[发明专利]一种城轨列车车轮扁疤故障检测方法

说明书

本发明公开了一种城轨列车车轮扁疤故障检测方法。该方法基于改进的魏格纳‑威尔分布时频分析方法，包括以下步骤：现场采集信号，对振动信号采用自适应降噪；对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度；提取小波系数，分析信号特征，估算阈值；对振动信号进行IWVD处理，根据信号的时频图和时频幅值图，进行车轮状态判别；若交叉干扰项超过振动信号的分量个数N，则返回重新估算阈值，继续进行处理。本发明基于改进的魏格纳‑威尔时频分布，检测结果明显，适用性强。

技术领域

本发明属于车轮检测技术领域，特别是一种城轨列车车轮扁疤故障检测方法。

背景技术

列车轮对是车辆运行部件中最重要的部件之一，其不仅承受车身和旅客或货物的全部重量，而且负责传导轮对与钢轨间的相互作用力，尤其当车轮经过钢轨上方时会产生轨道上的垂向振动加速度。轮对组需要承受较多影响，其中包括较大的静载荷和动载荷，组装应力和制动片、闸片制动时产生的热应力以及通过曲线时的离心力等。

然而随着城轨车辆的速度提升与旅客数量的急剧增长，轮对和轨道之间的相互作用力增强，从而导致轮对与钢轨接触面非圆化现象日益增多，其中就包括车轮踏面扁疤这种最常见的损伤形式，该损伤形式会对车辆和轨道各部件造成伤害，并引起安全和乘坐舒适度降低等问题。现有车轮检测技术，不能够准确并实时地检测出车轮扁疤等异常情况，无法及时采取有效措施消除安全隐患，是城轨交通发展中的监测难题。

发明内容

本发明的目的在于提供一种准确性高、实时性好的城轨列车车轮扁疤故障检测方法，从而及时采取有效措施消除安全隐患。

实现本发明目的的技术解决方案是：一种城轨列车车轮扁疤故障检测方法，基于改进的魏格纳-威尔分布时频分析方法，包括以下步骤：

步骤1，现场采集信号，对振动信号采用自适应降噪；

步骤2，对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度；

步骤3，提取小波系数，分析信号特征，估算阈值λ；

步骤4，对振动信号进行IWVD处理，根据信号的时频图和时频幅值图，进行车轮状态判别；

步骤5，若交叉干扰项超过振动信号的分量个数N，则返回步骤3重新估算阈值λ，进行步骤4处理。

作为一种具体示例，步骤1所述的现场采集信号，对振动信号采用自适应降噪，具体如下：

现场采集信号输入是信号源s和噪声源n的组合，辅助输入是噪声源n₁；自适应滤波系统输出e实际为源估计也是信号s、噪声源n和具有自适应滤波器的噪声估计的组合，具体如下式所示：

噪声信号n和n₁不相关，自适应滤波器基于内置的自适应算法，通过n₁实时得到噪声估计自适应滤波系统用来代替n，以实现自适应干扰抵消的功能。

作为一种具体示例，步骤2所述的对振动信号进行连续小波变换，将小波频谱图线性地划分为时频单元，以满足WVD的维度，具体步骤为：

(2.1)设定函数ψ(t)∈L²(R)，ψ对应的傅立叶变换为当满足允许条件：时，即C_ψ有界，则ψ为母小波函数，经过伸缩和平移，变换为：

式中，a,b∈R，且a≠0，a被称为伸缩因子，b被称为平移因子；

设自适应滤波后的信号f(t)∈L²(R)，则f(t)的小波变换定义为：

式中，为的共轭运算形式；