高速列車(chē)運(yùn)行狀態(tài)監(jiān)測(cè)與故障診斷

陳興劼+王瑜琳+龍訊+廖化容+何友全

摘要：本文采用光纖分布式振動(dòng)測(cè)試方法對(duì)感應(yīng)光纜獲取的鋼軌振動(dòng)和列車(chē)運(yùn)行狀態(tài)信號(hào)進(jìn)行采集和特征分析，從而檢測(cè)出通過(guò)該區(qū)段列車(chē)的運(yùn)行狀態(tài)和安全性能，做到實(shí)時(shí)監(jiān)測(cè)并預(yù)警，為列車(chē)的安全運(yùn)行和維護(hù)提供技術(shù)保障。

Abstract： In this paper， optical fiber distributed vibration test method is used to collect and characterize the rail vibration and the train running status signal obtained by the sensing optical fiber cable， so as to detect the running status and safety performance of the train passing through the section， thus realizing real-time monitoring and warning， so as to provide technical support for the safe operation and maintenance of trains.

關(guān)健詞：列車(chē)故障診斷；振動(dòng)波形分析；小波分解；分形原理

Key words： train fault diagnosis；vibration waveform analysis；wavelet decomposition；fractal principle

中圖分類(lèi)號(hào)：TP277 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2018）02-0134-03

0 引言

高速鐵路的發(fā)展始于上個(gè)世紀(jì)50年代，日本、法國(guó)、德國(guó)、意大利、西班牙、比利時(shí)、荷蘭、瑞典、英國(guó)都加入高鐵建設(shè)及運(yùn)營(yíng)中，亞洲的韓國(guó)、中國(guó)臺(tái)灣地區(qū)及我國(guó)大陸于本世紀(jì)初開(kāi)始高鐵的建設(shè)。直至2015年底我國(guó)已建成的高速軌道交通專(zhuān)線約23600km，我國(guó)高速軌道線路總長(zhǎng)度已超過(guò)世界其它各國(guó)高速專(zhuān)線線路之總和。隨著高速鐵路的不斷發(fā)展，列車(chē)事故也在所難免，對(duì)高速列車(chē)的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)檢測(cè)與故障診斷顯得尤為重要。高速鐵路故障檢測(cè)一般分為在線檢測(cè)和離線檢測(cè)[1-8]，如輪軌紅外探傷，軌道超聲波探傷、軌道檢測(cè)車(chē)對(duì)鋼軌的磨耗自動(dòng)測(cè)量等等。本系統(tǒng)采用分布式光纖感應(yīng)技術(shù)，在鋼軌側(cè)面沿線連續(xù)分布振動(dòng)傳感器，通過(guò)光纜建立鋼軌振動(dòng)和列車(chē)運(yùn)行噪聲的檢測(cè)區(qū)段，對(duì)經(jīng)過(guò)該檢測(cè)區(qū)段的運(yùn)行列車(chē)進(jìn)行連續(xù)的鋼軌振動(dòng)和列車(chē)運(yùn)行噪聲檢測(cè)分析。

1 系統(tǒng)組成及軟件功能

1.1 傳感器布置與檢測(cè)內(nèi)容

對(duì)鋼軌兩側(cè)軌腰進(jìn)行簡(jiǎn)單的打磨拋光，在鋼軌兩側(cè)打磨處分別布置四個(gè)箔式應(yīng)變片，四應(yīng)變片分兩組成內(nèi)45度角，牢固粘貼在鋼軌上，并實(shí)現(xiàn)搭橋。將連接完畢的應(yīng)變片連接至動(dòng)態(tài)放大儀并通過(guò)USB接口連接至電腦，使用專(zhuān)用軟件進(jìn)行數(shù)據(jù)采集及存儲(chǔ)。通過(guò)USB接口實(shí)時(shí)傳輸數(shù)據(jù)，利用數(shù)據(jù)存儲(chǔ)及采集系統(tǒng)對(duì)應(yīng)變片測(cè)得的應(yīng)力信號(hào)進(jìn)行采集及存儲(chǔ)，進(jìn)行記錄。車(chē)輛通過(guò)時(shí)自動(dòng)對(duì)該段信號(hào)進(jìn)行編號(hào)，同時(shí)需記錄應(yīng)變片對(duì)應(yīng)的粘貼點(diǎn)。監(jiān)測(cè)內(nèi)容包括通過(guò)車(chē)輛車(chē)型、軸重的識(shí)別以及對(duì)車(chē)輛速度、鋼軌振動(dòng)的測(cè)試。

