[发明专利]基于形态学滤波和HHT变换的铁道车辆轮轨故障诊断方法

说明书

本发明公开了基于形态学滤波和HHT变换的铁道车辆轮轨故障诊断方法，包括采集车辆轴箱振动加速度响应信号作为轮轨故障诊断的信号；首先对信号进行形态学滤波处理，然后EEMD分解得到若干个固有模态函数，再通过能量熵增量来剔除分解后的虚假分量，最后对有效分量再进行HHT变换得到Hilbert谱，通过不同轮轨故障下Hilbert谱的特征来实现轮轨故障的诊断。本发明采用车轮轴箱垂向振动加速度可作为轮轨故障诊断的信号源；使用DIF差值形态滤波器不仅降噪效果好而且可以有效地提取信号中的冲击成分。使用EEMD能够对降噪的信号进行有效分解，依据各阶IMF分量能量熵增量的相对大小可以筛选出包含故障信息较多的IMF分量作为主分量，对主分量进行HHT变换可得到Hilbert谱。

技术领域

本发明属于铁道车辆轮轨故障检测领域，具体涉及一种基于形态学滤波和HHT变换的铁道车辆轮轨故障诊断方法。

背景技术

随着我国列车运行速度的提高，轮轨间的相互作用力增大，轮轨故障频发。常见的轮轨故障主要有车轮扁疤、车轮多边形和钢轨波浪形磨耗。正常运行中车辆会因轮轨故障的发生而引起轮轨间的冲击振动，降低乘坐舒适度，损坏车辆及轨道零部件，甚至危及行车安全。因此对轮轨故障的实时监测和诊断具有重要的理论意义和工程价值。

目前车轮故障检测的方法主要有三种，一是在库内采用车轮粗糙度测量系统检测，此方法不仅工作量大而且会对车辆的正常运行造成一定的影响。二是轨旁检测法，此方法虽能够在线检测车辆运行状态，检测精度高，但受限于列车的运行速度，无法满足高速运行列车的检测。三是在车辆轴箱上设置加速度传感器，然后基于采集到的轴箱振动加速度来识别轮轨故障，该方法具有较好的实时性且不受列车运行速度的限制，是一种简单高效可行的方法。现有的轨道波浪形磨耗的检测方法是利用轨检车检测轨道的动态数据来分析轨道病害，设备主要是钢轨探伤车和手推式探伤仪，此方法结构复杂费用较高。

发明内容

本发明的目的在于提供一种基于轴箱振动加速度的轮轨故障诊断方法，该方法能够有效诊断出车轮扁疤、车轮多边形和钢轨波浪形磨耗等故障。

为实现上述目的，本发明采用如下技术方案：

基于形态学滤波和HHT变换的铁道车辆轮轨故障诊断方法，包括采集车辆轴箱振动加速度响应信号作为轮轨故障诊断的信号；首先对信号进行形态学滤波处理，然后EEMD分解得到若干个固有模态函数，再通过能量熵增量来剔除分解后的虚假分量，最后对有效分量再进行HHT变换得到Hilbert谱，通过不同轮轨故障下Hilbert谱的特征来实现轮轨故障的诊断。

进一步地，所述形态学滤波的滤波器采用DIF差值滤波器，结构元素采用幅值为1的三角形和半圆形组合。

进一步地，所述EEMD分解得到若干个固有模态函数包括如下步骤：

(1)设经形态学滤波后的轴箱振动加速度信号为x(t)，在x(t)中多次加入高斯白噪声后变为x_i(t)＝x(t)+N_i(n)；

(2)对信号x_i(t)的局部极大值和局部极小值进行三次样条插值得到信号的上、下包络线y_up(t)和y_low(t)，求出上下包络线的平均值m_i1(t)＝[y_up(t)+y_low(t)]/2；

(3)信号x_i(t)减去平均值m_i1(t)后得到一个去掉低频成分的新序列h_i1(t)＝x_i(t)-m_i1(t)；

(4)如果h_i1(t)满足固有模态函数IMF的条件，则h_i1(t)就是第一个x_i(t)的第一个IMF分量；