[發(fā)明專(zhuān)利]一種車(chē)輪扁疤故障檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811009904.5
• 申請(qǐng)日: 2018-08-31
• 公開(kāi)（公告）號(hào): CN109325425A
• 公開(kāi)（公告）日: 2019-02-12
• 發(fā)明（設(shè)計(jì)）人: 張晶;章清;王子豪;葉正君;邢宗義
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京理工大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06F17/50
• 代理公司: 南京理工大學(xué)專(zhuān)利中心 32203
• 代理人: 薛云燕

本發(fā)明公開(kāi)了一種車(chē)輪扁疤故障檢測(cè)方法。該方法為：首先現(xiàn)場(chǎng)采集信號(hào)，對(duì)振動(dòng)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解；原始信號(hào)經(jīng)過(guò)EMD分解后的固有模態(tài)函數(shù)包含了原始信號(hào)從低頻到高頻的不同成分，經(jīng)過(guò)EMD分解之后，選出有效的IMF分量；接著對(duì)單個(gè)IMF分量進(jìn)行多尺度熵分析；最后對(duì)選出的所有有效的IMF分量的和值進(jìn)行多尺度熵分析，與單個(gè)IMF分量多尺度熵分析所得出的分析結(jié)果進(jìn)行比較，選出差別最明顯的分析結(jié)果，判斷扁疤故障。本發(fā)明具有數(shù)據(jù)量要求不高、檢測(cè)結(jié)果明顯、適用性強(qiáng)的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明屬于車(chē)輪檢測(cè)技術(shù)領(lǐng)域，特別是一種車(chē)輪扁疤故障檢測(cè)方法。

背景技術(shù)

列車(chē)輪對(duì)是車(chē)輛運(yùn)行部件中最重要的部件之一，其不僅承受車(chē)身和旅客或貨物的全部重量，而且負(fù)責(zé)傳導(dǎo)輪對(duì)與鋼軌間的相互作用力，尤其當(dāng)車(chē)輪經(jīng)過(guò)鋼軌上方時(shí)會(huì)產(chǎn)生軌道上的垂向振動(dòng)加速度。輪對(duì)組需要承擔(dān)較多負(fù)荷，其中包括較大的靜載荷和動(dòng)載荷，組裝應(yīng)力和制動(dòng)片、閘片制動(dòng)時(shí)產(chǎn)生的熱應(yīng)力以及通過(guò)曲線時(shí)的離心力等。

隨著城軌車(chē)輛的速度提升與旅客數(shù)量的急劇增長(zhǎng)，輪對(duì)和軌道之間的相互作用力逐步增強(qiáng)，從而導(dǎo)致輪對(duì)與鋼軌接觸面非圓化現(xiàn)象日益增多，其中包括車(chē)輪踏面扁疤這種最常見(jiàn)的損傷形式，該損傷形式會(huì)對(duì)車(chē)輛和軌道各部件造成傷害，并引起安全性和乘坐舒適度降低的問(wèn)題。現(xiàn)有車(chē)輪檢測(cè)技術(shù)，不能夠準(zhǔn)確并實(shí)時(shí)地檢測(cè)出車(chē)輪扁疤故障，無(wú)法及時(shí)采取有效措施消除安全隱患，是城軌交通發(fā)展中的監(jiān)測(cè)難題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種準(zhǔn)確性高、實(shí)時(shí)性好的車(chē)輪扁疤故障檢測(cè)方法，從而及時(shí)采取有效措施消除安全隱患。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案是：一種車(chē)輪扁疤故障檢測(cè)方法，包括以下步驟：

步驟1，現(xiàn)場(chǎng)采集信號(hào)，對(duì)振動(dòng)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解；

步驟2，對(duì)經(jīng)過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解的信號(hào)進(jìn)行篩選，選出有效的IMF分量；

步驟3，對(duì)單個(gè)IMF分量進(jìn)行多尺度熵分析；

步驟4，對(duì)步驟2選出的所有有效的IMF分量的和值進(jìn)行多尺度熵分析，判斷扁疤故障。

進(jìn)一步地，步驟1所述的現(xiàn)場(chǎng)采集信號(hào)，對(duì)振動(dòng)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，具體如下：

將振動(dòng)信號(hào)表示為n個(gè)固有模態(tài)函數(shù)和殘余分量的和，即：

式中，x(t)為原始信號(hào)，IMF_i為固有模態(tài)函數(shù)，r_n(t)為殘余分量。

進(jìn)一步地，步驟2所述的對(duì)經(jīng)過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解的信號(hào)進(jìn)行篩選，選出有效的IMF 分量，具體如下：

原始信號(hào)經(jīng)過(guò)EMD分解后的固有模態(tài)函數(shù)包含了原始信號(hào)從低頻到高頻的不同成分，經(jīng)過(guò)EMD分解之后，選出有效的IMF分量。

進(jìn)一步地，步驟3所述的對(duì)單個(gè)IMF分量進(jìn)行多尺度熵分析，具體如下：

給定長(zhǎng)度為n的信號(hào)序列{x₁,x₂,....x_n}，對(duì)該時(shí)間序列進(jìn)行粗粒化：

式中，y_τ(j)為粗粒向量樣本熵值，j為粗粒向量序列號(hào)，[N/τ]為向下取整，τ為正整數(shù)，當(dāng)τ＝1時(shí)，粗粒向量為原時(shí)間序列；

計(jì)算每個(gè)粗粒序列的樣本熵，將得到的τ個(gè)粗粒向量的樣本熵值表示成τ的函數(shù)；設(shè)時(shí)間尺度最大值為τ_max，計(jì)算不同尺度下的粗粒向量樣本熵值對(duì)應(yīng)的樣本熵值，即得到原始時(shí)間序列的多尺度熵：

其中，MSE為多尺度熵，為粗粒向量樣本熵值對(duì)應(yīng)的樣本熵值。