广，并在钢轨固有共振频率处最强。如果为车轮偏心、椭圆、多边形等失圆异常，则频谱上能量集中在低频段，且集中的频率值和失圆车轮与钢轨周期的作用力变化相关。即通过频谱的幅值大小及能量集中的频率值进行特征提取。

步骤S5中首先根据上述步骤计算出来的峰值因子判断车轮异常情况，再辅以之前提取的异常频谱特征对车轮状态进行综合判断，具体包括：

S51通过以往已知数据拟合峰值因子-车轮异常程度函数；通过动力学仿真软件的基础数据、设备采集的对应实车异常车轮案例数据（用于仿真关系的修正）,可以拟合出合峰值因子-车轮异常程度函数。例如设置一个n元m次方程。进行已知x1（峰值因子）x2（车速）等因变量，与已知y（异常程度）的拟合操作，得到峰值因子-车轮异常程度函数。

S52将计算出的峰值因子和车轮速度带入峰值因子-车轮异常程度函数中获得车轮异常程度；

S53利用车轮异常程度和异常频谱特征判断车轮状态。异常频谱特征用以确定异常的类型，峰值因子用以确定车轮异常程度。结合异常类型和异常程度，就能获取综合的车轮异常情况。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。