一种基于轴箱振动加速度互谱分析的钢轨波磨识别方法与流程

本发明涉及轨道交通，特别涉及一种基于轴箱振动加速度互谱分析的钢轨波磨识别方法。

背景技术：

1、钢轨波磨病害是轮轨系统在轨道不平顺的激励下产生共振导致的钢轨表面损伤，或者是列车在轨道弯曲处左右车轮行程不一致以及车站附近频繁制动产生的轮轨摩擦，从而导致的钢轨表面状况的恶化。钢轨波磨的存在会导致列车运营产生一系列安全问题，随着城市轨道交通运营里程及运营速度的增加，钢轨波磨对列车运行安全造成的影响也愈发严重，因此对钢轨波磨进行实时检测、掌握其动态状况，已经成为一项紧迫的工作。

2、城市轨道交通作为一种地面占地面积小、客流运量大、环境污染低的交通方式，目前正逐渐成为城市公共交通的核心。当列车运行至钢轨波磨区段时，列车不仅会产生剧烈的轮轨啸叫声，对地铁沿线周边环境产生影响，还会产生高频振动，影响乘坐的舒适性；此外，钢轨波磨会加剧轮轨之间的动力学作用，引起列车转向架及轨道部件的机械损伤，使列车运行得不到安全保障。

3、既有的地铁钢轨波磨检测手段主要包含人工抽样检测和便携式钢轨波磨检测小车连续测测量两种方法，两种方法均存在检测效率低、人工成本高等问题，无法满足对地铁波磨实时快速、检测的需求。

4、另外，相关现有技术中，刘金朝等为实现对高铁短波不平顺的检测，提出一种从能量的角度刻画轮轨冲击引起的轴箱加速度高频相应，计算轴箱加速度的移动有效值，并对其作归一化处理，得到轨道冲击指数，通过设定阈值判断是否存在钢轨接头焊缝、道岔以及钢轨不均匀磨耗、波浪和波纹磨耗等短波不平顺。此方法仅可用于运行速度较为稳定的高速铁路，且缺少与车速直接相关的钢轨波磨状态判别阈值，无法实现钢轨波磨的实时判别。

5、尽管国内外学者针对钢轨波磨的实时识别检测方法开展了大量的研究，但是现有技术存在如下缺点：

6、(1)现有波磨识别检测方法在检测载体运行速度变化较大时无法准确识别检测钢轨波磨，无法在列车运行过程中对钢轨波磨进行实时识别检测；

7、(2)目前，地铁缺乏可广泛应用的钢轨波磨进行自动化识别的手段，对钢轨波磨的识别检测仍以人工巡检的方式为主，检测速度慢、效率低；

8、(3)城市轨道交通列车轴箱振动加速度检测数据干扰频率较多，波磨引起的振动特征不显著，无法准确提取钢轨波磨的时频特性；

9、因此，亟需一种对钢轨波磨进行实时检监测的新方法。

技术实现思路

1、本发明的目的在于提供一种基于轴箱振动加速度互谱分析的钢轨波磨识别方法，解决了现有技术中由于部分区段波磨引起振动特征不显著导致无法实现地铁波磨实时快速、准确检测的问题；该方法可以准确、实时地识别钢轨波磨区段，并提取钢轨波磨特征波长及幅值大小。

2、为实现上述目的，本发明采取的技术方案为：

3、本发明提供一种基于轴箱振动加速度互谱分析的钢轨波磨识别方法，包括以下步骤：包括以下步骤：

4、s10、通过计算固定窗长内轴箱垂向振动加速度有效值，以及全部加速度有效值的平均值，确定轨道波磨指数；

5、s20、根据所述轨道波磨指数与预设波磨指数阈值的比较结果，相应计算出有效时长内采集的实时轴箱振动加速度有效值连续超限所对应的列车行驶距离；

6、s30、根据所述列车行驶距离与超限距离阈值，初步判断是否存在钢轨波磨区段；

7、s40、当初步判断存在钢轨波磨区段，通过实时采集车速、车辆同一转向架前后轴轴箱振动加速度信号，计算车辆同一转向架前后轴轴箱振动加速度两种信号的互谱密度以及相干系数，提取波磨对应能量脊线，确定波磨区段；并结合实际车速转化为波磨的特征波数及特征波长；

8、s50、通过对步骤s40实时采集的车辆转向架前轴轴箱振动加速度信号，进行小波阈值降噪、经验模态分解以及加速度二次积分处理，检测获得波磨幅值参数。

9、进一步地，所述步骤s10包括：

10、对采集到的轴箱加速度信号进行带通滤波，通过式(1)计算各点轴箱振动加速度值所对应的加速度有效值；

11、

12、(1)式中，si为第i个点的加速度有效值；i为轴箱垂向振动加速度的样本数，i＝1，2，…，n；j为1到n之间的任意整数；a为带通滤波后的轴箱垂向加速度；n为轴箱垂向加速度总采样点数；k为移动计算有效值的窗长所对应的加速度点数，窗长取值为1m；

