[發明專利]一種高速列車軌邊運動參數自適應識別方法

有效

• 申請號: 201810161027.7
• 申請日: 2018-02-27
• 公開（公告）號: CN108398267B
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 劉方;劉家慶;錢強;付洋洋;顧康康;劉永斌;陸思良;琚斌
• 申請（專利權）人: 安徽大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G01M17/08;B61K9/00
• 代理公司: 11251 北京科迪生專利代理有限責任公司
• 代理人: 楊學明;顧煒<國際申請>=<國際公布>=

本發明公開了一種高速列車軌邊運動參數自適應識別方法，包括：(1)對軌邊麥克風采集信號X(t)進行降采樣、濾波得到x(t)；(2)對x(t)進行短時傅里葉變換(STFT)得到時頻分布STFT_x(t,f)；(3)初始化軌邊模型參數集γ{v,r,f₀}；(4)基于步驟(3)中的參數和軌邊信號的頻移公式f_k(t)構造符合多普勒時頻變化規律多普勒窗w^γ(t,f)；(5)令x₀(t)＝w^γ(t,f)*STFT_x(t,f)；(6)在整個時頻域中從低頻到高頻依次計算所構造出來的多普勒窗區域在不同頻段對應的信號能量值E；7)重復步驟(3)～(6)直至得到能量最大值E_max，將與之對應的γ{,v,r,f₀}作為列車運動參數識別結果。本發明抗噪能力和參數估計自適應程度得到了提高，可用于列車軸承聲學信號故障檢測。

技術領域

本發明涉及高速列車輪對軸承軌邊聲學故障診斷的技術領域，具體涉及一種高速列車軌邊運動參數自適應識別方法。

背景技術

列車在高速運行時輪對軸承發出的聲音信號中蘊含了與其健康狀況密切相關的信息，在軌邊安裝麥克風采集聲音信號并通過信號處理手段能夠對輪對軸承進行有效的故障診斷，具有非接觸式監測、成本低和能發現早期故障的優點。然而，由于列車的高速行駛，采集到的道旁聲學信號會發生嚴重的多普勒時頻畸變，這會嚴重干擾后續的故障信息提取，所以必須對畸變信號進行矯正，而畸變矯正的前提是列車運動參數的獲取。目前大多數的列車運動參數提取的算法大多存在自適應程度不夠，過度依賴人為干預的問題。

本發明旨在提高算法的自適應程度，實現不依賴人為干預來自適應的識別參數。本發明提供的方法可以實現基于信號本身的列車運動參數估計，無需依賴額外的測距、測速傳感器。

發明內容

本發明要解決的技術問題為：克服現有技術不足，通過時頻分析、瞬時頻率提取、多普勒窗構建和函數擬合法，可以實現基于采集到的軌邊聲學信號自適應的獲取參數，可運用于畸變矯正。本發明提出的多普勒窗的構建還可以達到可變頻帶的濾波效果，這樣可以消除一些與主頻成分信號頻率接近的強背景噪聲，最終改善軌邊聲學信號故障信息提取的效果，提高實用性。

本發明解決上述技術問題采用的技術方案為：一種高速列車軌邊運動參數自適應識別方法，使用安裝在鐵軌兩側的麥克風采集列車高速通過時輪對軸承發出的故障聲音信號，作為檢測信號X(t)，對該檢測信號的處理步驟為：

步驟(1-1)、道旁聲學信號多普勒畸變中心頻率f_k(t)構建；

步驟(1-2)、基于上述參數集合運動模型構造符合多普勒畸變規律的窗wγ(t,f)，且將每一組參數構造出來的多普勒窗的中心頻率f在信號時頻分布中從低頻到高頻依次移動，這樣每移動一個Δf就又會產生一個新的多普勒窗。

步驟(1-3)、依次計算所有多普勒窗所在區域的局部信號能量值E，尋找最大能量值E_max，能量最大值對應的一組參數就是最優參數。

所述步驟(1-1)中，中心頻率f_k(t)構建的步驟如下：

步驟(2-1)這里聲源運動參數集參數集γ(v,r,f₀)中沒有包括聲源運動模型的橫向距離。這對算法的高效性和穩定性都是十分有利的。在算法實際匹配的過程中，只要計算出信號的時長T,就可以定義運動模型的橫向距離s為：

s＝vT/2

步驟(2-2)對聲源信號的運動模型進行演化得到新的運動模型函數。