[发明专利]一种基于多尺度熵偏均值的车轮扁疤故障检测方法

说明书

本发明公开了一种基于多尺度熵偏均值的车轮扁疤故障检测方法。该方法为：首先现场采集信号，对获得的离散振动信号进行尺度τ下的粒化；然后将粒化度为τ的离散振动信号，进行维度为m的向量重构；使用重构后的向量，计算尺度τ下的样本熵；接着更新尺度τ的值，重新进行计算，分别计算出尺度τ＝1,2...τ_max下的样本熵，并以此组合出多尺度熵；最后使用多尺度熵计算多尺度熵偏均值，并以此判别车轮扁疤故障。本发明具有检测结果明显、适用性强的优点。

技术领域

本发明属于车轮检测技术领域，特别是一种基于多尺度熵偏均值的车轮扁疤故障检测方法。

背景技术

轮对作为列车运行的关键部件，不仅承载着车辆重量，还承载着轮轨间的各种冲击力，当车轮踏面存在车轮磨耗和扁疤损伤时，会对车轮、轮轴造成额外的冲击载荷。随着扁疤程度的加深和车辆速度的增加，带来的冲击载荷将会达到车轮承受静载荷的数倍，并且由于车轮周期性旋转，扁疤周期性冲击轨道，造成轨道波磨，将会进一步地加剧车辆线路的损伤。

若不能及时发现扁疤故障，对车轮进行检修更换，轻则使得车辆震动加剧，影响列车运营的稳定性，降低乘客乘坐的舒适性，重则使轮轴断裂，造成车辆倾覆、脱轨的严重事故。

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，能够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：一种基于多尺度熵偏均值的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，对获得的离散振动信号进行尺度τ下的粒化；

步骤2，将粒化度为τ的离散振动信号，进行维度为m的向量重构；

步骤3，使用重构后的向量，计算尺度τ下的样本熵；

步骤4，更新尺度τ的值，返回步骤2重新进行计算，分别计算出尺度τ＝1,2....τ_max下的样本熵，并以此组合出多尺度熵；

步骤5，使用多尺度熵计算多尺度熵偏均值，并以此判别车轮扁疤故障。

进一步地，步骤1所述的现场采集信号，对获得的离散振动信号进行尺度τ下的粒化，具体如下：

对于给定长度为L的离散振动信号序列{y₁,y₂,…y_n}，进行粗粒化：

其中，最终得到粒化的长度为N＝L/τ的新信号序列{x^τ(j)}＝[x^τ(1),x^τ(2),…x^τ(N)]。

进一步地，步骤2所述的将粒化度为τ的离散振动信号，进行维度为m的向量重构，具体如下：

利用粒化后的离散振动信号序列{x^τ(j)}＝[x^τ(1),x^τ(2),…x^τ(N)]，重构一组m维向量，从u^τ(1)到u^τ(N-m+1)，其中u^τ(i)＝{x^τ(i),x^τ(i+1)…x^τ(i+m-1)}，i＝1,2,…N-m+1。

进一步地，步骤3所述的使用重构后的向量，计算尺度τ下的样本熵，具体如下：

步骤3.1、定义u^τ(i)和u^τ(j)的距离为两者对应元素相减并取绝对值的最大值，j＝1,2…N-m+1,i≠j，即：