一种通过振动信号测算列车轮对瞬时转速的方法及系统

本发明属于诊断，尤其涉及一种通过振动信号测算列车轮对瞬时转速的方法及系统。

背景技术：

1、随着高铁、地铁等列车的电气化、智能化的发展，走行部故障诊断系统已经广泛应用于高铁、地铁、城际等有轨列车中，用于对走行部轴承、齿轮、电机的故障诊断，保障列车安全运营。在走行部故障诊断系统一般使用温度、振动、冲击信号作为采集对象，根据故障特征频率确定故障发生位置，而故障特征频率的确定需要瞬时转速作为输入。

2、目前，车载系统的瞬时速度获取比较困难，通常只有头车的制动系统转速传感器可以借用，如若每个轴都添加转速传感器，将增加大量运维成本，因此大部分情况下使用的还是列控系统的行驶速度，这就需要通过轮径参数折算转速，而每个轮的轮径因运营过程的损耗会不同，且列车的速度已经被滤波延时处理，得到的速度信号已经不是实时的准确信号，对故障诊断影响很大。

3、目前，针对转速无法直接测量的走行部故障诊断系统，只能通过tcms转递的列车速度信息、轮径信息来折算转速，但列车速度是经测量、滤波、平均等处理后的数据，轮径信息也无法实时更新后期因磨损、镟轮等带来的误差，因此折算出的转速不够准确，对振动信号在故障特征提取时造成准确度下降问题。

技术实现思路

1、本发明的目的在于解决现有技术中存在的问题，并提供一种通过振动信号测算列车轮对瞬时转速的方法及系统。本发明的方法通过振动信号反算转速，然后参照列控发送的速度信号，将得到相对准确的实时转速，大大提升故障诊断的准确率。

2、为了实现上述发明目的，本发明具体采用如下技术方案：

3、第一方面，本发明提供了一种通过振动信号测算列车轮对瞬时转速的方法，具体步骤如下：

4、s1.获取连续时间窗口内的振动信号以及转速序列；

5、s2.对获取到的每个振动信号进行数据处理，每个振动信号对应得到一个振动信号序列，将转速序列作为振动信号序列每一段转速平稳时期的转速标签；

6、步骤s2中，所述数据处理具体过程如下：

7、s21.对每个振动信号均进行变分模态分解，每个振动信号生成n个imf分量；

8、s22.将每个振动信号n个imf分量中的超高频信号滤除，每个imf分量对应得到一个滤波后的imf分量；

9、s23.按照振动信号速度信号变化率不为0的时刻对每个滤波后的imf分量进行时域分割，将每个滤波后的imf分量分割为m个稳态速度下的振动信号；

10、s24.对每个稳态速度下的振动信号进行快速傅里叶变换，得到一个频谱，在每个频谱中取增益最大时的频率值作为频率特征值，将每个振动信号对应得到的频率特征值按照imf分量生成的顺序及时间顺序组成一串一维序列作为一个振动信号序列；

11、s3.将得到的振动信号序列以及转速序列输入到mamba模型进行训练，将训练好的mamba模型作为振动－转速的mamba预测模型；

12、s4.获取待检测的振动信号，并对待检测的振动信号进行数据处理，得到待检测的振动信号序列，将待检测的振动信号序列输入到振动－转速的mamba预测模型中，输出预测的转速序列。

13、第二方面，本发明提供了一种通过振动信号测算列车轮对瞬时转速的系统，其包括：数据采集模块、数据处理模块和数据监控模块，所述数据采集模块与所述数据处理模块信息交互，所述数据处理模块和所述数据监控模块信息交互；

14、数据采集模块，用于获取连续时间窗口内的振动信号以及转速序列；

15、数据处理模块，用于对获取到的每个振动信号进行数据处理，每个振动信号对应得到一个振动信号序列，将转速序列作为振动信号序列每一段转速平稳时期的转速标签；其中，所述数据处理具体过程如下：对每个振动信号均进行变分模态分解，每个振动信号生成n个imf分量；将每个振动信号n个imf分量中的超高频信号滤除，每个imf分量对应得到一个滤波后的imf分量；按照振动信号速度信号变化率不为0的时刻对每个滤波后的imf分量进行时域分割，将每个滤波后的imf分量分割为m个稳态速度下的振动信号；对每个稳态速度下的振动信号进行快速傅里叶变换，得到一个频谱，在每个频谱中取增益最大时的频率值作为频率特征值，将每个振动信号对应得到的频率特征值按照imf分量生成的顺序及时间顺序组成一串一维序列作为一个振动信号序列；

16、数据监控模块，用于将得到的振动信号序列以及转速序列输入到mamba模型进行训练，将训练好的mamba模型作为振动－转速的mamba预测模型；获取待检测的振动信号，并对待检测的振动信号进行数据处理，得到待检测的振动信号序列，将待检测的振动信号序列输入到振动－转速的mamba预测模型中，输出预测的转速序列。

17、作为上述第二方面的优选，所述数据采集模块包含振动传感器、传感器数据预处理模块、控制器模块、电源模块、时钟模块、存储器模块以及数据传输模块，所述振动传感器通过传感器数据预处理模块与控制器模块连接，所述时钟模块、所述存储器模块、所述数据传输模块以及所述电源模块均与所述控制器模块直接连接。

18、作为上述第二方面的优选，所述传感器数据预处理模块包含第一电阻、第二电阻、第三电阻、第四电阻、第五电阻、第六电阻、第七电阻、第八电阻、第九电阻、第一电容、第二电容、第三电容、第四电容、第一运算放大器、第二运算放大器以及第三运算放大器；

19、其中，信号输入-in端连接第一电阻的一端，第一电阻的另一端分别连接第一电容的一端、第三电阻的一端和第一运算放大器的负电源脚，第一电容的另一端与第三电阻的另一端均连接第一运算放大器的输出脚，信号输入+in端连接第二电阻的一端，第二电阻的另一端分别连接第四电阻的一端、第二电容的一端以及第一运算放大器的正电源脚，第二电容的另一端连接第四电阻的另一端并接地，第二电容的另一端连接第四电阻的另一端并接地，第一运算放大器的输出脚连接第五电阻的一端，第一运算放大器的供电端正极连接直流电源，第一运算放大器的供电端负极接地，第五电阻的另一端连接第二运算放大器的正电源脚，第二运算放大器的负电源脚连接第三运算放大器的负电源脚，第二运算放大器的供电端正极连接直流电源，第二运算放大器的供电端负极接地，第三运算放大器的正电源脚分别连接第八电阻的一端以及第九电阻的一端，第九电阻的另一端接地，第三运算放大器的供电端正极连接直流电源，第三运算放大器的供电端负极接地，第八电阻的另一端与第七电阻的一端均连接第二运算放大器的输出脚，第七电阻的另一端连接第四电容的一端，第四电容的另一端与第六电阻的一端均连接第三运算放大器的输出脚，第六电阻的另一端连接第三电容的一端，第三电容的另一端接地。

20、作为上述第二方面的优选，所述时钟模块包含时钟芯片、第五电容、第十电阻、第十一电阻、第十二电阻以及第十三电阻，第一直流电源端分别连接第十电阻的一端和第十一电阻的一端，第十电阻的另一端连接时钟芯片的sda端，第十一电阻的另一端连接时钟芯片的scl端，第二直流电源端分别连接第十二电阻的一端、第十三电阻的一端、第五电容的一端和时钟芯片的2端口，第五电容的另一端接地，第十二电阻的另一端连接时钟芯片的1端口，第十三电阻的另一端连接时钟芯片的3端口，时钟芯片的4端口连接所述控制器模块，时钟芯片的5端口、6端口、7端口、8端口、13端口、12端口、11端口、10端口、9端口均接地，时钟芯片的14端口接外接电池。

21、作为上述第二方面的优选，所述电源模块包含辅助电源电路和与辅助电源电路连接的隔离电路，所述辅助电源电路包含24v电压输入端、12v电压输出端、第一二极管、第二二极管、第六电容、第七电容、第八电容、第九电容、第十电容、第十四电阻、第十五电阻、第十六电阻、第一芯片以及第一电感，所述隔离电路包含第二芯片、第十七电阻、第十八电阻、第十九电阻、第二十电阻、第二十一电阻以及三极管；

22、其中，24v电压输入端连接第一二极管的正极，第一二极管的负极分别连接第六电容的一端、第七电容的正极、第十四电阻的一端、第一芯片的6引脚，第十四电阻的另一端分别连接第一芯片的7引脚、8引脚和1引脚，第一芯片的引脚2分别连接第二二极管的负极、第一电感的一端，第一电感的另一端分别连接第九电容的正极、第十电容的一端和12v电压输出端，第十电容的另一端分别连接第九电容的负极、第二二极管的正极、第八电容的一端、第一芯片的4引脚、第十五电阻的一端、第七电容的负极和第六电容的另一端，第八电容的另一端连接第一芯片的3引脚，第十五电阻的另一端分别连接第一芯片的5引脚和第十六电阻的一端，第十六电阻的另一端连接12v电压输出端，第二芯片的in1输入端上通过第十七电阻连接第十八电阻的一端，12v电压输出端连接第十八电阻的另一端和第二芯片的+12v电压端，第二芯片的正极输出端通过第十九电阻连接三极管的集电极，第二芯片的负极输出端连接第二十电阻的一端和第二十一电阻的一端，第二十电阻的另一端连接三极管的基极，第二十一电阻的另一端连接三极管的发射极。

23、本发明相对于现有技术而言，具有以下有益效果：

24、本发明的方法使用vmd、时域平稳划分及fft后取强信号频谱的数据处理方法，使用mamba模型进行深度学习，得到相对精确的振动－转速的mamba预测模型，由振动－转速的mamba预测模型将得到相对准确的实时转速，大大提升故障诊断的准确率。