本發(fā)明屬于鐵路安全監(jiān)控領域，具體是一種基于tads(tracksideacousticdetection?system，滾動軸承故障軌旁聲學診斷系統(tǒng))的車輪輪輞缺陷探測系統(tǒng)。

背景技術：

1、車輪是影響鐵道車輛運行安全的一個重要部件，在運行過程中常見的損傷主要有踏面損傷及輪輞開裂兩大類，輪輞開裂又因其隱蔽性造成的危害性最大，若不及時發(fā)現(xiàn)，會嚴重危及行車安全。針對輪輞開裂的車輪故障，目前缺乏行之有效的監(jiān)測手段。

2、使用既有tads設備對客車車輪輪輞等走行部關鍵部位進行監(jiān)測，是對車輛安全保障體系的有益補充。tads設備探測車輪輪輞故障時，其原理與tads設備探測軸承故障類似。在車輪出現(xiàn)故障時，其振動信號出現(xiàn)異常，也會伴隨著異常噪聲信號；但是超高頻和超低頻噪聲人耳不能聽到，可以通過聲學傳感器采集到，進而通過計算機進行分析。

3、通過對運行中車輛噪聲的采集和分析，可以識別車輪的工作狀態(tài)，提供有效的車輪故障診斷結果。輪輞裂紋故障也會在振動下產(chǎn)生具備一定特征的聲音信號，通過聲學傳感器陣列可以捕捉到該特征并進行故障判別。

4、tads設備目前主要局限于軸承故障的監(jiān)測，而未涵蓋到車輪踏面、車輪輪輞等走行部的關鍵部位。鑒于車輪作為車輛至關重要的組成部分，其故障發(fā)生頻率較高，通過軌旁設備實施有效的車輪故障檢測對于保障列車安全、推動智能化運維具有極為重要的意義。

技術實現(xiàn)思路

1、針對上述問題，本發(fā)明提出一種基于tads的車輪輪輞缺陷探測系統(tǒng)，完成軸承、車輪輪輞、車輪踏面相關的缺陷、擦傷、剝離和失圓等故障聲學檢測。

2、所述系統(tǒng)包括：軌邊聲音采集模塊、車輪測速定位模塊、控制和保護模塊、數(shù)據(jù)處理故障識別模塊以及故障聯(lián)網(wǎng)報警系統(tǒng)。

3、所述軌邊聲音采集模塊對火車軸承區(qū)域，以及火車車輪與軌道接觸區(qū)域的聲音進行采集，依次經(jīng)過信號調理和解調后送至數(shù)據(jù)處理故障識別模塊。

4、所述車輪測速定位模塊負責獲取車輪位置信號，并傳輸至控制和保護模塊，經(jīng)過調理后傳送至數(shù)據(jù)處理故障識別模塊，同時控制陣列保護機構的啟停動作。

5、所述數(shù)據(jù)處理故障識別模塊對采集的軸承及車輪聲音信號，進行故障模式分析和識別；對接收的車輪位置信號進行車速測量和位置定位，結合深度學習后的故障模型進行故障模式分析和識別，最終形成車輛故障信息報文，發(fā)送至故障聯(lián)網(wǎng)報警系統(tǒng)。

6、所述深度學習的故障模型結構如下：

7、由卷積層和池化層組成cnn部分，包括2個卷積層與1個池化層。

8、2層卷積層提取信號特征后通過池化層進行下采樣，減少權重參數(shù)。然后將提取出來的特征依次輸入到gru單元進行充分學習，篩選對結果有用的信息；最后連接一個輸出層，實現(xiàn)故障類型和故障程度識別。

9、所述基于tads的車輪輪輞缺陷探測系統(tǒng)的工作原理如下：

10、火車進入探測區(qū)域后，車輪測速定位模塊的傳感器識別和記錄車輪位置信息，軌邊聲音采集模塊采集各輛車經(jīng)過時的軸承聲音和車輪聲音；

11、火車通過后，數(shù)據(jù)處理故障識別模塊整合采集到的軸承聲音和車輪聲音進行同步、濾波、增強、提取，結合車輛位置信息及軸距信息，繪制各軸承、車輪對應“位置-聲音”曲線，通過基于深度學習的故障模型匹配和對比軸承故障模型庫、車輪故障模型庫，對軸承、車輪故障類型進行識別；識別完成后形成整列車故障的信息報文，發(fā)送至故障聯(lián)網(wǎng)報警系統(tǒng)進行聯(lián)網(wǎng)綜合報警。

12、所述軸承聲音和車輪聲音分離提取方法，具體步驟如下：

13、步驟一：當列車通過時，根據(jù)位置獲取位置-時間數(shù)組pt和車號標簽-時間數(shù)組lt，結合軸距信息和匹配車型模板，獲取列車車型-時間數(shù)組vt。

