Nothing Special   »   [go: up one dir, main page]

CN115257857A - 一种基于惯性原理的轨面三角坑识别方法 - Google Patents

一种基于惯性原理的轨面三角坑识别方法 Download PDF

Info

Publication number
CN115257857A
CN115257857A CN202211189440.7A CN202211189440A CN115257857A CN 115257857 A CN115257857 A CN 115257857A CN 202211189440 A CN202211189440 A CN 202211189440A CN 115257857 A CN115257857 A CN 115257857A
Authority
CN
China
Prior art keywords
signal
triangular
rail surface
pit
triangular pit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211189440.7A
Other languages
English (en)
Other versions
CN115257857B (zh
Inventor
陈是扦
谢博
王开云
樊俊杰
翟婉明
凌亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202211189440.7A priority Critical patent/CN115257857B/zh
Publication of CN115257857A publication Critical patent/CN115257857A/zh
Application granted granted Critical
Publication of CN115257857B publication Critical patent/CN115257857B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61KAUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/08Measuring installations for surveying permanent way

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于惯性原理的轨面三角坑识别方法,该方法以轴箱振动信号为三角坑识别的数据来源。首先,基于惯性原理从轴箱加速度信号中识别出左右轨面垂向不平顺。然后,利用平方包络算法从不平顺数据中精准定位三角坑中心位置。最后,通过试验数据验证了所提出三角坑检测方法的有效性。该方法实现了轨面三角坑的关键参数识别,如三角坑位置、基长与幅值等,适用于将检测设备搭载于运营车辆从而实现三角坑智能检测与预警。

