一种铁路道岔区轮轨异常状态识别方法

本发明涉及轨道交通，具体而言，涉及一种铁路道岔区轮轨异常状态识别方法。

背景技术：

1、随着城市轨道交通的急速发展，使得列车的运行密度不断提高，同时加剧了轮轨间的异常接触姿态。轮轨异常状态会对车辆轨道系统、乘坐舒适性造成严重影响，在道岔区的轮轨接触状态更为复杂，列车车辆在途经道岔结构并存在异常轮轨接触行为时，会加剧车辆和轨道之间的相互作用力，甚至可能导致铁路轨道损坏甚至脱轨，增加了铁路运营及维护的成本。

2、目前的地铁线路采用的现有技术中，对于轮轨异常状态的识别可以使用轮轨力检测法、超声波检测法、噪声检测法(cn116039698a)、位移检测法、车载振动检测法、地面振动检测法、图像检测法(cn107399340a)、光学检测法和轨道电路中断法等，而地面振动检测法相比于其他方法具有结构简单、实时监测和成本较低的优势，可以实现在现场的大规模运用，用来识别轮轨异常接触状态，避免其影响行车安全。

3、但是现有研究中，一般在转向架或轴箱等部件安装传感器(cn107399340a、cn116039698a)，使用“车对地”的技术手段，对轮轨异常状态进行识别，但由于车辆组成部件较为复杂，导致数据受各部件之间相互作用干扰较大，且在高速转动的车轮上安装传感器也存在较大的安全隐患；同时对异常轮轨状态识别技术单一，目前仅有道岔区的健康状况监测(cn114655279a)和轮轨接触状态的评价(cn110758456a)，未见可适用于道岔区的轮轨异常接触状态识别技术。

4、有鉴于此，特提出本技术。

技术实现思路

1、本发明所要解决的技术问题是在使用“车对地”的技术手段对轮轨异常状态进行识别时，数据干扰大，且存在安全隐患，同时未见可适用于道岔区的轮轨异常接触状态识别技术，目的在于提供一种铁路道岔区轮轨异常状态识别方法，即使用一种“地对车”的检测技术，利用安装在道岔区固定辙叉上的振动加速度传感器，得到固定辙叉垂向和横向振动特性，利用fk法分析方法，识别并定位异常接触的轮对位置，用于保证行车安全。

2、本发明通过下述技术方案实现：

3、一种铁路道岔区轮轨异常状态识别方法，包括如下步骤：

4、步骤(1)数据采集与处理，利用安装在道岔区固定辙叉上的振动加速度传感器对道岔钢轨的振动进行数据采集，并将测量到的振动数据采集并进行预处理；

5、步骤(2)异常接触检测，采用fk(frequency-wavenumber)方法对振动数据进行处理，以检测钢轨和轮轨之间的异常接触；

6、步骤(3)异常接触识别与定位，通过分析fk谱图的信号处理算法，识别并定位异常接触的位置。

7、本发明利用安装在道岔区固定辙叉上的振动加速度传感器，得到固定辙叉垂向和横向振动特性，利用fk法分析方法，能够在振动信号中准确地识别和定位异常接触，可以有效地处理钢轨振动数据并提取有用的信息识别并定位异常接触的轮对位置，从而在道岔区的振动信号中准确地识别和定位异常接触，用于保证行车安全；同时本发明通过优化fk方法的算法和参数设置，能够提高异常接触的检测准确性和定位精度。

8、在某一实施方式中，所述步骤(2)采用快速谱峭度法，基于fir带通滤波器的1/3二叉树滤波器组结构算法，实现道岔区周期性脉冲振动信号的处理。

9、在某一实施方式中，步骤(2)的具体步骤如下：

10、(2.1)根据步骤(1)中得到的振动信号x(t)，计算x(t)的快速傅里叶变换，生成频域信息得到频谱y(f)；

11、(2.2)确定计算窗口的宽度；

12、(2.3)确定频域中整体能量集中间隔；

13、(2.4)判断车辆过岔状态：若是直向过岔，选择滤波器stft，若是侧向过岔，选择滤波器fir；

14、(2.5)将滤波后的振动信号分解为若干个子带构建1/3二叉树结构；

15、(2.6)计算每个子带，每个独立的矩形代表一个滤波后的振动信号，计算由每个矩形表示的滤波信号的峰度，并且根据相应峰度的大小，用不同的颜色填充所有矩形，最终可以通过频率和频谱分辨率进行定位，其中具有最大峰度的矩形指示sk选择用于故障诊断的最佳频带；

16、(2.7)记录颜色最深色块的峭度值、中心频率和对应的分解层数；

17、(2.8)通过获得的参数，从1/3二叉树结构中获得能量集中的最佳频带，并求最大值，得到相应的中心频率和阶数。

18、本发明步骤(2.4)中，由于过岔速度主要受到过岔方向制约，一般分为直向过岔和侧向过岔两种。直向过岔时的过岔速度相对较高，故采用stft进行直向过岔时的振动信号处理。stft的过程是：在信号做傅里叶变换之前乘一个时间有限的窗函数h(t)见式(1)，即把整体振动的时域过程，分解成无数个等长的小过程，每个小过程近似平稳，再傅里叶变换，这样可以更加精确的处理非平稳振动信号，有效的提取过岔较高时的振动特征。侧向过岔时的过岔速度相对较低，fir滤波后的信号频谱分布较广，相比更适用于低速侧向过岔时刻的特征提取，故采用fir进行侧向过岔时的振动信号处理。

19、在某一实施方式中，步骤(3)的具体步骤如下：

20、(3.1)根据不同的频率区间计算峭度纸大小，解调能量集中的频带，并总结为fk图；通过观测最深色块的分布区域的峭度值大小判断有无轮轨异常状态发生，通过大量试验数据调研得出直向过岔的最大峭度值一般不超过15，侧向过岔的最大峭度值一般不超过25，若大于则表明发生异常接触行为或轨道结构损伤，则进行后续步骤判断损伤类型；

21、(3.2)选取不同频带中的最佳频带(即峭度值最大颜色最深的频带)，对能量最为集中的最佳频带中提取振动分量进一步利用希尔伯特解调重构结果的包络，可以看到不同分解阶数下的振动分量，最终可以实现轮轨异常状态故障诊断；如果增强解调结果故障特征不明显，则根据经验调整所选频率间隔，重复上述步骤；

22、(3.3)将fk中峰度最大的频率分量取出来，该分量的频率间隔作为最优中心频率-带宽组合；进一步进行解调分析，确定轮轨接触异常状态类型，解调能量集中的最佳频带实现轮轨异常状态故障诊断；若分解后为与原始振动信号相似的均匀脉冲型振动，则为钢轨状态异常；若分解后的振动信号出现单峰值大幅超出基线，则证明存在车轮异常状态，且可以通过峰值信号发生的时间判断对应的异常车轮所在位置。

23、在某一实施方式中，所述步骤(2.3)中，若测量点不存在钢轨缺陷，选择滤波器fir，具体如下：

24、分别使用低通滤波器h0(n)和高通滤波器h1(n)构建[0；1/4]fs和[1/4；1/2]fs的频带；

25、h1(n)＝h(n)ej3πn/4                             (1)

26、展开式表达为：h1(n)＝h(n)[cos(3πn/4)+jsin(3πn/4)]    (2)

27、h(n)为低通fir滤波截止频率，j表示什么；在式(2)中通过(-j)n(表示什么)使高通变为低通。

28、在某一实施方式中，所述步骤(2.3)中，若测量点存在钢轨缺陷，选择滤波器stft，具体如下：

29、在评价噪声频谱时s(t,f)用短时傅里叶变换进行计算：

30、

31、式中w(t)用于原始滤波的窗函数；nw为短时傅里叶的窗长；fk表示第k个离散频率；fs为采样频率；即基函数w(i-t)e-j2πfi是窗函数w(t)的时移和频移，其包络保持不变。

32、在某一实施方式中，所述谱峭度(sk)为能量归一化的四阶谱累积量，具体如下：

33、

34、式中s(t,f)为信号x(t)在f处的复包络，e为求期望值，||为模量；

35、如轮轨滚动振动引起的平稳性噪声存在时，非平稳的sk过程为：

36、

37、式中fd为脉冲复现频率，为周期性脉冲修正系数，ρ(f)为信噪比，在无噪声时ρ(f)→0时，fk(f)达到最大值，相反当ρ(f)→∞时，噪声含量越大fk(f)的值趋近于0。

38、在某一实施方式中，铁路道岔区轮轨异常状态识别方法，还包括：

39、步骤(4)异常接触评估与分类：对检测到的异常接触进行评估和分类，确定其严重程度；

40、步骤(5)报警与反馈，当检测到异常接触时，及时发出报警信号，并提供相关信息给维护人员。

41、在某一实施方式中，轮轨异常接触位置的识别与定位可以采用模式识别、机器学习等来自动化异常接触的识别和定位过程。

42、本发明与现有技术相比，具有如下的优点和有益效果：

43、1、本发明实施例提供的一种铁路道岔区轮轨异常状态识别方法，利用安装在道岔区固定辙叉上的振动加速度传感器，得到固定辙叉垂向和横向振动特性，利用fk法分析方法，能够在振动信号中准确地识别和定位异常接触，可以有效地处理钢轨振动数据并提取有用的信息识别并定位异常接触的轮对位置，从而在道岔区的振动信号中准确地识别和定位异常接触，用于保证行车安全；

44、2、本发明实施例提供的一种铁路道岔区轮轨异常状态识别方法，通过优化fk方法的算法和参数设置，能够提高异常接触的检测准确性和定位精度；

45、3、本发明实施例提供的一种铁路道岔区轮轨异常状态识别方法，通过研究轮轨系统混合病害，捕捉了多缺陷共存时轨道振动的瞬态高频特性，可以识别轮轨系统中的异常接触行为问题，定位产生轮轨异常状态的轮对；

46、4、本发明实施例提供的一种铁路道岔区轮轨异常状态识别方法，所需的硬件安装简便，成本较低，适用于实际工程应用，为道岔区的异常轮轨状态检测提供了有效工具。