基于优化正弦模型的钢轨故障诊断研究

发布时间：2020-12-11 15:53

　　随着高铁技术的发展,钢轨故障诊断技术变得越来越重要。本文研究了钢轨故障诊断的方法,提出了一种故障诊断的数学模型,针对钢轨振动信号进行特征向量提取。根据信号的固有特征,将故障状态下的钢轨信号特征向量与健康状态下的特征向量进行比对,可以明显的观测出钢轨故障。在正弦模型中,首先将钢轨振动信号进行预处理,运用时域同步平均法去掉低频噪声,保证信号趋势的平滑,然后运用傅里叶三角展开式对振动信号进行展开,根据展开式和实际钢轨信号特征对信号进行正弦模型化处理,随后使用最小二乘带状学习法对振动信号进行参数调整,对其中展开式的正弦因子进行正则化处理,保证所得特征向量的准确度,最后,使用拟合误差最小化得出幅度和相位的特征向量,再将相位和幅度的特征向量因子还原至振动信号的每一阶的幅度和相位。同时,也将由于故障造成的脉冲振动信号也提取出来,对故障的程度进行预测。通过大量的现场试验,测量不同类型的钢轨故障,该正弦模型的效果良好,并且准确度高,对钢轨的安全检测具有重大的意义。 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图２：?（ａ）?ＲＴ－００１的幅度调制和（ｂ）?ＲＴ－００１的相位调制

?｜?ｉｌ?！?｜?；ｌ?｜?｜｜?ａ?ｌｉ?ｉ｜?！｜??ｎ｜ｒ＞?０－５－；，?１１?ｉ１?Ｉ?，：ｉ?；＇ｉ?！；ｌ?：，?．?；！｜?；，ｌ?！?ｉ｜?ｉ??Ｉ?：：＇１：?乂：?：??ｉ?１?１?ｒｎｌｎ?ｎ?ｉ??会－叶?ｆ?Ｕ?Ｉｆ?Ｉ?｜??ｋ?１??輕????■１?５?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?ｉ???０?０．２?０．４?０．６?０．８?１?１．２?１．４?１．６?１．８?２??时间?ｘ１ｔ＞＇３??图３（ａ）ＲＴ－００９的振动信号．（ｂ）ＲＴ－００９的拟合信号图??从上图３中可以看出，上述的振动信号图ａ为故障状态下测试出原始钢轨振动??信号通过时域平均法所得出振动信号，即是等周期后的平均故障信号＾另一幅??３０??

?第４章实验结果与分析???第４章实验结果与分析??４．１实验设计??结合前两章，本文对健康状态下和故障状态下的钢轨振动信号建立了相应??的模型，通过数据仿真调试，验证了该振动模型的准确性，同时通过对模型中??提取的特征量，发现越高阶次的特征向量所反映出故障信息越明显，因此为了??进一步验证模型的准确性和故障诊断的效果，结下来搭建一系列实验步骤，如??下图所示。??信号发生单元?信号采集单元?信号处理单元??Ｉ………ｉｉ???！?Ｉ?ＩＩ?］??Ｉ?激励源?Ｉ?ｉ?Ｕ??ＩＴｉｌｌｉｌｌｌｌｌｌｌｌｌｌＢｌ??１＾１＂?ＩＩ?＂＂ＩＩ＂?ＩＩ?麵理器?Ｉ??图４钢轨诊断系统结构图??如上图所示，完整的测试系统由Ｈ部分构成，信号发生单元、信号采集单??元和信号处理单元首先信号发生单元主体是激励源，主要用的材料是压电陶??瓷换能器作为振动信号发生源。为了增强实验的对比性，本实验中使用了不同??型号的压电陶瓷，分别为４Ｋ、６Ｋ、ｉｏｋ，９考虑到钢轨本身特殊的材质和振动传??递的速度，理论上使用越大的振动频率越好。对于信号采集单元，主要是采用??加速度传感器采集振动信号，为了避免收集信号遗漏，同时为了保证信号收集??时所造成的误差尽可能地被消除，本实验将传感器均匀的分布在钢轨的钢头、??钢腰、钢底进行信号采集。为了采集数据分析的完整＾＾本文将钢轨进行标记??１－２１号，每个编号的钢轨都分别采用上述的方式进行数据采集，然后传入信号??处理单元。最后，在信号处理单元中３主要以计算机作为基础的数据分析系??３２??

【参考文献】：
期刊论文
[1]基于压缩采集与深度学习的轴承故障诊断方法[J]. 温江涛,闫常弘,孙洁娣,乔艳雷.  仪器仪表学报. 2018(01)
[2]基于高阶谱特征提取的高速列车车轮擦伤识别算法研究[J]. 赵蓉,史红梅.  机械工程学报. 2017(06)



本文编号：2910809