Description

一种基于惯性原理的轨面三角坑识别方法
技术领域
本发明属于轨面检测技术领域,具体涉及一种基于惯性原理的轨面三角坑识别方法。
背景技术
列车经过轨面三角坑时作用在轮轨上的作用力会发生突变,从而引发车辆的侧滚和横摆,严重超限的三角坑将导致车辆转向架呈三轮支撑一轮悬浮的恶劣状态,列车倾覆、脱轨等风险将会大大加剧,这是对于列车行车安全的严峻挑战。因此,有必要开展运营线路轨面三角坑的常态化监测,及时发现超限区段并整改,以确保轨道健康,保障重载列车运输安全。
在现有的轨面三角坑检测方法中,现有的技术手段主要包括基于人工的静态检测和基于轨道检测车的动态检测。轨道检查仪和轨距尺是人工测量的主要工具,有一个优点是检测精度较高,但是还存在检测效率低且耗费大量人力物力,需要占用列车运营时间等缺点。现有的动态检测主要采用轨道检测车或综合检测列车,去除了静态检测方法耗费人力物力的不足,但使用成本较高,且不适合高密度线路的频繁测量,仍然很难满足轨面三角坑的常态化检测需求。综上所述,现有的轨道静态和动态检测方法均很难满足对轨面三角坑状态的快速、准确和及时的评估。因此,在运营车辆上安装检测装置并采集车辆关键部件动力学响应信号,开发相应的检测算法,是未来轨面三角坑检测技术的主要研究方向。
发明内容
为克服上述存在之不足,提出了一种基于惯性原理的轨面三角坑识别方法,其可以通过测量轴箱加速度信号,并基于惯性原理和信号平方包络计算方法,识别轨面三角坑产生的位置,具有精度高,不易受到环境影响等优点,可为判断轨道是否需要养护维修提供依据并提高检测效率。
为实现上述目的本发明所采用的技术方案是:提供一种基于惯性原理的轨面三角坑识别方法。其步骤包括:
步骤1)信号获取:采集车辆左右侧轴箱垂向加速度信号;
步骤2)数据预处理:使用低通滤波器对信号降噪并剔除异常监测数据;
步骤3)基于惯性原理分析振动信号:
步骤3.1)对预处理后的加速度信号使用积分滤波器进行二次积分,得到轨面垂向位移波动信号;
步骤3.2)采用最小二乘法去除积分后产生的趋势项,得到轨面垂向不平顺;
步骤4)使用平方包络算法处理得到轨面垂向不平顺的平方包络信号;
步骤5)根据轨面垂向不平顺的平方包络信号定位轨面三角坑;
步骤6)根据轨面三角坑所在位置,分别确定左右轨面的三角坑基长、幅值。
根据本发明所述的一种基于惯性原理的轨面三角坑识别方法,其进一步的优选技术方案是:在转向架的左右轴箱上安装加速度传感器来获得加速度信号。
根据本发明所述的一种基于惯性原理的轨面三角坑识别方法,其进一步的优选技术方案是:所述低通滤波器用于去除监测信号中的高频噪声干扰,同时剔除由于传感器缺陷及外界环境引起的异常监测信号。
根据本发明所述的一种基于惯性原理的轨面三角坑识别方法,其进一步的优选技术方案是:步骤3)中二次积分,如下式所示:
由积分定义可得:
Figure 614620DEST_PATH_IMAGE002
(1)
Figure 580696DEST_PATH_IMAGE004
(2)
由(1)和(2)可得:
Figure 534002DEST_PATH_IMAGE006
(3)
此时二次积分滤波器的传递函数
Figure 215695DEST_PATH_IMAGE008
为:
Figure 79002DEST_PATH_IMAGE010
(4)
上式(1)-(4)中
Figure 465246DEST_PATH_IMAGE012
表示轴箱垂向位移值,
Figure 46794DEST_PATH_IMAGE014
表示对
Figure DEST_PATH_IMAGE015
求导数,
Figure DEST_PATH_IMAGE017
Figure DEST_PATH_IMAGE019
Figure DEST_PATH_IMAGE021
之间的相隔的时间点,z为z变换算子,n表示轴箱加速度采样点。
根据本发明所述的一种基于惯性原理的轨面三角坑识别方法,其进一步的优选技术方案是:由式(4)可知,积分滤波器容易对低频趋势信号产生积分饱和,利用最小二乘法去除积分后的低频趋势,如下式所示:
Figure DEST_PATH_IMAGE023
+
Figure DEST_PATH_IMAGE025
=
Figure 788571DEST_PATH_IMAGE026
(5)
由最小二乘法准则,则应使:
Figure 32950DEST_PATH_IMAGE028
(6)
上式(5)-(6)中
Figure DEST_PATH_IMAGE029
为趋势项拟合函数,取
Figure DEST_PATH_IMAGE031
Figure DEST_PATH_IMAGE033
Figure DEST_PATH_IMAGE035
是拟合函数的系数,Q表示最小化误差平方和,
Figure DEST_PATH_IMAGE037
为加速度积分后
Figure DEST_PATH_IMAGE039
处的位移信号。
根据本发明所述的一种基于惯性原理的轨面三角坑识别方法,其进一步的优选技术方案是:步骤4)平方包络算法处理为:
车辆通过轨面三角坑时会产生瞬态冲击,并引起振动信号瞬时能量的波动,利用平方包络算法检测轨道不平顺信号
Figure DEST_PATH_IMAGE041
时域内的瞬时能量波动,对于长度为N的零均值滤波信号
