本發(fā)明涉及設(shè)備狀態(tài)檢測(cè)與故障診斷領(lǐng)域，具體的說是一種列車軸承軌邊信號(hào)沖擊成分提取方法。

背景技術(shù)：

作為列車的關(guān)鍵部件，列車軸承長時(shí)間處于高速、重載的工作狀態(tài)，各部件表面接觸應(yīng)力反復(fù)作用，極易引起疲勞、裂紋、壓痕以致斷裂、膠著、磨損等問題，會(huì)帶來振動(dòng)增加、噪聲和轉(zhuǎn)動(dòng)阻力等問題，嚴(yán)重時(shí)會(huì)出現(xiàn)卡滯，使得整個(gè)輪軸系統(tǒng)失效，甚至造成重大安全事故。在線檢測(cè)技術(shù)可以對(duì)其進(jìn)行健康檢測(cè)，實(shí)現(xiàn)故障預(yù)警，有效防止嚴(yán)重故障的發(fā)生。

軌邊聲學(xué)檢測(cè)技術(shù)是列車輪對(duì)軸承健康檢測(cè)與故障診斷的有效手段之一，具有代表性的是美國的TADS系統(tǒng)和澳大利亞的RailBAM系統(tǒng)，通過安裝在列車軌道兩側(cè)的麥克風(fēng)陣列采集列車高速通過時(shí)輪對(duì)軸承發(fā)出的聲音信號(hào)，從采集到的聲音信號(hào)中提取能夠反映軸承運(yùn)行狀況的有效特征，實(shí)現(xiàn)健康檢測(cè)與故障診斷。但由于列車與麥克風(fēng)的高速相對(duì)運(yùn)動(dòng)，麥克風(fēng)采集的聲音信號(hào)具有多普勒畸變，使得信號(hào)產(chǎn)生時(shí)域和頻域上的調(diào)制。軸承部件發(fā)生局部缺陷時(shí)，在缺陷的周期性激勵(lì)下產(chǎn)生沖擊成分信號(hào)，從信號(hào)中提取沖擊成分可用于故障類型與故障程度的判斷。利用與沖擊信號(hào)形態(tài)結(jié)構(gòu)相類似的小波進(jìn)行匹配提取是實(shí)現(xiàn)途徑之一。但由于受到多普勒調(diào)制的影響，沖擊成分產(chǎn)生了多普勒畸變，而傳統(tǒng)的小波是針對(duì)靜態(tài)情況下采集的信號(hào)而設(shè)計(jì)的，與軌邊信號(hào)沖擊成分存在波形結(jié)構(gòu)上的差異，給沖擊成分的有效提取帶來了新的挑戰(zhàn)。此外，軸承運(yùn)轉(zhuǎn)時(shí)其滾子的相對(duì)位置并不是絕對(duì)固定的，存在相對(duì)滑動(dòng)，列車勻速運(yùn)動(dòng)時(shí)其聲音信號(hào)的沖擊成分并非呈現(xiàn)嚴(yán)格周期性?？傊?，軌邊信號(hào)的沖擊成分呈現(xiàn)非周期性，傳統(tǒng)的周期瞬態(tài)小波無法正確匹配和識(shí)別，需要提出新的解決方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明技術(shù)解決的問題：針對(duì)軌邊信號(hào)多普勒畸變特點(diǎn)和現(xiàn)有技術(shù)的不足，提供一種列車軸承軌邊信號(hào)沖擊成分提取方法，實(shí)現(xiàn)列車軸承軌邊聲信號(hào)沖擊成分的精確提取，為列車軸承軌邊聲學(xué)診斷提供新的技術(shù)方案。

本發(fā)明技術(shù)解決方案：一種列車軸承軌邊信號(hào)沖擊成分提取方法，包括步驟如下：

(1)采用麥克風(fēng)采集列車通過時(shí)軸承產(chǎn)生的軌邊信號(hào)，構(gòu)建單瞬態(tài)多普勒小波；

(2)利用構(gòu)建的單瞬態(tài)多普勒小波，基于最大相關(guān)系數(shù)準(zhǔn)則，對(duì)軌邊信號(hào)進(jìn)行匹配識(shí)別，從而提取沖擊成分進(jìn)行重構(gòu)。

