网站地图XML 工程师论文栏目为您提供《基于无线传感器的列车车轮擦伤故障诊断系统设计》范文一篇,希望对您在论文写作的时候有所帮助
范文大全
您当前的位置:代写硕士论文 > 论文范文 > 工程师论文 >

基于无线传感器的列车车轮擦伤故障诊断系统设计

添加时间:2019-05-23 11:14 来源:未知 作者:优选论文网
  摘要:针对当前列车行驶过程中因车轮质量而引发的列车故障问题, 提出了一种基于无线传感器的列车车轮擦伤故障诊断系统。该诊断系统应用声学检测的原理, 选择声学传感器采集列车车轮异常声音信号。一旦在列车运行的过程中出现异常信号, 即可被传感器采集并辨识;设计了软件完成对声学故障信号的分析和处理, 进而根据声音信号判断出列车车轮的故障状况。最后, 通过系统测试的方式, 对上述的方案诊断方案进行了验证, 证实了其可行性与准确性。
  
  关键词:声学传感器; 车轮擦伤; 故障诊断; 信号处理; 硬件架构;
 
  
  0 引言
  
  近年来, 随着国民安全意识的提高, 如何保障人们的出行安全成为社会各界重点讨论的话题。在此背景下, 列车作为使用频率较高的交通工具, 其安全性能自然受到相关部门的重点关注。在列车的众多零部件中, 车轮是其中最关键也是最核心的部件, 直接影响着列车的行驶安全。列车在高速行驶过程中, 车轮表面与铁轨之间必不可少将产生剧烈的碰撞, 促使列车车轮踏面形成一块或多块平面, 从而产生列车车轮擦伤。列车车轮擦伤这一现象在产生时将会发出极大的异常噪声, 不仅降低乘客的乘坐舒适度, 还会给列车道路附近的生活居民造成影响。与此同时, 若是列车车轮擦伤情况较为严重, 还将对运行中列车的车轮及铁轨造成极大的冲击, 从而引发铁轨和轮轴等的断裂事故, 威胁列车乘客及工作人员的人身安全。由此看出, 对车轮擦伤故障诊断研究工作刻不容缓。就目前情况来看, 铁路部门对车轮擦伤的检测中, 一部分是通过人工检测, 凭借个人经验进行检查;另一部分是通过信号处理或模式识别的方法。如赵蓉 (2017) 则通过构建PSO-SVM智能识别算法对故障信号进行识别。由此看出, 加强车轮擦伤故障诊断研究, 是提高列车车轮故障诊断的重点, 也是必然趋势。而结合当前的研究, 本文则提出一种基于声学原理的车轮故障诊断方法, 并对其实现进行了详细设计。
  
  1 系统整体架构方案
  
  在列车的行驶过程中, 若是出现车轮表面擦伤故障时, 由于车轮与铁轨之间的摩擦, 将会引发一阵与时域部分和频域部分的信号皆异常的声音。通过将该异常声音与正常声音进行对比, 就可对列车是否发生车轮擦伤故障进行判断, 不仅如此, 还能使管理人员了解到擦伤故障的严重程度。因此, 如何区分列车车轮擦伤故障声音与正常声音, 是本次列车车轮擦伤故障诊断系统设计的关键所在。在对两种不同的声音进行区分时, 可根据列车行驶的信号特征, 从时域及频域方面入手进行研究。如利用列车行驶过程声音信号的无量纲参数以及有量纲参数作为依据, 对车轮正常行驶状态及擦伤故障状态进行区分。对此, 结合上述的分析, 本文将该系统的设计思路设计为:通过在列车车轮附近以及车厢内分别安装上声学传感器以及数据采集卡两种设备, 来对列车行驶过程中车轮声音信号进行采集, 并将采集结果发送至数据处理系统;数据处理系统在接收到相关的数据信息之后, 将由工业单板机对该数据进行处理及故障诊断, 并利用无线通信系统将故障诊断结果发送至工控机当中, 便于专业工作人员及时对故障进行处理。具体架构则见图1所示。
  
  图1 系统整体架构设计

  
  根据上图可以看出, 本文所设计的列车车轮擦伤故障诊断系统的整体架构主要分为四大模块, 分别为数据采集系统、数据处理系统、数据通信系统以及数据显示系统。其中数据采集系统由传感器以及数据采集卡构成, 主要负责声音数据的采集工作;数据处理系统由工业单板机组成, 主要负责数据处理工作;数据通信系统由无线通信模块组成;在整个系统架构中担负着数据传输的工作;数据显示系统由工控机组成, 主要复杂接收并显示故障数据。
  
  2 系统详细设计
  
  2.1 传感器选择与采集布局
  
  在硬件部分, 主要通过声学传感器完成对声音部分的采集, 然后通过这种采集完成对异常声响的识别。对此, 在硬件部分中, 选择东莞某设备公司生产的声学传感器。该传感器对频率的测量范围可以高达20 000 Hz, 可满足不同频率声音信号的采样需求, 同时可在-30~70 ℃的温度范围内工作, 基本可以满足不同气候下高速列车的声音信号采样需求。
  
  具体采集布局如图2所示。
  
  图2 传感器采集布局

  
  在该采集布局中, 总共安装8个传感器, 分别在左右两侧。该传感器的主要功能是负责对声音信号进行采集。
  
  同时, 在采集卡的选择上, 选择PCH2001型号。该采集卡采用的总线方式是基于PC104+, 拥有8路双端模拟通道, 可基本满足本系统的采集输入。
  
  2.2 整体电路设计
  
  根据上述的分析, 将该采集部分整体电路设计为如图3所示。
  
  在图3的整体电路中, 采集卡的连接采用双端输入的方式, 即传感器传输的8路信号正端连接到AI0~AI7的8个管脚上, 同时声学传感器的信号输入负端连接AI8~AI15管脚, 然后通过AGND完成与现场设备的连接。
  
  图3 采集部分整体电力示意图

  
  3 上机位软件设计
  
  3.1 声音采集流程设计
  
  在上述的结构中, 包含声音采集和对声音信号的分析处理。对此, 在对声音信号进行采集过程中, 通过Get Dev Status Pro AD () 函数来判断采集过程是否实现半满, 然后通过设备句柄完成对采集卡的控制操作。具体流程见图4所示。
  
  图4 声音采集实现流程

  
  3.2 异常声音识别算法
  
  对该算法来讲, 其是实现车轮擦伤诊断的关键, 也是重点。在对声音信号的诊断中, 人们通过采用傅里叶变换对信号进行甄别, 以此鉴别车轮的正常信号和异常信号。对此, 在该处理阶段, 本文主要将其分为三个步骤:一是声音预处理;二是特征提取;三是声音判断。
  
  3.2.1 声音预处理
  
  通常认为在车轮与钢轨在摩擦的过程中产生声音, 在该声音中包含有用声音和无用声音。具体用公式可以表示为式 (1) .
  
  其中, R (t) 表示有用信号;X (t) 表示干扰信号。
  
  在原始声音信号采集中, 为经处理的声音信号如图5所示。
  
  图5 声音信号频率特性

  
  在初始采集到的信号看出, 认为其信号中包含列车车轮摩擦声音和环境噪声。因此需要对声音进行预处理。而结合当前的的思路, 则提出通过滤波器的方式完成对信号频率的筛选, 进而过滤掉其中的环境噪声。
  
  3.2.2 特征提取
  
  在完成声音信号的预处理后, 需要对声音信号特征进行提取, 进而判断车轮声音故障。而研究发现在, 在通过滤波后, 存在大量的有量纲和无量纲的特征参数, 如有效值、峰值因子等。以有效值为例, 其计算为式 (2) .
  
  从时域的角度来讲, 其幅值随着时间的变化而在不断的变化。一旦其中出现异常声响, 那么其有效值会突然变大。但是, 在实际的运行中, 单次的变大并不能说明出现擦伤故障, 因此在实际的选择中会选择多个时域参数进行综合判断。本文则以有效值、峰值因子和峭度作为主要提取参数, 通过提取可以得到图6和图7的正常车轮摩擦信号和异常信号, 并判断车轮是否存在擦伤。
  
  图6 正常车轮摩擦信号

  
  图7 异常车轮信号
  
  4 上机位界面实现
  
  在完成上述的设计后, 然后再利用VC++6.0工具对软件进行编程。该工具为微软公司推出的一款集成开发软件, 包含各种丰富的编程语言和组件。最为重要的是该工具中包含一个MFC的类库, 可有效提高开发效率。而通过该界面, 可实时展示列车车轮故障次数、位置等信息, 并查看历史记录。
  
  5 总结
  
  通过上述的研究看出, 对列车车轮擦伤声音识别需要提取其正常信号和异常信号的特征参数, 进而通过特征参数完成对信号的判断。而要达到这个目的, 需要从硬件和软件的角度共同实现, 包括声音信号采集、信号预处理等。而通过本文的研究, 也实现了对车轮擦伤的自动识别, 为列车运行提供了借鉴与参考。
  
  参考文献
  
  [1] 李奕璠, 林建辉, 刘建新, 等。车轮踏面擦伤识别方法[J].振动与冲击, 2013, 32 (22) :21-27.  
  [2] 赵蓉, 史红梅。基于高阶谱特征提取的高速列车车轮擦伤识别算法研究[J].机械工程学报, 2017, 53 (6) :102-109.  
  [3] 廖里程, 梅劲松, 赵阳。机车车轮踏面擦伤数据处理算法的研究[J].电子测量技术, 2015, 38 (5) :114-118.  
  [4] 周璇, 陈光雄, 赵鑫。基于经验模式分解和神经网络的车轮踏面擦伤检测方法[J].润滑与密封, 2015, 40 (6) :13-18.  
  [5] 邓文豪, 金炜东。一种基于自适应形态提升小波的车轮踏面擦伤识别新方法[J].振动与冲击, 2015, 34 (21) :45-48.  
  [6] 赵勇。基于GA-RBFNN算法的列车车轮踏面损伤识别[J].计算机工程与应用, 2012, 48 (8) :32-34.  
  [7] 曹晏飞, 滕光辉, 余礼根, 等。含风机噪声的蛋鸡声音信号去噪方法比较[J].农业工程学报, 2014, 30 (2) :212-218.  
  [8] 周广林, 舒阳欢。基于LabVIEW的机床声音信号采集与处理系统[J].机械工程师, 2015 (8) :36-38.  
  [9] 李春雷, 董志学, 王新杰。发电机声音检测与故障诊断研究[J].内蒙古工业大学学报 (自然科学版) , 2015, 34 (3) :201-208.
  [10] 杜晓冬, 滕光辉。蛋鸡声音信号去噪方法对比分析[J].农业机械学报, 2017, 48 (12) :327-333.  
  [11] 苏湘, 罗健飞, 吴仲城, 等。一种支持Android的多通道数据采集卡设计[J].自动化与仪表, 2014, 29 (7) :61-64.  
  [12] 尹学爱, 马国利, 冯伟伟。基于MATLAB的声音信号频谱分析仪[J].教育教学论坛, 2018 (4) :276-278.  
  [13] 李颀, 白雨尼, 王丹聪。基于小波包分析的玻璃破碎声音识别系统设计[J].计算机测量与控制, 2018, 26 (1) :168-172.  
  [14] 薛为佳, 王爽。音频信号处理技术在配网巡检系统中的实现[J].电子技术与软件工程, 2016 (2) :111.  
  [15] 罗丽, 马尚昌, 汤志亚, 等。基于MSP430F169单片机的声音定位系统[J].微型机与应用, 2016, 35 (4) :80-84.  
  [16] 赵巧妮。声光控电路的设计与仿真[J].自动化技术与应用, 2016, 35 (8) :154-158.
电话 13701839868
扫一扫
快速咨询官方微信
微信号:13701839868
优选论文官方微信