论文部分内容阅读
摘 要：针对城市轨道交通快速的发展，轨道车辆运行中的滚动轴承故障问题严重影响地铁车辆的运行安全，研制一种采用声学诊断技术和计算机技术，对运行列车滚动轴承进行噪声信号的采集和分析，实现对轨道车辆滚动轴承的内圈、外圈及滚子等关键部件进行在线监测的目标。
关键词：滚动轴承;声学探测;声学信号
铁路承担着世界各地货运和乘客的主要运输任务。为保证铁路交通的安全、可用性、可靠性和效率，应尽量避免脱轨。这也可以降低铁路车辆的停运和维护所产生的成本。铁路车辆的车轮和转向架需要特别进行监控，因为它们对性能的影响最大，而且维护[1]的成本很大。轴承有缺陷、车轮表面缺陷、制动管断裂等。如果没有事先检测到，都可能脱轨。在这些车辆缺陷中，车轮滚子轴承故障很常见，如果在车辆使用期间可能是灾难性的。因此，已经开发了先进的技术，以监测铁路滚子轴承的状况。
1.概述
与基于振动的车辆检测系统相比，轨道旁状态监测技术是一种检测轴承缺陷的经济方式，因为轨道上运行的车辆数量众多，每个轴承都有数百个滚子轴承。.热轴承检测器（HBD）和声学缺陷轴承检测器（ADBD）是目前铁路行业使用的两种轨旁检测技术，用于在故障前识别有缺陷的轴承。自1960年代以来，HBD被设计为轨道旁设备，通过监测车辆经过时铁路轴承的温度变化来识别过热轴承。如果出现局部故障，车轮轴承散发的热量会增加很多，这是故障报警的指示。然而，使用中的轴承会迅速升温和卡住，以至于在脱轨发生之前触发热箱警报总是为时已晚。此外，由于轴承工作环境的复杂性，其他热源也可能使轴承运行温度升高，从而导致此类列车停运产生误报和不必要的开支。HBD对轴承早期缺陷的低敏感性促进了ADBD的发展。已经证明，可以通过麦克风测量频率范围为3Hz至40kHz的滚子轴承的声压或声强，用于检测轴承初期缺陷。此外，通过轨旁声学检测系统（TADS）的声学技术已被证明可用于轨道车辆故障轴承的轨旁识别。自1980年代末首次进行测试以来，ADBD已成为一种很有前途的工具，可用于监测轴承健康状况的更具预测性的系统。然而，为了确定某些类型的轴承损坏，仍然存在一个棘手的问题，这个问题已经提到过，但在目前可获得的文献中很少解决：去除位于旁边的麦克风获取的声信号中的多普勒效应。当铁路车辆经过时到轨道。多普勒效应问题亟待解决，尤其是高速行驶的车辆.
2.综合检测技术
众所周知，TFD 能够在时频平面上呈现信号的非平稳信息。 具有不同时频分辨率的 TFD 将提供非平稳信号的不同动态信息。 有缺陷的铁路轴承的轨旁声信号是一种典型的非平稳信号。 本文旨在基于轨旁声信号的TFD检测铁路轴承的特征频率并对其进行增强。 为了达到这个目标，提出了一种由可变分辨率脊解调（VRRD）、动态信号重采样、对数变换和非线性去趋势组成的综合检测技术，如图5所示，依次解决了上述问题。 给定如图1所示的模拟轨道旁声学信号 y（t），通过在以下小节中演示该模拟示例来描述合成检测技术。
短时傅立叶变换 （STFT） 是一种将时域信号转换为 TFD 的传统工具，可以很好地查看由于声信号中的多普勒效应引起的频移。在数学上，声信号 y 的 STFT （t） 定义为
其中 g（t） 是以 t = 0 为中心的短时分析窗口，上标 * 表示复共轭运算。由于相同的窗口函数可用于所有时间和频率，因此TFD上每个点的分辨率都相同。 g（t） 的宽度决定了时频分辨率。根据不确定性原理，时间分辨率和频率分辨率不能同时增加。因此需要一个长窗口来获得高频分辨率，而如果需要高时间分辨率，则选择一个短窗口。对于有缺陷的铁路轴承的轨旁声信号，TFD上良好的频率分辨率可以区分谐振频带间频率分量的多普勒频移曲线。
变化规则曲线，即谐振频率的多普勒频移曲线可以作为高频分辨率和高时间分辨率TFD之间的桥梁。它遵循方程中给出的多普勒频移函数。 并且可以通过称为脊提取算法的 IF 估计方法进行跟踪，而无需了解等式中的空间和时间参数。 这促使提出一种名为VRRD的新技术来提取被多普勒效应破坏的声信号的包络。在新的包络技术中，分别通过STFT计算具有高频和高时间分辨率的TFD，然后是多普勒频移谐振频率的曲线是从具有高频分辨率的 TFD 中通过改进的脊提取算法描绘出来的，下面将详细说明。之后，将该曲线放到具有高时间分辨率的 TFD 上。沿着曲线的第二个TFD中对应的瞬时幅度（IA）最终被取出来构建声信号ye（t）的包络信号。 VRRD 技术始终仅沿谐振带的中心提取包络，因此对于被多普勒效应和背景噪声破坏的信号有效。
结语
系统通过对运行中列车滚动轴承噪声信号的采集和分析，识别滚动轴承的工作状态，可提供有效的滚动轴承内部早期故障诊断结果，在热轴之前发现故障。能够有效提高轴承故障的防范水平，使列检对滚动轴承的检查，从人判为主逐步過渡到人机结合、机判为主的阶段。
参考文献：
[1]吴胜强， 姜万录， 赵利颇. 基于声音信号的核主元故障诊断法[J]. 机床与液压， 2016， 44（1）： 184-187.
