本發(fā)明涉及設(shè)備狀態(tài)檢測與故障診斷領(lǐng)域，具體的說是一種對列車軸承軌邊信號沖擊成分進(jìn)行準(zhǔn)確及快速的提取方法。
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，會帶來振動增加、噪聲和轉(zhuǎn)動阻力等問題，嚴(yán)重時會出現(xiàn)卡滯，使得整個輪軸系統(tǒng)失效，甚至造成重大安全事故。軸承運(yùn)轉(zhuǎn)時發(fā)出的聲音信號蘊(yùn)含了豐富的健康狀態(tài)信息，對其進(jìn)行分析處理是實現(xiàn)故障診斷的有效途徑，并且與振動信號相比具有非接觸式測量的優(yōu)點(diǎn)，因而被廣泛運(yùn)用于某些特定對象的監(jiān)測與診斷。在線檢測技術(shù)可以對其進(jìn)行健康檢測，實現(xiàn)故障預(yù)警，有效防止嚴(yán)重故障的發(fā)生。軌邊聲學(xué)檢測技術(shù)是列車輪對軸承健康檢測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輪對軸承發(fā)出的聲音信號，從采集到的聲音信號中提取能夠反映軸承運(yùn)行狀況的有效特征，實現(xiàn)健康檢測與故障診斷。但由于列車與麥克風(fēng)的高速相對運(yùn)動，麥克風(fēng)采集的聲音信號具有多普勒畸變，使得信號產(chǎn)生時域和頻域上的調(diào)制。軸承部件發(fā)生局部缺陷時，在缺陷的周期性激勵下產(chǎn)生沖擊成分信號，從信號中提取沖擊成分可用于故障類型與故障程度的判斷。利用與沖擊信號形態(tài)結(jié)構(gòu)相類似的小波進(jìn)行匹配提取是實現(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)的小波是針對靜態(tài)情況下采集的信號而設(shè)計的，與軌邊信號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)時其滾子的相對位置并不是絕對固定的，存在相對滑動，列車勻速運(yùn)動時其聲音信號的沖擊成分并非呈現(xiàn)嚴(yán)格周期性?？傊?，軌邊信號的沖擊成分呈現(xiàn)非周期性，傳統(tǒng)的周期瞬態(tài)小波無法正確匹配和識別，而非周期性的瞬態(tài)小波雖然能正確匹配和識別沖擊成分，但匹配和識別耗時較長，影響識別效率和對列車軸承健康狀態(tài)監(jiān)測的實時性，因而需要提出新的解決方法。目前尚未有相關(guān)文獻(xiàn)報導(dǎo)。技術(shù)實現(xiàn)要素：本發(fā)明技術(shù)解決的問題：針對軌邊信號多普勒畸變特點(diǎn)和現(xiàn)有技術(shù)的不足，提供一種列車軸承軌邊信號沖擊成分快速提取方法，實現(xiàn)列車軸承軌邊聲信號沖擊成分的精確及快速提取，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沖擊成分快速提取方法，包括步驟如下：(1)采用麥克風(fēng)采集列車通過時軸承產(chǎn)生的軌邊信號，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，對軌邊信號進(jìn)行匹配識別，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)計算發(fā)聲幅值序列se(n)，假設(shè)軌邊信號的采樣頻率為fs，根據(jù)小波函數(shù)表達(dá)成該采樣頻率fs下離散的與軌邊信號長度一致的發(fā)聲幅值序列se(n)，其中n為采集到的軌邊信號的長度，n＝0,1,...,(n-1)；(12)收聲時間序列tr(n)計算，通過時序映射函數(shù)：由步驟(11)的發(fā)聲幅值序列對應(yīng)的發(fā)聲時間序列te(n)計算出收聲時間序列tr(n)；式中x0為信號的初始時刻列車位置與采集裝置位置的橫向距離，vs(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)延遲時間序列td(n)計算，延遲時間序列td(n)為最終得到時間序列，其值td(n)＝te(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sr(n)計算，通過幅值映射函數(shù)：由步驟(11)發(fā)聲幅值序列se(n)計算出收聲幅值序列sr(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)得到的收聲時間序列tr(n)為x變量，以步驟(4)得到的收聲幅值序列sr(n)為y變量，以步驟(3)中的延遲時間序列td(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中提取沖擊成分的過程如下：(21)假設(shè)采集的軌邊信號為x(t)；(22)根據(jù)工況、幾何參數(shù)和軸承參數(shù)設(shè)定單瞬態(tài)多普勒小波阻尼比ζ、時間參數(shù)τ、振蕩頻率f的模型參數(shù)范圍，即參數(shù)集γ＝{ζ,τ,f}；(23)依次取τ中的值，每個確定的τ值與ζ、f生成由周期小波ψ(t)γ組成重構(gòu)信號y(t)γ，y(t)γ多普勒調(diào)制處理生成ydop(t)γ；(24)x(t)與ydop(t)γ中每個重構(gòu)信號求相關(guān)系數(shù)函數(shù)ρ，確定ρmax對應(yīng)的ζk，τk，fk；(25)取出τk，添加浮動范圍[-n:n],確定τm的范圍[τk-n:τk+n]；(26)依次取τm的值，與ζk，fk生成ψ(t)γ，ψ(t)γ多普勒調(diào)制處理生成ψdop(t)γ；(27)分別求出ψdop(t)γ與x(t)的第一個沖擊成分到第n個沖擊成分相關(guān)系數(shù)的最大值，確定對應(yīng)的τn，由ζk，fk和分別得到的τn生成ψ(t)n，疊加得到y(tǒng)(t)n；(28)y(t)n多普勒調(diào)制處理生成ydop(t)n，得到重構(gòu)信號ydop(t)n進(jìn)行診斷。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中提取沖擊成分，可用于列車軸承軌邊聲學(xué)檢測；由于多普勒調(diào)制和滾子相對滑動的雙重作用，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別。而基于非周期性的遍歷參數(shù)搜索，由于需要搜索的參數(shù)多，參數(shù)的取值范圍大，參數(shù)識別的計算量大，對軌邊信號的效率低，實時性差。針對上述問題，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，首先使用周期的多普勒重構(gòu)信號對非周期性軌邊信號的沖擊間隔進(jìn)行粗略估算，然后在估算的沖擊間隔上添加浮動范圍，形成新的間隔范圍，最后再次基于最大相關(guān)系數(shù)準(zhǔn)則，識別每個沖擊成分的模型參數(shù)和沖擊間隔。從而實現(xiàn)對列車故障軸承軌邊聲音信號沖擊成分的逐個剝離，可用于列車軸承軌邊聲音信號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)明實施例1使用的軌邊仿真信號(a)及其頻譜(b)；圖4為使用等周期多普勒調(diào)制的小波對仿真信號進(jìn)行沖擊成分提取的結(jié)果，(a)為仿真信號，(b)為重構(gòu)信號；圖5為使用本發(fā)明提出的非等周期多普勒調(diào)制單瞬態(tài)小波對仿真信號進(jìn)行沖擊成分提取的結(jié)果，(a)為仿真信號，(b)為重構(gòu)信號；圖6為本發(fā)明實施例2使用的內(nèi)圈信號(a)及其頻譜(b)；圖7為使用等周期多普勒調(diào)制的小波對內(nèi)圈信號進(jìn)行沖擊成分提取的結(jié)果，(a)為內(nèi)圈信號，(b)為重構(gòu)信號；圖8為使用本發(fā)明提出的非等周期多普勒調(diào)制單瞬態(tài)小波對內(nèi)圈信號進(jìn)行沖擊成分提取的結(jié)果，(a)為內(nèi)圈信號，(b)為重構(gòu)信號。具體實施方式本發(fā)明采用的技術(shù)方案為：利用麥克風(fēng)采集列車通過時軸承產(chǎn)生的軌邊信號，構(gòu)建單瞬態(tài)多普勒小波，基于最大相關(guān)系數(shù)準(zhǔn)則對該信號進(jìn)行匹配識別，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sr(n)計算。假設(shè)軌邊信號的采樣頻率為fs，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長度一致的發(fā)聲幅值序列se(n),n＝0,1,...,(n-1)，其中n為采集到的軌邊信號的長度。(2)收聲時間序列tr(n)計算。通過時序映射函數(shù)：由步驟(1)的發(fā)聲幅值序列對應(yīng)的發(fā)聲時間序列te(n),n＝0,1,...,(n-1)計算出收聲時間序列tr(n),n＝0,1,...,(n-1)；式中x0為信號的初始時刻列車位置與采集裝置位置的橫向距離，vs(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)延遲時間序列td(n)計算。延遲時間序列td(n)為最終得到時間序列，其值等于te(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)系可以計算出其值為：(4)收聲幅值序列sr(n)計算。通過幅值映射函數(shù)：由發(fā)聲幅值序列se(n),n＝0,1,...,(n-1)計算出收聲幅值序列sr(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)得到的收聲時間序列tr(n)為x變量，步驟(4)得到的收聲幅值序列sr(n)為y變量，以步驟(3)中的延遲時間序列td(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圖2所示：(1)假設(shè)采集的軌邊信號為x(t)；(2)根據(jù)工況、幾何參數(shù)和軸承參數(shù)設(shè)定單瞬態(tài)多普勒小波阻尼比ζ、時間參數(shù)τ、振蕩頻率f的模型參數(shù)范圍，即參數(shù)集γ＝{ζ,τ,f}；(3)依次取τ中的值，每個確定的τ值與ζ、f生成由周期小波ψ(t)γ組成重構(gòu)信號y(t)γ，y(t)γ多普勒調(diào)制處理生成ydop(t)γ；(4)x(t)與ydop(t)γ中每個重構(gòu)信號求相關(guān)系數(shù)函數(shù)ρ，確定ρmax對應(yīng)的ζk，τk，fk；(5)取出τk，添加浮動范圍[-n:n],確定τm的范圍[τk-n:τk+n]；(6)依次取τm的值，與ζk，fk生成ψ(t)γ，ψ(t)γ多普勒調(diào)制處理生成ψdop(t)γ；(7)分別求出ψdop(t)γ與x(t)的第一個沖擊成分到第n個沖擊成分相關(guān)系數(shù)的最大值，確定對應(yīng)的τn，由ζk，fk和分別得到的τn生成ψ(t)n，疊加得到y(tǒng)(t)n；(8)y(t)n多普勒調(diào)制處理生成ydop(t)n，得到重構(gòu)信號ydop(t)n進(jìn)行診斷。下面通過兩個具體實施例分析驗證本發(fā)明方法的有效性，實施例1為仿真分析，實施例2為真實列車內(nèi)圈故障軸承的軌邊試驗信號分析，下面分別說明。實施例1：仿真軌邊信號x(t)的時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中逐個剝離沖擊成分，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)明提出的依次取τ中的值，每個確定的τ值與ζ、f生成由周期小波ψ(t)γ組成重構(gòu)信號y(t)γ，y(t)γ多普勒調(diào)制處理生成ydop(t)γ；(2)將仿真信號x(t)與步驟1得到的多普勒重構(gòu)信號做相關(guān)分析，取相關(guān)系數(shù)最大值對應(yīng)的τk；(3)取出τk，添加浮動范圍[-n:n],確定τm的范圍[τk-n:τk+n]，依次取τm的值，與ζk，fk生成ψ(t)γ，ψ(t)γ多普勒調(diào)制處理生成ψdop(t)γ；(4)分別求出ψdop(t)γ與x(t)的第一個沖擊成分到第n個沖擊成分相關(guān)系數(shù)的最大值，確定對應(yīng)的τn，由ζk，fk和分別得到的τn生成ψ(t)n，疊加得到y(tǒng)(t)n；(5)y(t)n多普勒調(diào)制處理生成ydop(t)n，得到重構(gòu)信號ydop(t)n進(jìn)行診斷。經(jīng)過以上步驟得到的重構(gòu)信號如圖5所示，(a)為仿真信號，(b)為重構(gòu)信號，可以看出波形得到了很好的匹配。圖4中的(a)為仿真信號，圖4中的(b)為用等周期的單瞬態(tài)小波進(jìn)行處理得到的結(jié)果。對使用兩種方法得到的重構(gòu)信號，分別做與仿真信號的相關(guān)系數(shù)，本發(fā)明處理的方法和等周期處理的方法對應(yīng)的相關(guān)系數(shù)分別為0.4883、0.8905。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)的小波已無法實現(xiàn)精確匹配和提取，本發(fā)明提出的方法不僅能精確匹配和提取，而且能夠大幅縮短匹配與提取時間。實施例2：采用實際的列車輪對軸承內(nèi)圈單點(diǎn)故障軌邊聲音信號進(jìn)行處理。信號波形如圖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7為使用等周期方法對內(nèi)圈信號處理的結(jié)果，(a)為內(nèi)圈信號，(b)為內(nèi)圈重構(gòu)信號。圖8為使用非等周期方法處理的結(jié)果，(a)為內(nèi)圈信號，(b)為內(nèi)圈重構(gòu)信號。使用兩個方法重構(gòu)的信號與內(nèi)圈信號的相關(guān)系數(shù)分別為0.3956、0.4744。通過對比兩個方法的處理結(jié)果看，可以看出本發(fā)明提出的方法使內(nèi)圈信號得到了較好的匹配與重構(gòu)，沖擊成分得到了精確提取。表1故障類型仿真故障內(nèi)圈故障傳統(tǒng)方法190(s/秒)5605(s/秒)發(fā)明方法17(s/秒)325(s/秒)表1為使用處理器為i5-6200u的電腦運(yùn)行兩種方法的對比時間表格；說明采用本發(fā)明提出的方法相對于傳統(tǒng)的方法，能大大縮短參數(shù)識別的時間。提供以上實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)。當(dāng)前第1頁12