Figure 260536DEST_PATH_IMAGE042
,其平方包络信号
Figure DEST_PATH_IMAGE043
表示为:
Figure 225651DEST_PATH_IMAGE044
(7)
式中
Figure DEST_PATH_IMAGE045
为希尔伯特变换,j=
Figure DEST_PATH_IMAGE047
根据本发明所述的一种基于惯性原理的轨面三角坑识别方法,其进一步的优选技术方案是:步骤5)中,平方包络信号的峰值表示待检测信号的特征突变位置,即平方包络信号曲线的峰值对应线路中轨面三角坑的位置,检测平方包络信号的突变位置,根据不平顺包络曲线峰值定位左右轨轨面三角坑。
根据本发明所述的一种基于惯性原理的轨面三角坑识别方法,其进一步的优选技术方案是:步骤6)根据三角坑定位信息,结合步骤3)中计算得到的轨面垂向不平顺,识别出三角坑的基本参数基长和幅值,由此可确定三角坑损伤程度,为现场养护维修提供参考依据。
根据本发明所述的一种基于惯性原理的轨面三角坑识别方法,其进一步的优选技术方案是:步骤1)中,要求轴箱垂向加速度信号采样频率大于500Hz,车辆运行速度小于80km/h。
本发明以我国运营货车C80为研究对象,搭建车辆动力学模型,基于轴箱加速度实现轨面三角坑检测。该方法首先基于惯性原理从轴箱加速度信号中识别出钢轨垂向不平顺,然后利用平方包络算法定位垂向不平顺中所包含的三角坑,从而为基于运营车辆的三角坑动态检测方法研究提供理论依据。
相比现有技术,本发明的技术方案具有如下优点/有益效果:
1、本发明用于检测的数据来源于车辆两侧轴箱垂向加速度,该位置的振动信号为实验或者研究常用测点,信号来源易于获取。
2、本发明使用了二次积分滤波器对轴箱加速度信号进行积分运算,比普通的时域积分法、频率积分法在连续计算方面更具备优势,使惯性法的效果更佳。
3、利用平方包络算法拾取经惯性原理处理后的有效信号初始特征波动出现位置,结果表明通过不平顺平方包络曲线可识别出三角坑产生的区域,同时,不平顺平方包络信号曲线峰值可为三角坑的识别与预警阈值的建立提供参考依据。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中的基于惯性原理的轨面三角坑识别方法流程图。
图2为轨面三角坑示意图。
图3为本发明实施例中车辆左侧轴箱加速度信号。
图4为本发明实施例中车辆右侧轴箱加速度信号。
图5为本发明实施例中左轨垂向不平顺识别结果。
图6为本发明实施例中右轨垂向不平顺识别结果。
图7为本发明实施例中左轨面不平顺的平方包络峰值曲线。
图8为本发明实施例中右轨面不平顺的平方包络峰值曲线。
具体实施方式
为使本发明目的、技术方案和优点更加清楚,下面对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明的一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。因此,以下提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。
实施例:
如图1所示,一种基于惯性原理的轨面三角坑识别方法。其步骤包括:
步骤1)信号获取:采集车辆左右侧轴箱垂向加速度信号;
步骤2)数据预处理:使用低通滤波器对信号降噪并剔除异常监测数据;
步骤3)基于惯性原理分析振动信号:
步骤3.1)对预处理后的加速度信号使用积分滤波器进行二次积分,得到轨面垂向位移波动信号;
步骤3.2)采用最小二乘法去除积分后产生的趋势项,得到轨面垂向不平顺;
步骤4)使用平方包络算法处理得到轨面垂向不平顺的平方包络信号;
步骤5)根据轨面垂向不平顺的平方包络信号定位轨面三角坑;
步骤6)根据轨面三角坑所在位置,分别确定左右轨面的三角坑基长、幅值。
在转向架的左右轴箱上安装加速度传感器来获得加速度信号,当然,本发明只是采用轴箱的加速度信号进行较为适宜,不代表本发明不可采用其他地方的加速度信号进行轨面三角坑的识别,其他的加速度信号,本发明所述的方法只需做适应性的调整即可使用。
所述低通滤波器用于去除监测信号中的高频噪声干扰,同时剔除由于传感器缺陷及外界环境引起的异常监测信号,当然,若存在其他的异常监测信号也可通过滤波器进行去除。
步骤3)中二次积分,如下式所示:
由积分定义可得:
Figure 432221DEST_PATH_IMAGE002
(1)
Figure 535700DEST_PATH_IMAGE004
(2)
由(1)和(2)可得:
Figure 873534DEST_PATH_IMAGE006
(3)
此时二次积分滤波器的传递函数
Figure 667222DEST_PATH_IMAGE008
为:
Figure 256860DEST_PATH_IMAGE010
(4)
上式(1)-(4)中
Figure 464112DEST_PATH_IMAGE012
表示轴箱垂向位移值,
Figure 848214DEST_PATH_IMAGE014
表示对
Figure 152636DEST_PATH_IMAGE015
求导数,
Figure 280385DEST_PATH_IMAGE017
Figure 76565DEST_PATH_IMAGE019
Figure 416587DEST_PATH_IMAGE021