所述步驟(1)中，構(gòu)建單瞬態(tài)多普勒小波的步驟如下：

(11)計(jì)算發(fā)聲幅值序列s_e(n)，假設(shè)軌邊信號(hào)的采樣頻率為f_s，根據(jù)小波函數(shù)表達(dá)成該采樣頻率f_s下離散的與軌邊信號(hào)長度一致的發(fā)聲幅值序列s_e(n)，其中N為采集到的軌邊信號(hào)的長度，n＝0,1,...,(N-1)；

(12)收聲時(shí)間序列t_r(n)計(jì)算，通過時(shí)序映射函數(shù)：

由步驟(11)的發(fā)聲幅值序列對(duì)應(yīng)的發(fā)聲時(shí)間序列t_e(n)計(jì)算出收聲時(shí)間序列t_r(n)；式中X₀為信號(hào)的初始時(shí)刻列車位置與采集裝置位置的橫向距離，V_s(t)為列車速度，r為采集裝置與軌道的縱向距離，c為聲速；

(13)延遲時(shí)間序列t_d(n)計(jì)算，延遲時(shí)間序列t_d(n)為最終得到時(shí)間序列，其值t_d(n)＝t_e(n)+R(0)/c，其中R(0)表示聲源在起始點(diǎn)與麥克風(fēng)的距離；

(14)收聲幅值序列s_r(n)計(jì)算，通過幅值映射函數(shù)：

由步驟(11)發(fā)聲幅值序列s_e(n)計(jì)算出收聲幅值序列s_r(n)，其中R表示聲源與麥克風(fēng)的距離，θ為聲源到麥克風(fēng)的向量與聲源運(yùn)動(dòng)方向向量之間的夾角，n＝0,1,...,(N-1)；

(15)插值擬合采樣，以步驟(2)得到的收聲時(shí)間序列t_r(n)為x變量，以步驟(4)得到的收聲幅值序列s_r(n)為y變量，以步驟(3)中的延遲時(shí)間序列t_d(n)為插值x變量，執(zhí)行三次樣條插值重采樣處理，得到多普勒調(diào)制后的Laplace小波即單瞬態(tài)多普勒小波。

所述步驟(11)中的小波函數(shù)表達(dá)式為Morlet小波、諧波小波、Laplace小波、單邊Morlet小波、單邊諧波小波或單邊Laplace小波。

所述步驟(13)中的R(0)值通過幾何關(guān)系計(jì)算，具體如下：

所述利用構(gòu)建的單瞬態(tài)多普勒小波從軌邊信號(hào)中提取沖擊成分的過程如下：

(21)假設(shè)采集的軌邊信號(hào)為x(t)，初始化軌邊信號(hào)迭代次數(shù)k＝1；

(22)根據(jù)工況、幾何參數(shù)和軸承參數(shù)設(shè)定單瞬態(tài)多普勒小波振蕩頻率f、阻尼比ζ、時(shí)間參數(shù)τ的模型參數(shù)范圍，即參數(shù)集γ＝{f,ζ,τ}，對(duì)參數(shù)集γ中的每一組參數(shù)利用構(gòu)成構(gòu)建單瞬態(tài)多普勒小波庫Ψ^dop(t)_γ；

(23)按以下公式計(jì)算單瞬態(tài)多普勒小波庫中的每個(gè)小波與軌邊信號(hào)x(t)的相關(guān)系數(shù)，確定最大相關(guān)系數(shù)對(duì)應(yīng)的小波Ψ^dop(t)_γ,k；