1.1.1 振動(dòng)測(cè)試

通過(guò)布置粘貼在鋼軌外側(cè)軌腰上的光纖，利用分布式振動(dòng)測(cè)試儀對(duì)車(chē)輛經(jīng)過(guò)時(shí)引起的鋼軌振動(dòng)信號(hào)進(jìn)行采集及存儲(chǔ)，由已完成的感應(yīng)光纖標(biāo)定實(shí)驗(yàn)獲得的標(biāo)定系數(shù)進(jìn)行簡(jiǎn)單即可得到鋼軌振動(dòng)信號(hào)的加速度。

1.1.2 軸重識(shí)別

通過(guò)貼在鋼軌兩側(cè)軌腰的應(yīng)變片測(cè)量車(chē)輛通過(guò)時(shí)軌道所受到的垂向應(yīng)力，由應(yīng)力大小判斷軸重。在軌道兩側(cè)處分別布置四個(gè)應(yīng)變片，垂向力測(cè)試采用對(duì)稱(chēng)彎應(yīng)變法，分別將軌腰兩側(cè)的4片箔式應(yīng)變片組成全橋，距中性軸上下各20mm處，如圖1所示。

1.1.3 車(chē)速測(cè)量

在鋼軌給定距離兩端布置應(yīng)變片，該給定距離除以列車(chē)同一輪對(duì)通過(guò)兩應(yīng)變片的時(shí)間即可得到車(chē)速。

1.1.4 車(chē)型識(shí)別

不同車(chē)型車(chē)輛如客車(chē)與貨車(chē)，同一車(chē)型車(chē)輛在不同載重如空車(chē)和重車(chē)工況下，在行駛時(shí)其車(chē)輛的撓度不同，可用地板面距離鋼軌面距離作為參考，利用安裝布置在鋼軌外側(cè)的超聲波位移傳感器可確定通過(guò)車(chē)輛地板面距軌面高度，即可識(shí)別通過(guò)車(chē)輛的車(chē)型及載重情況。

1.2 系統(tǒng)軟件功能

《列車(chē)運(yùn)行監(jiān)測(cè)與故障診斷》主要功能是使人與數(shù)據(jù)分離，通過(guò)主程序GUI操作界面，自動(dòng)檢測(cè)、圖形化顯示、智能分析、診斷目標(biāo)數(shù)據(jù)源，使系統(tǒng)自動(dòng)化與智能化。

軟件模塊及功能分為數(shù)據(jù)處理與故障診斷兩部分。數(shù)據(jù)處理部分包含最小二乘法、滑動(dòng)平均法、IIR濾波器濾波、頻域帶通濾波、自相關(guān)/互相關(guān)函數(shù)分析、ZOOM-FFT、三分之一倍頻程譜處理、倒頻譜分析、反應(yīng)譜分析[9]。

1.2.1 最小二乘法

對(duì)于振動(dòng)信號(hào)數(shù)據(jù)，由于放大器隨溫度變化產(chǎn)生的零點(diǎn)漂移、傳感器頻率范圍外低頻性能的不穩(wěn)定以及傳感器周?chē)沫h(huán)境干擾，往往會(huì)編離基線，甚至偏離基線的大小還會(huì)隨時(shí)間變化。偏離基線隨時(shí)間變化的過(guò)程被稱(chēng)為信號(hào)的趨勢(shì)項(xiàng)。趨勢(shì)項(xiàng)直接影響信號(hào)的正確性，應(yīng)該將其去除。用最小二乘法消去多項(xiàng)式趨勢(shì)項(xiàng)。

1.2.2 滑動(dòng)平均法

包括五點(diǎn)滑動(dòng)平均法平滑處理、五點(diǎn)三次法平滑處理。屬于數(shù)據(jù)預(yù)處理，由于所采集的數(shù)據(jù)因測(cè)量方法不當(dāng)、測(cè)量?jī)x器誤差等因素，可能含有部分局部突變的噪聲信號(hào)，因此故障分析前必須做數(shù)據(jù)預(yù)處理。平滑處理是比較好的消除方法。