之间的相隔的时间点,z为z变换算子,n表示轴箱加速度采样点,采样点指的是周向加速度采样点的序号(编号)。
由式(4)可知,积分滤波器容易对低频趋势信号产生积分饱和,利用最小二乘法去除积分后的低频趋势,如下式所示:
Figure 665428DEST_PATH_IMAGE023
+
Figure 721502DEST_PATH_IMAGE025
=
Figure 388500DEST_PATH_IMAGE026
(5)
由最小二乘法准则,则应使:
Figure 47494DEST_PATH_IMAGE028
(6)
上式(5)-(6)中
Figure DEST_PATH_IMAGE049
为趋势项拟合函数,取
Figure DEST_PATH_IMAGE051
Figure DEST_PATH_IMAGE053
Figure DEST_PATH_IMAGE055
是拟合函数的系数,Q表示最小化误差平方和,
Figure DEST_PATH_IMAGE057
为加速度积分后
Figure DEST_PATH_IMAGE059
处的位移信号。
该方法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。
步骤4)平方包络算法处理为:
车辆通过轨面三角坑时会产生瞬态冲击,并引起振动信号瞬时能量的波动,利用平方包络算法检测轨道不平顺信号
Figure 28306DEST_PATH_IMAGE060
时域内的瞬时能量波动,对于长度为N的零均值滤波信号
Figure 278284DEST_PATH_IMAGE042
,其平方包络信号
Figure 534209DEST_PATH_IMAGE043
表示为:
Figure 199722DEST_PATH_IMAGE044
(7)
式中
Figure 439467DEST_PATH_IMAGE045
为希尔伯特变换,j=
Figure DEST_PATH_IMAGE061
(即虚数单位) 。
步骤5)中,平方包络信号的峰值表示待检测信号的特征突变位置,即平方包络信号曲线的峰值对应线路中轨面三角坑的位置,检测平方包络信号的突变位置,根据不平顺包络曲线峰值定位左右轨轨面三角坑。
步骤6)根据三角坑定位信息,结合步骤3)中计算得到的轨面垂向不平顺,识别出三角坑的基本参数基长和幅值,由此可确定三角坑损伤程度,为现场养护维修提供参考依据。
需要说明的,上述所有涉及的初始数据以及中间数据均为左右轨的数据,包括轴箱垂向加速度信号、平方包络信号、平方包络信号曲线、左右轨垂向不平顺等数据。
下面结合实际应用进行说明,如图1所示,一种基于惯性原理的轨面三角坑识别方法详细流程如图1所示,包括以下步骤:
1、设置三角坑的参数然后进行仿真实验,采集车辆左右侧轴箱振动加速度;
轨面三角坑设置方式为在左股钢轨设置波长为L=3.24 m,幅值为2.21 mm的谐波不平顺,右股钢轨设置波长为L=2.68m,幅值为2.04 mm的谐波不平顺,且分别位于左轨85.70 m处和右轨89.70 m处,如图2所示,同时在轨道上施加美国五级谱轨道不平顺,模拟运营货车的实际运行工况,图中的标记A表示三角坑幅值L表示三角坑波长。
实际中车辆运行速度应小于80 km/h,左右两侧轴箱加速度采样频率应大于500Hz,例如计算C80货车模型在加速度信号采样频率为2000 Hz,运行速度为60 km/h条件下通过三角坑时加速度时域波形,如图3、图4所示。
2、采样信号数据预处理;
对轴箱加速度信号进行200 Hz低通滤波去除轨道不平顺及车辆结构部件引起的噪声。
3、使用惯性原理得到左右轨垂向不平顺;
基于惯性原理对经过降噪后的加速度信号按式(4)进行二次积分,其中
Figure 276491DEST_PATH_IMAGE062
,最后基于最小二乘原理消除积分后趋势项即可得到轨面垂向不平顺,结果如图5、图6所示。
4、根据计算的轨面不平顺平方包络信号检测信号突变位置,即可定位出轨面三角坑位置。
具体实施方式中,进一步采用平方包络算法拾取信号突变位置来定位线路中轨面三角坑。如图7、图8所示,不平顺平方包络信号曲线的峰值位置对应三角坑的识别结果分别为左轨85.69 m和右轨90.14 m。
5、根据三角坑所在位置,确定三角坑基长、幅值;
具体实施方式中,根据步骤4中三角坑定位结果,结合图5、图6中轨道不平顺识别结果,图中波形波动最大的点即为三角坑位置,并测量出左轨三角坑基长、幅值分别为3.25m、2.29 mm,右轨三角坑基长、幅值分别为2.72 m,2.03 mm。
术语解释:轨道三角坑(即扭曲不平顺)是指两股钢轨顶面相对于轨道平面发生扭曲变形,钢轨在一定距离内先左股高于右股,然后是右股高于左股,反之亦然。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
以上仅是本发明的优选实施方式,应当指出的是,上述优选实施方式不应视为对本发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种基于惯性原理的轨面三角坑识别方法,其特征在于,其步骤包括:
步骤1)信号获取:采集车辆左右侧轴箱垂向加速度信号;
步骤2)数据预处理:使用低通滤波器对信号降噪并剔除异常监测数据;
步骤3)基于惯性原理分析振动信号:
步骤3.1)对预处理后的加速度信号使用积分滤波器进行二次积分,得到轨面垂向位移波动信号;
步骤3.2)采用最小二乘法去除积分后产生的趋势项,得到轨面垂向不平顺;
步骤4)使用平方包络算法处理得到轨面垂向不平顺的平方包络信号;
步骤5)根据轨面垂向不平顺的平方包络信号定位轨面三角坑;
步骤6)根据轨面三角坑所在位置,分别确定左右轨面的三角坑基长、幅值。
2.根据权利要求1所述的一种基于惯性原理的轨面三角坑识别方法,其特征在于,在转向架的左右轴箱上安装加速度传感器来获得加速度信号。
3.根据权利要求1所述的一种基于惯性原理的轨面三角坑识别方法,其特征在于,所述低通滤波器用于去除监测信号中的高频噪声干扰,同时剔除由于传感器缺陷及外界环境引起的异常监测信号。
4.根据权利要求1所述的一种基于惯性原理的轨面三角坑识别方法,其特征在于,步骤3)中二次积分,如下式所示:
由积分定义可得:
Figure DEST_PATH_IMAGE002AAA
(1)
Figure DEST_PATH_IMAGE004AAA
(2)
由(1)和(2)可得:
Figure DEST_PATH_IMAGE006AAA
(3)
此时二次积分滤波器的传递函数
Figure DEST_PATH_IMAGE008AA
为:
Figure DEST_PATH_IMAGE010AAA
(4)
上式(1)-(4)中
Figure DEST_PATH_IMAGE012_6A
表示轴箱垂向位移值,
Figure DEST_PATH_IMAGE014AAA
表示对
Figure DEST_PATH_IMAGE012_7A
求导数,
Figure DEST_PATH_IMAGE016AAA
Figure DEST_PATH_IMAGE018AA
Figure DEST_PATH_IMAGE020AAA
之间的相隔的时间点,z为z变换算子,n表示轴箱加速度采样点。
5.根据权利要求1所述的一种基于惯性原理的轨面三角坑识别方法,其特征在于,由式(4)可知,积分滤波器容易对低频趋势信号产生积分饱和,利用最小二乘法去除积分后的低频趋势,如下式所示:
Figure DEST_PATH_IMAGE022AAA
+
Figure DEST_PATH_IMAGE024AAA
=
Figure DEST_PATH_IMAGE026AAA
(5)
由最小二乘法准则,则应使:
Figure DEST_PATH_IMAGE028AAA
(6)
上式(5)-(6)中
Figure DEST_PATH_IMAGE030AAA
为趋势项拟合函数,取
Figure DEST_PATH_IMAGE032AAA
Figure DEST_PATH_IMAGE034AAA
Figure DEST_PATH_IMAGE036AAA
是拟合函数的系数,Q表示最小化误差平方和,
Figure DEST_PATH_IMAGE038AAA
为加速度积分后
Figure DEST_PATH_IMAGE040AAA
处的位移信号。
6.根据权利要求1所述的一种基于惯性原理的轨面三角坑识别方法,其特征在于,
步骤4)平方包络算法处理为:
车辆通过轨面三角坑时会产生瞬态冲击,并引起振动信号瞬时能量的波动,利用平方包络算法检测轨道不平顺信号
Figure DEST_PATH_IMAGE042AAA
时域内的瞬时能量波动,对于长度为N的零均值滤波信号
Figure DEST_PATH_IMAGE044AAA
,其平方包络信号
Figure DEST_PATH_IMAGE046AAA
表示为:
Figure DEST_PATH_IMAGE048AAA
(7)
式中
Figure DEST_PATH_IMAGE050AAA
为希尔伯特变换,j=
Figure DEST_PATH_IMAGE052AA
7.根据权利要求1所述的一种基于惯性原理的轨面三角坑识别方法,其特征在于,步骤5)中,平方包络信号的峰值表示待检测信号的特征突变位置,即平方包络信号曲线的峰值对应线路中轨面三角坑的位置,检测平方包络信号的突变位置,根据不平顺包络曲线峰值定位左右轨轨面三角坑。
8.根据权利要求1所述的一种基于惯性原理的轨面三角坑识别方法,其特征在于,步骤6)根据三角坑定位信息,结合步骤3)中计算得到的轨面垂向不平顺,识别出三角坑的基本参数基长和幅值,由此可确定三角坑损伤程度,为现场养护维修提供参考依据。
9.根据权利要求1所述的一种基于惯性原理的轨面三角坑识别方法,其特征在于,步骤1)中,要求轴箱垂向加速度信号采样频率大于500Hz,车辆运行速度小于80km/h。
CN202211189440.7A 2022-09-28 2022-09-28 一种基于惯性原理的轨面三角坑识别方法 Active CN115257857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211189440.7A CN115257857B (zh) 2022-09-28 2022-09-28 一种基于惯性原理的轨面三角坑识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211189440.7A CN115257857B (zh) 2022-09-28 2022-09-28 一种基于惯性原理的轨面三角坑识别方法