14、步驟二：匹配輪徑標準庫，完成軸承高度-時間數(shù)組bpt，以軸承中心水平線為基準，設置軸承聲場俯仰范圍δb和車輪聲場俯仰范圍δw；

15、步驟三：全息采集軸承及車輪聲音信號，完成軸承時域聲譜圖bti{1，2……n}和車輪時域聲譜圖wti{1，2……m}；

16、n為軸承聲音陣列傳感器數(shù)量；m為車輪聲音采集陣列傳感器數(shù)量；

17、步驟四：結合兩個時域聲譜圖bti和wti，濾除俯仰范圍δb外的干擾聲源，并增強軸承聲音信號，形成預處理后的單元軸承聲音時域聲譜圖bt_pi{1，2……n}；濾除俯仰范圍δw外的干擾聲源，并增強車輪聲音信號，形成預處理后的單元車輪聲音時域聲譜圖wt_pi{1，2……m}。

18、步驟五：對軸承時域聲譜圖bt_pi{1，2……n}和車輪時域聲譜圖wt_pi{1，2……m}，結合軸承/車輪聲音信號、采集陣列之間的互相關函數(shù)，進行同步、濾波、增強和組合，形成整列車軸承位置時域聲譜圖bt_f和車輪位置時域聲譜圖wt_f。

19、步驟六：通過波束指向處理，從時域聲譜圖bt_f和wt_f中，分別提取各軸承聲音信號位置聲譜圖sbpi{1，2……n}(n為列車軸承數(shù)量)和各車輪聲音信號位置聲譜圖swpi{1，2……m}(m為列車車輪數(shù)量)。

20、步驟七：對各軸承聲音信號位置聲譜圖sbpi{1，2……n}和各車輪聲音信號位置聲譜圖swpi{1，2……m}進行頻譜轉換分析，輸入至基于深度學習的故障模型開展故障類型及故障程度判別。

21、本發(fā)明的優(yōu)點在于：

22、(1)在現(xiàn)有tads系統(tǒng)上，增加車輪聲音定向采集陣列，與原有軸承聲音采集陣列組合形成新的陣列組合形式，結合聲源空間定位、干擾聲源濾除算法等，可提高軸承故障聲音、車輪故障聲音的信噪比和探測有效性。

23、(2)故障模型庫的形成，采用深度學習方法，通過大量現(xiàn)場軸承聲音、車輪聲音為輸入，提取軸承、車輪異常聲音特征參數(shù)，可提高軸承、車輪故障的識別能力。

技術特征：

1.一種基于tads的車輪輪輞缺陷探測系統(tǒng)，其特征在于，包括：軌邊聲音采集模塊、車輪測速定位模塊、控制和保護模塊、數(shù)據(jù)處理故障識別模塊和故障聯(lián)網(wǎng)報警系統(tǒng)；

2.如權利要求1所述的一種基于tads的車輪輪輞缺陷探測系統(tǒng)，其特征在于，所述軌邊聲音采集模塊包括軸承聲音采集陣列、車輪聲音采集陣列、聲音信號調理單元和聲音信號解調單元；

3.如權利要求1所述的一種基于tads的車輪輪輞缺陷探測系統(tǒng)，其特征在于，所述控制和保護模塊包括：車輪信號處理單元和軌邊陣列保護機構控制單元。

4.如權利要求1所述的一種基于tads的車輪輪輞缺陷探測系統(tǒng)，其特征在于，所述數(shù)據(jù)處理故障識別模塊包括：軸承及車輪聲音信號ad采集單元、車輪位置信號邏輯比較單元、信號分析及故障識別單元；

5.如權利要求1所述的一種基于tads的車輪輪輞缺陷探測系統(tǒng)，其特征在于，所述故障聯(lián)網(wǎng)報警系統(tǒng)包括：探測站車輛故障信息傳輸網(wǎng)絡和聯(lián)網(wǎng)報警數(shù)據(jù)平臺；

6.如權利要求1所述的一種基于tads的車輪輪輞缺陷探測系統(tǒng)，其特征在于，所述探測系統(tǒng)的工作原理如下：

7.如權利要求1所述的一種基于tads的車輪輪輞缺陷探測系統(tǒng)，其特征在于，還包括軸承聲音和車輪聲音分離提取方法，具體步驟如下：

技術總結
本發(fā)明公開了一種基于TADS的車輪輪輞缺陷探測系統(tǒng)，屬于鐵路安全監(jiān)控領域；具體包括：軌邊聲音采集模塊、車輪測速定位模塊、控制和保護模塊、數(shù)據(jù)處理故障識別模塊以及故障聯(lián)網(wǎng)報警系統(tǒng)；軌邊聲音采集模塊對火車軸承區(qū)域，以及火車車輪與軌道接觸區(qū)域的聲音進行采集，依次經(jīng)過信號調理和解調后送至數(shù)據(jù)處理故障識別模塊；車輪測速定位模塊獲取車輪位置信號，調理后傳送至數(shù)據(jù)處理故障識別模塊，同時控制陣列保護機構的啟停動作。數(shù)據(jù)處理故障識別模塊結合深度學習后的故障模型進行故障模式分析和識別，最終形成車輛故障信息報文，發(fā)送至故障聯(lián)網(wǎng)報警系統(tǒng)。本發(fā)明提高了軸承故障聲音、車輪故障聲音的信噪比和有效性。

技術研發(fā)人員：楊征西,喬森,苗鑫,賈超,劉鵬飛,張亨,陳曦,郝植恒,李華偉
受保護的技術使用者：北京航天神舟智能裝備科技股份有限公司
技術研發(fā)日：
技術公布日：2024/9/9