基于參數(shù)化多普勒瞬態(tài)模型的列車輪對軸承故障瞬態(tài)特征檢測裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本實用新型涉及信號的分析檢測領(lǐng)域，具體涉及一種基于參數(shù)化多普勒瞬態(tài)模型 的列車輪對軸承故障瞬態(tài)特征檢測裝置。
【背景技術(shù)】
[0002] 由于社會經(jīng)濟的迅速發(fā)展，對運輸技術(shù)的需求也在不斷加強。作為一個主要的交 通工具，列車具有很強的運輸能力和很高的速度，在當(dāng)今社會發(fā)揮著很大的作用。但是，突 發(fā)故障可能會令列車運輸系統(tǒng)產(chǎn)生嚴(yán)重的事故，而軸承支撐著高速運動火車的所有重量， 他們的故障是導(dǎo)致鐵路交通工具事故的主要原因，因此非常有必要去發(fā)展一種能夠精確且 自動診斷軸承故障的關(guān)鍵技術(shù)。
[0003] 軸承故障信號的檢測涉及到對運動中的信號的處理，難度大，是信號檢測領(lǐng)域的 一大難點。大量的方法已經(jīng)被研究用于安裝在靜止機械上的軸承故障診斷。時頻分析是一 種有效提取包含非平穩(wěn)信號在內(nèi)的機械健康信息的方式，并且它可以識別信號頻率分量， 揭示他們的時變特征。作為一個自適應(yīng)分解方法，整體平均經(jīng)驗?zāi)B(tài)分解方法(Ensemble Empirical Mode Decomposition，EEMD)可以將非線性非平穩(wěn)的信號按照他們本身的振動 模態(tài)分解成一組本征模態(tài)函數(shù)，已經(jīng)被廣泛運用在軸承故障診斷領(lǐng)域中。此外，在軸承故障 信號診斷中，隨機共振也作為一種可以利用噪聲來增加輸出信噪比的方法被采用。匹配追 蹤是另一種通過迭代來挑選最優(yōu)原子粗略估計信號的自適應(yīng)方法。然而，由于多普勒效應(yīng) 的存在，運動軸承的信號中會出現(xiàn)頻移，頻帶擴展以及振幅調(diào)制現(xiàn)象?？偠灾?，上述方法 都不能有效解決該問題。
[0004] 有鑒于上述的缺陷，本設(shè)計人，積極加以研究創(chuàng)新，以期創(chuàng)設(shè)一種基于參數(shù)化多普 勒瞬態(tài)模型的列車輪對軸承故障瞬態(tài)特征檢測裝置，使其更具有產(chǎn)業(yè)上的利用價值。 【實用新型內(nèi)容】
[0005] 為解決上述技術(shù)問題，本實用新型的目的是提供一種基于參數(shù)化多普勒瞬態(tài)模型 的列車輪對軸承故障瞬態(tài)特征檢測裝置，該裝置能夠處理受多普勒效應(yīng)影響的列車軸承信 號，精確診斷軸承的故障。
[0006] -種基于參數(shù)化多普勒瞬態(tài)模型的列車輪對軸承故障瞬態(tài)特征檢測裝置，其特征 在于:包括軸承發(fā)出的聲源信號、傳感器、信號調(diào)理器、數(shù)據(jù)采集系統(tǒng)和中央處理器，所述傳 感器接收聲源信號，所述傳感器傳信于所述信號調(diào)理器，所述信號調(diào)理器傳信于所述數(shù)據(jù) 采集系統(tǒng)，所述數(shù)據(jù)采集系統(tǒng)傳信于所述中央處理器。
[0007] 進一步的，所述傳感器為麥克風(fēng)。
[0008] 進一步的，所述數(shù)據(jù)采集系統(tǒng)為DAS數(shù)據(jù)采集系統(tǒng)。
[0009] 進一步的，所述中央處理器為電腦。
[0010] 借由上述方案，本實用新型至少具有以下優(yōu)點：本實用新型提供了一種結(jié)基于參 數(shù)化多普勒瞬態(tài)模型的列車輪對軸承故障瞬態(tài)特征檢測裝置能夠檢測實際運動軸承故障 信號的相關(guān)數(shù)據(jù)，通過建立的多普勒模型與實際運動軸承故障信號之間的相關(guān)性參數(shù)進行 優(yōu)化。最終，運動軸承故障可以通過最優(yōu)多普勒瞬態(tài)相關(guān)匹配模型對應(yīng)的初始周期模型參 數(shù)來診斷。從而能夠處理受多普勒效應(yīng)影響的列車軸承信號，精確診斷軸承的故障。
[0011] 上述說明僅是本實用新型技術(shù)方案的概述，為了能夠更清楚了解本實用新型的技 術(shù)手段，并可依照說明書的內(nèi)容予以實施，以下以本實用新型的較佳實施例并配合附圖詳 細(xì)說明如后。
【附圖說明】
[0012] 圖1為本實用新型一種基于參數(shù)化多普勒瞬態(tài)模型的列車輪對軸承故障瞬態(tài)特征 檢測裝置的結(jié)構(gòu)示意圖圖；
[0013] 圖2為多普勒效應(yīng)的原理圖；
[0014] 圖3為本實用新型實施例中軸承外圈故障狀態(tài)下的采集到的信號時域圖；
[0015] 圖4為本實用新型實施例中軸承外圈故障狀態(tài)下的采集到的頻譜圖；
[0016] 圖5為本實用新型實施例中軸承外圈故障狀態(tài)下，根據(jù)本實用新型方法建立的多 普勒瞬態(tài)相關(guān)匹配模型圖；
[0017] 圖6為本實用新型實施例中列車軸承外圈故障信號的檢測圖；
[0018] 圖7為本實用新型實施例中軸承外圈故障狀態(tài)下，根據(jù)本實用新型方法建立的與 多普勒瞬態(tài)相關(guān)匹配模型相關(guān)的基于Laplace小波的周期瞬態(tài)模型圖。
【具體實施方式】
[0019] 為使得本實用新型的實用新型目的、特征、優(yōu)點能夠更加的明顯和易懂，下面將結(jié) 合本實用新型實施例中的附圖，對本實用新型實施例中的技術(shù)方案進行清楚、完整地描述， 顯然，下面所描述的實施例僅僅是本實用新型一部分實施例，而非全部的實施例?；诒緦?用新型中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本實用新型保護的范圍。
[0020] 為了更好地理解本實用新型計算方案，以下以外圈故障檢測作為例子，對所述基 于參數(shù)化多普勒瞬態(tài)模型的列車輪對軸承故障瞬態(tài)特征檢測裝置的應(yīng)用進行詳細(xì)講述：
[0021] 實施例：一種基于參數(shù)化多普勒瞬態(tài)模型的列車輪對軸承故障瞬態(tài)特征檢測裝 置，包括軸承發(fā)出的聲源信號1、傳感器2、信號調(diào)理器3、數(shù)據(jù)采集系統(tǒng)4和中央處理器5,所 述傳感器接收聲源信號，所述傳感器傳信于所述信號調(diào)理器，所述信號調(diào)理器傳信于所述 數(shù)據(jù)采集系統(tǒng)，所述數(shù)據(jù)采集系統(tǒng)傳信于所述中央處理器。
[0022]所述傳感器為麥克風(fēng)。
[0023]所述數(shù)據(jù)采集系統(tǒng)為DAS數(shù)據(jù)采集系統(tǒng)。
[0024]所述中央處理器為電腦。
[0025] 運動中的列車軸承外圈發(fā)生故障時，由于多普勒效應(yīng)的影響，會導(dǎo)致檢測信號被 調(diào)制，可用本實用新型所述的基于參數(shù)化多普勒瞬態(tài)模型的列車輪對軸承故障瞬態(tài)特征檢 測裝置進行檢測。
[0026] 檢測到的列車軸承信號為y(t)，將建立的多普勒瞬態(tài)模型參數(shù)進行優(yōu)化，當(dāng)多普 勒瞬態(tài)模型與實際故障信號達(dá)到最大相關(guān)系數(shù)的時候，可以由最優(yōu)多普勒瞬態(tài)模型對應(yīng)的 周期瞬態(tài)模型的周期參數(shù)與計算出的運動軸承故障特征周期相比較，得出故障類型。
[0027]具體的操作方式如下：
[0028]首先建立基于單邊Laplace小波的參數(shù)化模型，將軸承故障信號的理論值記為 Φ(Μ; ?、f )，所述軸承故障信號可表示為：
(1)
[0030] 其中：變秋為軸承故障信號的理論值，U是信號的時間長度，τ是延遲時 間，ζ是阻尼系數(shù)，f是頻率。記τ、ζ和f所屬范圍為Td、Z和F，那么：
[0031]
[0032] (2)
[0033]公式（1)中的,/>、?、τ、ζ和f均表示變量；
[0034]然后通過引入?yún)?shù)T來建立一個周期性模型，以此模擬軸承故障信號的波形特征， 可以構(gòu)造函數(shù)：
[0035] :。 （3)
[0036] 再修改基于單邊Laplace小波的周期模型，將傳感器接收到聲信號的時刻記為 Hr}，接受時刻可以表示為：
[0037] {tR} = {to,to+l/fs,t〇+2/fs,t〇+(N-l