Publications (2)

Publication Number Publication Date
CN115257857A true CN115257857A (zh) 2022-11-01
CN115257857B CN115257857B (zh) 2022-12-16

Family

ID=83756811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211189440.7A Active CN115257857B (zh) 2022-09-28 2022-09-28 一种基于惯性原理的轨面三角坑识别方法

Country Status (1)

Country Link
CN (1) CN115257857B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101159143A (zh) * 2007-11-16 2008-04-09 凌阳科技股份有限公司 光驱跨轨信号产生装置与方法
CN101274636A (zh) * 2007-03-26 2008-10-01 林贵生 车载式轨道交通车辆运行状态智能监控和预警装置
CN101580071A (zh) * 2009-06-05 2009-11-18 中南大学 铁路机车车辆运行姿态测量系统
CN102032876A (zh) * 2010-11-25 2011-04-27 北京交通大学 一种既有铁路多跨连续梁使用状态检测方法
RU2010119627A (ru) * 2010-05-17 2011-11-27 Открытое акционерное общество "РАДИОАВИОНИКА" (RU) Способ оценки коррозионного повреждения подошвы рельса
JP2016099118A (ja) * 2014-11-18 2016-05-30 公益財団法人鉄道総合技術研究所 軸受異常判定装置、軸受異常判定システムおよび軸受異常判定プログラム
WO2017204490A1 (ko) * 2016-05-20 2017-11-30 주식회사 글로비즈 철도 차량 모니터링 장치 및 이를 이용한 모니터링 방법
CN108032868A (zh) * 2017-11-30 2018-05-15 中国铁道科学研究院 一种列车轨道检测系统及方法
CN109278796A (zh) * 2018-11-16 2019-01-29 北京主导时代科技有限公司 一种车载式车轮不圆度检测系统
CN109614850A (zh) * 2018-10-26 2019-04-12 武汉长天铁路技术有限公司 基于L-M的More算法的轨道不平顺谱拟合方法
CN111458744A (zh) * 2020-04-09 2020-07-28 西南交通大学 空间性旋转地震动模拟方法
CN112747925A (zh) * 2020-12-28 2021-05-04 西南交通大学 一种基于复合形态学滤波的滚动轴承故障诊断方法
CN112948984A (zh) * 2021-05-13 2021-06-11 西南交通大学 一种车载式的轨道高低不平顺峰值区间检测方法
CN114056381A (zh) * 2021-11-24 2022-02-18 西南交通大学 一种铁道车辆车轮扁疤监测方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101274636A (zh) * 2007-03-26 2008-10-01 林贵生 车载式轨道交通车辆运行状态智能监控和预警装置
CN101159143A (zh) * 2007-11-16 2008-04-09 凌阳科技股份有限公司 光驱跨轨信号产生装置与方法
CN101580071A (zh) * 2009-06-05 2009-11-18 中南大学 铁路机车车辆运行姿态测量系统
RU2010119627A (ru) * 2010-05-17 2011-11-27 Открытое акционерное общество "РАДИОАВИОНИКА" (RU) Способ оценки коррозионного повреждения подошвы рельса
CN102032876A (zh) * 2010-11-25 2011-04-27 北京交通大学 一种既有铁路多跨连续梁使用状态检测方法
JP2016099118A (ja) * 2014-11-18 2016-05-30 公益財団法人鉄道総合技術研究所 軸受異常判定装置、軸受異常判定システムおよび軸受異常判定プログラム
WO2017204490A1 (ko) * 2016-05-20 2017-11-30 주식회사 글로비즈 철도 차량 모니터링 장치 및 이를 이용한 모니터링 방법
CN108032868A (zh) * 2017-11-30 2018-05-15 中国铁道科学研究院 一种列车轨道检测系统及方法
CN109614850A (zh) * 2018-10-26 2019-04-12 武汉长天铁路技术有限公司 基于L-M的More算法的轨道不平顺谱拟合方法
CN109278796A (zh) * 2018-11-16 2019-01-29 北京主导时代科技有限公司 一种车载式车轮不圆度检测系统
CN111458744A (zh) * 2020-04-09 2020-07-28 西南交通大学 空间性旋转地震动模拟方法
CN112747925A (zh) * 2020-12-28 2021-05-04 西南交通大学 一种基于复合形态学滤波的滚动轴承故障诊断方法
CN112948984A (zh) * 2021-05-13 2021-06-11 西南交通大学 一种车载式的轨道高低不平顺峰值区间检测方法
CN114056381A (zh) * 2021-11-24 2022-02-18 西南交通大学 一种铁道车辆车轮扁疤监测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
宁静等: "基于EMD和Cohen核的轨道不平顺信号分析方法", 《振动与冲击》 *
张海强等: "基于参数优化VMD和SPWVD的轨道波磨辨识方法", 《铁路计算机应用》 *
李海涛等: "基于EEMD的轨道―车辆系统垂向动力学的时频分析", 《中国铁道科学》 *
苏燕辰等: "基于本征模函数的高速磁浮线路不平顺检测", 《西南交通大学学报》 *
陈宪麦等: "中国干线铁路轨道谱的拟合方法", 《交通运输工程学报》 *