1.2.3 IIR濾波器濾波

本方法屬于數(shù)字濾波的時(shí)域處理方法，是對(duì)信號(hào)離散數(shù)據(jù)進(jìn)行差分方程數(shù)學(xué)運(yùn)算來(lái)達(dá)到濾波的目的。無(wú)限長(zhǎng)沖激響應(yīng)IIR數(shù)字濾波器，其特征是具有無(wú)限持續(xù)時(shí)間的沖激響應(yīng)，使用遞歸模型來(lái)實(shí)現(xiàn)。只考慮幅度指標(biāo)，未考慮相位指標(biāo)。endprint

1.2.4 頻域帶通濾波

數(shù)字濾波的頻域方法是利用FFT快速算法對(duì)輸入信號(hào)采樣數(shù)據(jù)進(jìn)行離散傅里葉變換，分析其頻譜，根據(jù)濾波要求，將需要濾除的頻率部分直接設(shè)置成零或加漸變過(guò)渡頻帶后再設(shè)置成零，例如在通帶和阻帶之間加設(shè)一段余弦類(lèi)窗函數(shù)的過(guò)渡帶，然后利用IFFT快速算法對(duì)濾波處理后數(shù)據(jù)進(jìn)行離散傅里葉逆變換恢復(fù)出時(shí)域信號(hào)。

1.2.5 自相關(guān)/互相關(guān)函數(shù)分析

自相關(guān)函數(shù)曲線的收斂快慢在一定程度上反映信號(hào)中所含各頻率分量的多少，反映波形的平緩和陡峭程度。自相關(guān)函數(shù)可用來(lái)檢測(cè)隨機(jī)振動(dòng)信號(hào)中是否包含有周期振動(dòng)成分，這是因?yàn)殡S機(jī)分量的自相關(guān)函數(shù)總是隨時(shí)間坐標(biāo)移動(dòng)值趨于無(wú)窮大而趨近于零或某一常數(shù)值，而周期分量的自相關(guān)函數(shù)則保持原來(lái)的周期性而不衰減，并可以定性地反映振動(dòng)信號(hào)所含頻率成分的多少。互相關(guān)函數(shù)則反映兩條隨機(jī)振動(dòng)信號(hào)波形隨時(shí)間坐標(biāo)移動(dòng)時(shí)相互關(guān)系緊密性的一種函數(shù)。

1.2.6 故障診斷

此模塊也是整個(gè)系統(tǒng)的核心模塊，其作用是對(duì)數(shù)據(jù)波形進(jìn)行分析診斷，判斷是否含有故障信號(hào)，并提取故障特征值。本系統(tǒng)根據(jù)故障的特征和類(lèi)型分別對(duì)故障信號(hào)分析采取了三種技術(shù)手段：小波分析、諧波提取、分形原理。

對(duì)于有明顯沖擊特征的，一般來(lái)說(shuō)波形中含有明顯波峰或凹坑，或者波形密度與正常信號(hào)明顯不一樣，含有明顯干擾信號(hào)。此類(lèi)故障分析采用小波變換。對(duì)于幅值變化不明顯，信號(hào)中含有某一頻率的干擾信號(hào)，采用諧波分析。對(duì)于幅值變化不明顯，波形形狀特征明顯，可以根據(jù)波形的形狀特征，采用差分原理、諧波提取、小波分析來(lái)分析。

諧波提取：分別提取了0次諧波-5次諧波，如果正常數(shù)據(jù)信號(hào)中含有故障信號(hào)，其各次主要諧波含量是不一樣的。0次諧波表示直流分量，第4、6個(gè)數(shù)就是3次和5次諧波的幅值。

圖3是空車(chē)故障文件，選取第1列數(shù)據(jù)分析，表示空車(chē)故障橫向加速度測(cè)試數(shù)據(jù)，圖3中共有4個(gè)子窗口圖表，子窗口1顯示54400行數(shù)據(jù)，子圖2選取其中的4000-10000行數(shù)據(jù)進(jìn)行波形分析，子圖3是經(jīng)過(guò)小波分解后的低頻系數(shù)波形圖，子圖4是經(jīng)過(guò)小波分解后的高頻系數(shù)波形圖，紅色柱形標(biāo)注低頻、高頻分解系數(shù)的特征值，表示相應(yīng)的故障信號(hào)點(diǎn)。為了分析、比較同一車(chē)輛分別在兩種狀態(tài)（正常與故障）下相對(duì)應(yīng)波形分析數(shù)據(jù)，在各子圖中分別設(shè)定同一幅值范圍，子圖1設(shè)置為-3～3，子圖2、子圖3、子圖4設(shè)置為-1～1。

另外在軟件的開(kāi)發(fā)過(guò)程中，采用了軟件容錯(cuò)技術(shù)，確保軟件運(yùn)行平穩(wěn)安全，不會(huì)因?yàn)橛脩?hù)的操作不當(dāng)和輸入錯(cuò)誤而使系統(tǒng)陷入崩潰。

2 結(jié)論

通過(guò)檢測(cè)列車(chē)運(yùn)行的振動(dòng)波形，來(lái)間接判斷列車(chē)的性能與狀態(tài)，在離線檢測(cè)方法的創(chuàng)新。本方采用了小波分解、分形原理等技術(shù)，實(shí)現(xiàn)了列車(chē)運(yùn)行的自動(dòng)檢測(cè)與故障斷診。系統(tǒng)數(shù)據(jù)量大，采用計(jì)算機(jī)全自動(dòng)化處理技術(shù)，自動(dòng)導(dǎo)入數(shù)據(jù)、自動(dòng)分析、自動(dòng)存儲(chǔ)，對(duì)于個(gè)別有疑問(wèn)的故障信號(hào)，可以與人工處理技術(shù)相結(jié)合，在軟件平臺(tái)上單獨(dú)分析處理，從而進(jìn)一步確認(rèn)故障信號(hào)類(lèi)型。

參考文獻(xiàn)：

[1]Jonguk L， Heesu C， Daihee P， et al. Fault Detection and Diagnosis of Railway Point Machines by Sound Analysis：[J]. Sensors， 2016， 16（4）.

[2]Yao D， Yang J， Li X， et al. A hybrid approach for fault diagnosis of railway rolling bearings using STWD-EMD-GA-LSSVM[J]. Mathematical Problems in Engineering， 2016， 2016（10）：1-7.

[3]衛(wèi)曉娟，丁旺才，李寧洲，等.基于引力搜索RBF神經(jīng)網(wǎng)絡(luò)的機(jī)車(chē)齒輪箱故障診斷[J].鐵道學(xué)報(bào)，2016（2）：19-26.

Daigle M J， Bregon A， Koutsoukos X， et al. A qualitative event-based approach to multiple fault diagnosis in continuous systems using structural model decomposition[J]. Engineering Applications of Artificial Intelligence， 2016， 53：190-206.

[4]江麗，郭順生.基于半監(jiān)督拉普拉斯特征映射的故障診斷[J].中國(guó)機(jī)械工程，2016，27（14）.

[5]張前圖，房立清.基于圖像形狀特征和LLTSA 的故障診斷方法[J].振動(dòng)與沖擊，2016，35（9）.

[6]臧懷剛，劉子豪，李玉奎.基于形態(tài)濾波和Laplace小波的軸承故障診斷[J].中國(guó)機(jī)械工程，2016，27（9）.

[7]Peng K， Zhang K， You B， et al. A Quality-Based Nonlinear Fault Diagnosis Framework Focusing on Industrial Multimode Batch Processes[J]. IEEE Transactions on Industrial Electronics， 2016， 63（4）：2615-2624.

[8]徐曉濱，張鎮(zhèn)，李世寶，等.基于診斷證據(jù)靜態(tài)融合與動(dòng)態(tài)更新的故障診斷方法[J].自動(dòng)化學(xué)報(bào)，2016（1）：107-121.

[9] 王濟(jì)，胡曉.MATLAB在振動(dòng)信號(hào)處理中的應(yīng)用[M].中國(guó)水利水電出版社，2006.endprint