代表x(t)與Ψ^dop(t)_γ的相關(guān)系數(shù)，其中N為采集到的軌邊信號(hào)的長度，n＝0,1,...,(N-1)；

(24)用x(t)減去Ψ^dop(t)_γ,k得到新的x(t)，令k＝k+1；

(25)重復(fù)步驟(23)和(24)直至有至少以下條件之一得到滿足：

其中NMSE為算法中止指標(biāo)，σ₁和σ₂為設(shè)定的指標(biāo)閾值；

(26)將得到的所有Ψ^dop(t)_γ,k相加，完成重構(gòu)沖擊成分。

所述(22)中，構(gòu)建單瞬態(tài)多普勒小波庫Ψ^dop(t)_γ的方法與步驟(1)中的構(gòu)建單瞬態(tài)多普勒小波的過程相同。

所述(25)中，NMSE采用以下公式計(jì)算：

本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：本發(fā)明一種列車軸承軌邊信號(hào)沖擊成分提取方法，使用單瞬態(tài)多普勒小波從列車故障軸承軌邊聲音信號(hào)中提取沖擊成分，可用于列車軸承軌邊聲學(xué)檢測(cè)；由于多普勒調(diào)制和滾子相對(duì)滑動(dòng)的雙重作用，沖擊成分呈現(xiàn)非周期性，傳統(tǒng)周期瞬態(tài)小波無法正確匹配和識(shí)別。針對(duì)上述問題，本發(fā)明提出了基于插值算法的單瞬態(tài)多普勒小波構(gòu)建算法，使傳統(tǒng)小波產(chǎn)生多普勒調(diào)制，并基于最大相關(guān)系數(shù)準(zhǔn)則進(jìn)行列車故障軸承軌邊聲音信號(hào)沖擊成分的逐個(gè)剝離，可用于列車軸承軌邊聲音信號(hào)故障特征提取和故障嚴(yán)重程度的精確判斷，為列車軸承軌邊聲學(xué)檢測(cè)提供一種新的技術(shù)方案。

附圖說明

圖1為本發(fā)明中的單瞬態(tài)多普勒小波構(gòu)建流程圖；

圖2為本發(fā)明中的沖擊成分提取與重構(gòu)流程圖；

圖3為本發(fā)明實(shí)施例1使用的軌邊仿真信號(hào)(上圖)及其頻譜(下圖)；

圖4為使用傳統(tǒng)的無多普勒調(diào)制的小波對(duì)仿真信號(hào)進(jìn)行沖擊成分提取的結(jié)果(上圖)及局部放大圖(下圖)；

圖5為使用本發(fā)明提出的多普勒調(diào)制單瞬態(tài)小波對(duì)仿真信號(hào)進(jìn)行沖擊成分提取的結(jié)果(上圖)及局部放大圖(下圖)；

圖6為本發(fā)明實(shí)施例2使用本發(fā)明提出的多普勒調(diào)制單瞬態(tài)小波對(duì)真實(shí)列車軸承外圈單點(diǎn)故障軌邊聲音信號(hào)的處理結(jié)果，其中(a)軌邊信號(hào)，(b)軌邊信號(hào)與單瞬態(tài)多普勒小波相關(guān)系數(shù)，(c)最大相關(guān)系數(shù)對(duì)應(yīng)的單瞬態(tài)小波模型，(d)最大相關(guān)系數(shù)對(duì)應(yīng)的單瞬態(tài)多普勒小波模型，(e)NMSE指標(biāo)隨算法循環(huán)次數(shù)的變化曲線，(f)重構(gòu)信號(hào)；

圖7為本發(fā)明實(shí)施例2使用本發(fā)明提出的多普勒調(diào)制單瞬態(tài)小波對(duì)真實(shí)列車軸承內(nèi)圈單點(diǎn)故障軌邊聲音信號(hào)的處理結(jié)果，其中(a)軌邊信號(hào)，(b)軌邊信號(hào)與單瞬態(tài)多普勒小波相關(guān)系數(shù)，(c)最大相關(guān)系數(shù)對(duì)應(yīng)的單瞬態(tài)小波模型，(d)最大相關(guān)系數(shù)對(duì)應(yīng)的單瞬態(tài)多普勒小波模型，(e)NMSE指標(biāo)隨算法循環(huán)次數(shù)的變化曲線，(f)重構(gòu)信號(hào)。

具體實(shí)施方式

本發(fā)明采用的技術(shù)方案為：利用麥克風(fēng)采集列車通過時(shí)軸承產(chǎn)生的軌邊信號(hào)，構(gòu)建單瞬態(tài)多普勒小波，基于最大相關(guān)系數(shù)準(zhǔn)則對(duì)該信號(hào)進(jìn)行匹配識(shí)別，提取沖擊成分進(jìn)行重構(gòu)。本發(fā)明的核心內(nèi)容包含兩方面：其一是單瞬態(tài)多普勒小波的構(gòu)建，其二是利用構(gòu)建的單瞬態(tài)多普勒小波從軌邊信號(hào)中提取沖擊成分。