Also Published As

Publication number Publication date
CN115257857B (zh) 2022-12-16

Similar Documents

Publication Publication Date Title
CN108515984B (zh) 一种车轮伤损检测方法及装置
CN108845028B (zh) 一种高速铁路钢轨波磨动态检测方法和装置
CN106018557B (zh) 一种基于小波分析的轨道表面凹陷检测方法
CN108562446B (zh) 基于轴箱振动时频域特征车轮多边形检测方法及终端设备
CN105092467B (zh) 一种高速铁路车轮踏面擦伤快速监测装置及方法
Tanaka et al. Application of axle-box acceleration to track condition monitoring for rail corrugation management
CN104006978B (zh) 一种铁道车辆轮轨之间作用力的间接测量方法
CN113276905B (zh) 区分轨道波磨及车轮多边形磨耗的识别方法与测量方法
CN106092015B (zh) 一种轨道表面凹陷长度检测方法
CN104309435A (zh) 一种路面不平度在线辨识系统及方法
CN113988326A (zh) 一种地铁设备维修优化方法及系统
CN113776760B (zh) 基于整轴振动分析的列车轮对失圆故障监测方法和系统
CN110399683B (zh) 基于频域幅值谱相似性滤波技术的桥梁冲击系数提取方法
CN115257857B (zh) 一种基于惯性原理的轨面三角坑识别方法
CN109050575A (zh) 一种列车车轮在线运动中数据集成采集方法
CN106052606B (zh) 一种基于尺度平均小波能量谱的轨道表面凹陷检测方法
CN115219251A (zh) 一种基于轮对运行姿态的铁道车辆动力学性能监测系统
CN111855793A (zh) 一种基于表面磁记忆信号的无缝铁轨内部温度应力早期诊断方法
CN104271428B (zh) 用于调查轮轨接触的方法
CN117725804B (zh) 轨道几何参数与车辆动力学融合影响分析方法及系统
CN210591925U (zh) 轴箱振动的轮径差检测系统
CN108622130A (zh) 一种新型轨道部件检测系统
JP3620790B2 (ja) 車輪踏面の損傷状態検出方法および装置
Lv et al. Feasibility verification for anomaly detection of track structures based on vibration data form vehicle body
CN115017965B (zh) 基于hht能量和最大李雅普诺夫指数的蛇行分类方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant