[发明专利]一种列车轴承轨边信号冲击成分快速提取方法

说明书

本发明涉及一种列车轴承轨边信号冲击成分快速提取方法，首先使用由等周期瞬态多普勒小波使用最大相关系数法对轨边声音信号的周期参数进行粗略估计，然后在此预估周期的数值附近参数范围内进行精确搜索，识别振荡阻尼比与系统共振中心频率，实现冲击成分的快速提取，本发明可用于列车轴承轨边声学故障检测。由于多普勒调制和滚子相对滑动的双重作用，冲击成分呈现非周期性，传统周期瞬态小波无法正确匹配和识别。而基于非周期的遍历参数搜索，由于需要搜索的参数多，搜索范围大，因此计算量很大，实用性不高。本发明兼具冲击成分提取精度高和计算量小的优点，可用于列车轴承轨边声音信号故障特征提取和故障严重程度的精确判断。

技术领域

本发明涉及设备状态检测与故障诊断领域，具体的说是一种对列车轴承轨边信号冲击成分进行准确及快速的提取方法。

背景技术

作为列车的关键部件，列车轴承长时间处于高速、重载的工作状态，各部件表面接触应力反复作用，极易引起疲劳、裂纹、压痕以致断裂、胶着、磨损等问题，会带来振动增加、噪声和转动阻力等问题，严重时会出现卡滞，使得整个轮轴系统失效，甚至造成重大安全事故。轴承运转时发出的声音信号蕴含了丰富的健康状态信息，对其进行分析处理是实现故障诊断的有效途径，并且与振动信号相比具有非接触式测量的优点，因而被广泛运用于某些特定对象的监测与诊断。在线检测技术可以对其进行健康检测，实现故障预警，有效防止严重故障的发生。

轨边声学检测技术是列车轮对轴承健康检测与故障诊断的有效手段之一，具有代表性的是美国的TADS系统和澳大利亚的RailBAM系统，通过安装在列车轨道两侧的麦克风阵列采集列车高速通过时轮对轴承发出的声音信号，从采集到的声音信号中提取能够反映轴承运行状况的有效特征，实现健康检测与故障诊断。但由于列车与麦克风的高速相对运动，麦克风采集的声音信号具有多普勒畸变，使得信号产生时域和频域上的调制。轴承部件发生局部缺陷时，在缺陷的周期性激励下产生冲击成分信号，从信号中提取冲击成分可用于故障类型与故障程度的判断。利用与冲击信号形态结构相类似的小波进行匹配提取是实现途径之一。但由于受到多普勒调制的影响，冲击成分产生了多普勒畸变，而传统的小波是针对静态情况下采集的信号而设计的，与轨边信号冲击成分存在波形结构上的差异，给冲击成分的有效提取带来了新的挑战。此外，轴承运转时其滚子的相对位置并不是绝对固定的，存在相对滑动，列车匀速运动时其声音信号的冲击成分并非呈现严格周期性。总之，轨边信号的冲击成分呈现非周期性，传统的周期瞬态小波无法正确匹配和识别，而非周期性的瞬态小波虽然能正确匹配和识别冲击成分，但匹配和识别耗时较长，影响识别效率和对列车轴承健康状态监测的实时性，因而需要提出新的解决方法。

目前尚未有相关文献报导。

发明内容

本发明技术解决的问题：针对轨边信号多普勒畸变特点和现有技术的不足，提供一种列车轴承轨边信号冲击成分快速提取方法，实现列车轴承轨边声信号冲击成分的精确及快速提取，为列车轴承轨边声学诊断提供新的技术方案。

本发明技术解决方案：一种列车轴承轨边信号冲击成分快速提取方法，包括步骤如下：

(1)采用麦克风采集列车通过时轴承产生的轨边信号，构建单瞬态多普勒小波；

(2)利用构建的单瞬态多普勒小波，基于最大相关系数准则，对轨边信号进行匹配识别，从而提取冲击成分进行重构。

所述步骤(1)中，构建单瞬态多普勒小波的步骤如下：

(11)计算发声幅值序列s_e(n)，假设轨边信号的采样频率为f_s，根据小波函数表达成该采样频率f_s下离散的与轨边信号长度一致的发声幅值序列s_e(n)，其中N为采集到的轨边信号的长度，n＝0,1,...,(N-1)；

(12)收声时间序列t_r(n)计算，通过时序映射函数：