一、單瞬態(tài)多普勒小波構(gòu)建的具體步驟如圖1所示，如下：

(1)發(fā)聲幅值序列s_r(n)計(jì)算。假設(shè)軌邊信號(hào)的采樣頻率為f_s，根據(jù)小波函數(shù)表達(dá)式(例如Morlet小波、諧波小波、Laplace小波、單邊Morlet小波、單邊諧波小波、單邊Laplace小波)生成該采樣頻率下的離散的與軌邊信號(hào)長度一致的發(fā)聲幅值序列s_e(n),n＝0,1,...,(N-1)，其中N為采集到的軌邊信號(hào)的長度。

(2)收聲時(shí)間序列t_r(n)計(jì)算。通過時(shí)序映射函數(shù)：

由步驟(1)的發(fā)聲幅值序列對(duì)應(yīng)的發(fā)聲時(shí)間序列t_e(n),n＝0,1,...,(N-1)計(jì)算出收聲時(shí)間序列t_r(n),n＝0,1,...,(N-1)；式中X₀為信號(hào)的初始時(shí)刻列車位置與采集裝置位置的橫向距離，V_s(t)為列車速度，r為采集裝置與軌道的縱向距離，c為聲速；

(3)延遲時(shí)間序列t_d(n)計(jì)算。延遲時(shí)間序列t_d(n)為最終得到時(shí)間序列，其值等于t_e(n)+R(0)/c，其中R(0)表示聲源在起始點(diǎn)與麥克風(fēng)的距離，通過幾何關(guān)系可以計(jì)算出其值為：

(4)收聲幅值序列s_r(n)計(jì)算。通過幅值映射函數(shù)：

由發(fā)聲幅值序列s_e(n),n＝0,1,...,(N-1)計(jì)算出收聲幅值序列s_r(n),n＝0,1,...,(N-1)其中R表示聲源與麥克風(fēng)的距離，θ為聲源到麥克風(fēng)的向量與聲源運(yùn)動(dòng)方向向量之間的夾角。

(5)插值擬合采樣。以步驟(2)得到的收聲時(shí)間序列t_r(n)為x變量，步驟(4)得到的收聲幅值序列s_r(n)為y變量，以步驟(3)中的延遲時(shí)間序列t_d(n)為插值x變量，執(zhí)行三次樣條插值重采樣處理，得到多普勒調(diào)制后的小波。

二、沖擊成分提取的具體步驟如國2所示：

(1)假設(shè)采集的軌邊信號(hào)為x(t)，初始化軌邊信號(hào)迭代次數(shù)k＝1。

(2)根據(jù)工況、幾何參數(shù)和軸承參數(shù)設(shè)定單瞬態(tài)多普勒小波振蕩頻率f、阻尼比ζ、時(shí)間參數(shù)τ的模型參數(shù)范圍，即參數(shù)集γ＝{f,ζ,τ}，對(duì)參數(shù)集γ中的每一組參數(shù)利用構(gòu)成構(gòu)建單瞬態(tài)多普勒小波庫Ψ^dop(t)_γ。

(3)按以下公式計(jì)算步驟2單瞬態(tài)多普勒小波庫中的每個(gè)小波與軌邊信號(hào)x(t)的相關(guān)系數(shù)，確定最大相關(guān)系數(shù)對(duì)應(yīng)的小波Ψ^dop(t)_γ,k。

(4)用x(t)減去Ψ^dop(t)_γ,k得到新的x(t)，令k＝k+1。

(5)重復(fù)步驟(3)和(4)直至有至少以下條件之一得到滿足：

其中NMSE為算法中止指標(biāo)，σ₁和σ₂為設(shè)定的指標(biāo)閾值。NMSE可用以下公式計(jì)算：

(6)將得到的所有Ψ^dop(t)_γ,k相加，重構(gòu)沖擊成分。

下面通過三個(gè)具體實(shí)施例分析驗(yàn)證本發(fā)明方法的有效性，實(shí)施例1為仿真分析，實(shí)施例例2為真實(shí)列車外圈故障軸承的軌邊試驗(yàn)信號(hào)分析，實(shí)施例3為真實(shí)列車內(nèi)圈故障軸承的軌邊試驗(yàn)信號(hào)分析，下面分別說明：

實(shí)施例1：

仿真軌邊信號(hào)x(t)的時(shí)域波形及其頻譜如圖3所示，采樣頻率20KHZ。利用提出的算法從信號(hào)中逐個(gè)剝離沖擊成分，具體步驟為：

(1)設(shè)定五種小波模型(Morlet小波、諧波小波、Laplace小波、單邊Morlet小波、單邊諧波小波、單邊Laplace小波)參數(shù)范圍和步長，生成參數(shù)集，根據(jù)本發(fā)明提出的單瞬態(tài)多普勒小波構(gòu)建步驟遍歷參數(shù)集中每個(gè)參數(shù)，生成單瞬態(tài)多普勒小波庫Ψ^dop(t)_(ζ,τ,f)。

(2)將仿真信號(hào)x(t)與步驟1得到的多普勒小波庫中的每個(gè)小波做相關(guān)分析，取相關(guān)系數(shù)最大值最大的小波Ψ^dop(t)_γ,k。

(3)計(jì)算NMSE，當(dāng)NMSE(L)<σ₁或0≤(NMSE(L-1)-NMSE(L))<σ₂或NMSE(L-1)<NMSE(L)有任意一個(gè)條件成立時(shí)，直接執(zhí)行步驟5，否則繼續(xù)執(zhí)行步驟(4)。

(4)用x(t)減去步驟(2)中的Ψ^dop(t)_γ,k得到新的x(t)，重復(fù)步驟(2)。

(5)疊加生成的所有Ψ^dop(t)_γ,k，得到重構(gòu)信號(hào)。

經(jīng)過以上步驟得到的重構(gòu)信號(hào)如圖5所示(上圖為信號(hào)全段的分析結(jié)果，下圖為局部放大圖)，可以看出波形得到了很好的匹配。圖4為用傳統(tǒng)的單邊Laplace小波進(jìn)行處理得到的結(jié)果(上圖為信號(hào)全段的分析結(jié)果，下圖為局部放大圖)，從圖4、5中可以看出由于多普勒調(diào)制引起的結(jié)構(gòu)畸變，傳統(tǒng)的小波已無法實(shí)現(xiàn)精確匹配和提取。

實(shí)施例2：

采用實(shí)際的列車輪對(duì)軸承外圈單點(diǎn)故障軌邊聲音信號(hào)進(jìn)行處理。信號(hào)波形如圖6中的(a)所示，采樣頻率50KHz。利用本發(fā)明提出的算法進(jìn)行處理，圖6中的(b)為軌邊信號(hào)與單瞬態(tài)多普勒小波作相關(guān)計(jì)算得到的相關(guān)系數(shù)走勢(shì)，圖6中的(c)為最大相關(guān)系數(shù)對(duì)應(yīng)的單瞬態(tài)小波模型，圖6中的(d)為最大相關(guān)系數(shù)對(duì)應(yīng)的單瞬態(tài)多普勒小波模型，圖6中的(e)為NMSE指標(biāo)隨算法執(zhí)行循環(huán)次數(shù)的變化曲線，圖6中的(f)為軌邊信號(hào)與重構(gòu)信號(hào)對(duì)比圖，從該圖6可以看出信號(hào)得到了較好的匹配與重構(gòu)，沖擊成分得到了精確提取。

實(shí)施例3：

采用實(shí)際的列車輪對(duì)軸承內(nèi)圈單點(diǎn)故障軌邊聲音信號(hào)進(jìn)行處理。信號(hào)波形如圖7中的(a)所示，采樣頻率50KHz。利用本發(fā)明提出的算法進(jìn)行處理，圖7中的(b)為軌邊信號(hào)與單瞬態(tài)多普勒小波作相關(guān)計(jì)算得到的相關(guān)系數(shù)走勢(shì)，圖7中的(c)為最大相關(guān)系數(shù)對(duì)應(yīng)的單瞬態(tài)小波模型，圖7中的(d)為最大相關(guān)系數(shù)對(duì)應(yīng)的單瞬態(tài)多普勒小波模型，圖7中的(e)為NMSE指標(biāo)隨算法執(zhí)行循環(huán)次數(shù)的變化曲線，圖7中的(f)為軌邊信號(hào)與重構(gòu)信號(hào)對(duì)比圖，從該圖7可以看出信號(hào)得到了較好的匹配與重構(gòu)，沖擊成分得到了精確提取。

提供以上實(shí)施例僅僅是為了描述本發(fā)明的目的，而并非要限制本發(fā)明的范圍。本發(fā)明的范圍由所附權(quán)利要求限定。不脫離本發(fā)明的精神和原理而做出的各種等同替換和修改，均應(yīng)涵蓋在本發(fā)明的范圍之內(nèi)。