[发明专利]一种车轮扁疤故障检测方法

说明书

本发明公开了一种车轮扁疤故障检测方法。该方法为：首先现场采集信号，对振动信号进行经验模态分解；原始信号经过EMD分解后的固有模态函数包含了原始信号从低频到高频的不同成分，经过EMD分解之后，选出有效的IMF分量；接着对单个IMF分量进行多尺度熵分析；最后对选出的所有有效的IMF分量的和值进行多尺度熵分析，与单个IMF分量多尺度熵分析所得出的分析结果进行比较，选出差别最明显的分析结果，判断扁疤故障。本发明具有数据量要求不高、检测结果明显、适用性强的优点。

技术领域

本发明属于车轮检测技术领域，特别是一种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。轮对组需要承担较多负荷，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。

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逐步增强，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，并引起安全性和乘坐舒适度降低的问题。现有车轮检测技术，不能够准确并实时地检测出车轮扁疤故障，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：一种车轮扁疤故障检测方法，包括以下步骤：

步骤1，现场采集信号，对振动信号进行经验模态分解；

步骤2，对经过经验模态分解的信号进行筛选，选出有效的IMF分量；

步骤3，对单个IMF分量进行多尺度熵分析；

步骤4，对步骤2选出的所有有效的IMF分量的和值进行多尺度熵分析，判断扁疤故障。

进一步地，步骤1所述的现场采集信号，对振动信号进行经验模态分解，具体如下：

将振动信号表示为n个固有模态函数和残余分量的和，即：

式中，x(t)为原始信号，IMF_i为固有模态函数，r_n(t)为残余分量。

进一步地，步骤2所述的对经过经验模态分解的信号进行筛选，选出有效的IMF 分量，具体如下：

原始信号经过EMD分解后的固有模态函数包含了原始信号从低频到高频的不同成分，经过EMD分解之后，选出有效的IMF分量。

进一步地，步骤3所述的对单个IMF分量进行多尺度熵分析，具体如下：

给定长度为n的信号序列{x₁,x₂,....x_n}，对该时间序列进行粗粒化：

式中，y_τ(j)为粗粒向量样本熵值，j为粗粒向量序列号，[N/τ]为向下取整，τ为正整数，当τ＝1时，粗粒向量为原时间序列；

计算每个粗粒序列的样本熵，将得到的τ个粗粒向量的样本熵值表示成τ的函数；设时间尺度最大值为τ_max，计算不同尺度下的粗粒向量样本熵值对应的样本熵值，即得到原始时间序列的多尺度熵：

其中，MSE为多尺度熵，为粗粒向量样本熵值对应的样本熵值。