13、通过式(2)、(3)计算所有加速度有效值的平均值，并对加速度有效值进行归一化处理，获得轨道波磨指数；

14、

15、

16、式中，tπ(i)为各点波磨指数；s为加速度有效值平均值。

17、进一步地，所述步骤s20包括：

18、在一个采样周期内，对轴箱振动加速度、列车运行速度、行驶里程进行实时检测；

19、从采样起始时间开始实时计算同一转向架前后两轴的各采样点波磨指数；

20、当前轴波磨指数大于预设波磨指数阈值时，则前轴的轴箱振动加速度有效值所对应的时间点作为初始时间t’n；

21、继续循环比对直至前轴波磨指数在小于所述预设波磨指数阈值时，则此时前轴的轴箱振动加速度有效值对应的时间点作为结束时间t”n；

22、在t’n～t”n的持续时间内，计算得出列车行驶距离。

23、进一步地，所述步骤s30包括：

24、当δs＞(n车辆编组数+2)×l单节车长，初步判断存在钢轨波磨区段；

25、当δs＜(n车辆编组数+2)×l单节车长，初步判断不存在钢轨波磨区段；

26、δs为在t’n～t”n的持续时间内计算得出列车行驶距离；(n车辆编组数+2)×l单节车长为超限距离阈值；n为车辆编组数；l为单节车辆的长度。

27、进一步地，所述步骤s40包括：

28、对初步判定为钢轨波磨发生区段，在持续时间内提取同一转向架前后轴轴箱振动加速度信号，根据式(4)、式(5)计算两种加速度信号的互谱密度sxy(k)及相干系数cxy(k)；

29、

30、

31、式中，m为平均次数，nfft为进行快速离散傅里叶变换次数，xi(k)和yi(k)分别为两随机信号的第i个数据段的傅里叶变换，yi*(k)为yi(k)的共轭复数，sxx(k)和syy(k)分别为两随机信号的自功率谱密度函数；

32、对提取到同一转向架前后轴轴箱振动加速度信号，根据式(4)得到以t1，t2，t3，……，tm时间小窗内随频率分布的互谱矩阵，如式(7)所示：

33、

34、(7)式中，t1，t2，t3，……，tm表示以tm时刻为中心的时间小窗，f1，f2，f3，……，fn为互谱计算对应的频率分布；

35、通过式(5)计算得到类似于互谱矩阵的前后轴加速度信号相干矩阵，如式(8)所示：

36、

37、(8)式中，t1，t2，t3，……，tm表示以tm时刻为中心的时间小窗，f1，f2，f3，……，fn为相干计算对应的频率分布；

38、通过式(9)将互谱矩阵与相干矩阵相乘，实现对波磨信号的增幅，得到式(10)所示的增幅矩阵：

39、

40、

41、(10)式中t1，t2，t3，……，tm表示以tm时刻为中心的时间小窗，f1，f2，f3，……，fn为互谱放大计算对应的频率分布；

42、根据式(10)画出时-频分布图，提取波磨对应能量脊线，确定波磨区段，提取加速度信号的特征频率，并转化为波磨的特征波数及特征波长。

43、进一步地，所述步骤s50包括：

44、s501、提取步骤s40实时采集的车辆转向架前轴轴箱振动加速度信号，进行小波分解，得到该信号的分解系数，对各层系数作阈值门限处理；

45、s502、再将经过处理的小波系数进行逆变换，通过信号重构获取降噪后的振动加速度信号adenoise(t)；

46、s503、对降噪后的振动加速度信号adenoise(t)进行eemd分解；

47、s504、对所有eemd分解结果提取频谱峰值为特征波长对应振动频率的imf分量并进行求和，获得降噪重构的轴箱振动加速度信号；

48、s505、对所述降噪重构的轴箱振动加速度信号，进行二次积分，将重构后加速度信号转换为位移信号，获得波磨幅值参数。

49、进一步地，所述步骤s503包括：

50、1)对降噪后的振动加速度信号adenoise(t)加入h次随机高斯白噪声nj(t)，如式(11)所示：

51、aj(t)＝adenoise(t)+nj(t)     (11)

52、式中，aj(t)为第j次加入高斯白噪声后的信号；

53、2)每次加入噪声后对信号aj(t)进行emd分解，得到如式(12)所示的前10个imf分量及残余量rj(t)；

54、

55、式中，imfjk(t)为第j次加入噪声后的第k个imf分量；

56、3)对所有emd分解后的每个imf分量总体平均，其结果作为eemd分解后的imf分量，如式(13)所示；

57、

58、式中，imfk(t)为eemd的第k个imf分量。

59、进一步地，所述步骤s505包括：

60、对所述降噪重构的轴箱振动加速度信号，进行二次积分，设为傅里叶变换的表达形式，ω为频率变量；t为时间；

61、依据傅里叶变换的积分定理，轴箱振动加速度时域信号与频域信号有如式(14)中的关系；

62、将轴箱振动加速度时域信号转换到频率域，设任一频率的傅里叶分量为wejωt，根据式(15)对轴箱振动加速度的频域信号进行二次积分，转换为位移信号，获得波磨幅值参数；

63、其中：

64、

65、

66、式(14)-(15)中，t为时间，a为轴箱振动加速度，ω为频率变量；s(t)为位移信号，w为波磨幅值参数，e为自然常数。

67、与现有技术相比，本发明具有如下有益效果：

68、本发明实施例提供的一种基于轴箱振动加速度互谱分析的钢轨波磨识别方法，结合轴箱振动加速度与地铁波磨的相关性，从能量的角度刻画地铁波磨所引起轴箱垂向振动加速度的高频特性，设置合适的波磨指数阈值，以及根据同一转向架前后轴轴箱加速度信号相似的特性，计算两种加速度信号的互谱密度以及相干系数从而提取时频能量脊线，当确定存在波磨，并结合实际车速转化为波磨的特征波数及特征波长；并对实时采集的车辆同一转向架前后轴轴箱振动加速度信号，进行小波阈值降噪、经验模态分解以及加速度二次积分处理，检测获得波磨幅值参数。该发明可实时快速地识别钢轨波磨区段，并对波磨特征波长、幅值大小、波形进行检测，并提取钢轨波磨的统计特征，为城轨运营维护作提供可靠的数据支撑，提高地铁运营维护效率，进而有助于对轨道工务管理提供指导。