（南京拓控信息科技股份有限公司，江苏 南京 210000）
关键词：滚动轴承;声学探测;声学信号
铁路承担着世界各地货运和乘客的主要运输任务。为保证铁路交通的安全、可用性、可靠性和效率，应尽量避免脱轨。这也可以降低铁路车辆的停运和维护所产生的成本。铁路车辆的车轮和转向架需要特别进行监控，因为它们对性能的影响最大，而且维护[1]的成本很大。轴承有缺陷、车轮表面缺陷、制动管断裂等。如果没有事先检测到，都可能脱轨。在这些车辆缺陷中，车轮滚子轴承故障很常见，如果在车辆使用期间可能是灾难性的。因此，已经开发了先进的技术，以监测铁路滚子轴承的状况。
1.概述
与基于振动的车辆检测系统相比，轨道旁状态监测技术是一种检测轴承缺陷的经济方式，因为轨道上运行的车辆数量众多，每个轴承都有数百个滚子轴承。.热轴承检测器（HBD）和声学缺陷轴承检测器（ADBD）是目前铁路行业使用的两种轨旁检测技术，用于在故障前识别有缺陷的轴承。自1960年代以来，HBD被设计为轨道旁设备，通过监测车辆经过时铁路轴承的温度变化来识别过热轴承。如果出现局部故障，车轮轴承散发的热量会增加很多，这是故障报警的指示。然而，使用中的轴承会迅速升温和卡住，以至于在脱轨发生之前触发热箱警报总是为时已晚。此外，由于轴承工作环境的复杂性，其他热源也可能使轴承运行温度升高，从而导致此类列车停运产生误报和不必要的开支。HBD对轴承早期缺陷的低敏感性促进了ADBD的发展。已经证明，可以通过麦克风测量频率范围为3Hz至40kHz的滚子轴承的声压或声强，用于检测轴承初期缺陷。此外，通过轨旁声学检测系统（TADS）的声学技术已被证明可用于轨道车辆故障轴承的轨旁识别。自1980年代末首次进行测试以来，ADBD已成为一种很有前途的工具，可用于监测轴承健康状况的更具预测性的系统。然而，为了确定某些类型的轴承损坏，仍然存在一个棘手的问题，这个问题已经提到过，但在目前可获得的文献中很少解决：去除位于旁边的麦克风获取的声信号中的多普勒效应。当铁路车辆经过时到轨道。多普勒效应问题亟待解决，尤其是高速行驶的车辆.
2.综合检测技术
众所周知，TFD 能够在时频平面上呈现信号的非平稳信息。 具有不同时频分辨率的 TFD 将提供非平稳信号的不同动态信息。 有缺陷的铁路轴承的轨旁声信号是一种典型的非平稳信号。 本文旨在基于轨旁声信号的TFD检测铁路轴承的特征频率并对其进行增强。 为了达到这个目标，提出了一种由可变分辨率脊解调（VRRD）、动态信号重采样、对数变换和非线性去趋势组成的综合检测技术，如图5所示，依次解决了上述问题。 给定如图1所示的模拟轨道旁声学信号 y（t），通过在以下小节中演示该模拟示例来描述合成检测技术。
短时傅立叶变换 （STFT） 是一种将时域信号转换为 TFD 的传统工具，可以很好地查看由于声信号中的多普勒效应引起的频移。在数学上，声信号 y 的 STFT （t） 定义为
其中 g（t） 是以 t = 0 为中心的短时分析窗口，上标 * 表示复共轭运算。由于相同的窗口函数可用于所有时间和频率，因此TFD上每个点的分辨率都相同。 g（t） 的宽度决定了时频分辨率。根据不确定性原理，时间分辨率和频率分辨率不能同时增加。因此需要一个长窗口来获得高频分辨率，而如果需要高时间分辨率，则选择一个短窗口。对于有缺陷的铁路轴承的轨旁声信号，TFD上良好的频率分辨率可以区分谐振频带间频率分量的多普勒频移曲线。
变化规则曲线，即谐振频率的多普勒频移曲线可以作为高频分辨率和高时间分辨率TFD之间的桥梁。它遵循方程中给出的多普勒频移函数。 并且可以通过称为脊提取算法的 IF 估计方法进行跟踪，而无需了解等式中的空间和时间参数。 这促使提出一种名为VRRD的新技术来提取被多普勒效应破坏的声信号的包络。在新的包络技术中，分别通过STFT计算具有高频和高时间分辨率的TFD，然后是多普勒频移谐振频率的曲线是从具有高频分辨率的 TFD 中通过改进的脊提取算法描绘出来的，下面将详细说明。之后，将该曲线放到具有高时间分辨率的 TFD 上。沿着曲线的第二个TFD中对应的瞬时幅度（IA）最终被取出来构建声信号ye（t）的包络信号。 VRRD 技术始终仅沿谐振带的中心提取包络，因此对于被多普勒效应和背景噪声破坏的信号有效。
结语
系统通过对运行中列车滚动轴承噪声信号的采集和分析，识别滚动轴承的工作状态，可提供有效的滚动轴承内部早期故障诊断结果，在热轴之前发现故障。能够有效提高轴承故障的防范水平，使列检对滚动轴承的检查，从人判为主逐步過渡到人机结合、机判为主的阶段。
参考文献：
[1]吴胜强， 姜万录， 赵利颇. 基于声音信号的核主元故障诊断法[J]. 机床与液压， 2016， 44（1）： 184-187.
（南京拓控信息科技股份有限公司，江苏 南京 210000）