[发明专利]一种基于轨边声学信号时频脊线的高速列车运动参数识别方法

说明书

本发明公开了一种基于轨边声学信号时频脊线的高速列车运动参数识别方法，包括：(1)对X(t)进行降采样、滤波得到x(t)；(2)对x(t)进行短时傅里叶变换(STFT)得到时频分布STFTx(t,f)；(3)使用阈值处理和局部峰值搜索法从步骤(2)的时频分布STFTx(t,f)中获取主频率成分的瞬时频率曲线f0(t)；(4)基于多普勒频移公式对步骤(3)中的瞬时频率曲线f0(t)进行自适应运动参数识别；(5)构建符合多普勒时频变化规律的多普勒窗wγ(t,f)；(6)令f0(t)＝wγ(t,f)*STFTx(t,f)；(7)重复步骤(3)～(6)直至步骤(5)中的多普勒窗wγ(t,f)频率轴最小宽度小于设定值w0，将得到的γ{f0,v,s,r}作为列车运动参数识别结果。本发明抗噪能力和参数估计精度得到了提高，可用于列车轴承声学信号故障检测。

技术领域

本发明涉及高速列车轮对轴承轨边声学故障诊断的技术领域，具体涉及一种基于轨边信号时频脊线的高速列车运动参数识别方法，用于轨边信号多普勒畸变的矫正。本发明提供的方法可以实现基于信号本身的列车运动参数估计，无需依赖额外的测距、测速传感器。

背景技术

列车在高速运行时轮对轴承发出的声音信号中蕴含了与其健康状况密切相关的信息，在轨边安装麦克风采集声音信号并通过信号处理手段能够对轮对轴承进行有效的故障诊断，具有非接触式监测，便于安装和在线监测的特点。然而，由于列车的高速行驶，采集到的道旁声学信号会发生严重的多普勒时频畸变，这会严重干扰后续的故障信息提取，所以必须对畸变信号进行矫正，而畸变矫正的前提是列车运动参数的获取。

发明内容

本发明要解决的技术问题为：克服现有技术不足，通过时频分析、瞬时频率提取、多普勒窗迭代压缩和函数拟合法，可以实现基于采集到的轨边声学信号自适应的获取参数，可运用于畸变矫正。本发明提出的多普勒窗的构建还可以达到可变频带的滤波效果，这样可以消除一些与主频成分信号频率接近的强背景噪声，最终改善轨边声学信号故障信息提取的效果。

本发明解决上述技术问题采用的技术方案为：一种基于轨边声学信号时频脊线的高速列车运动参数识别方法，使用安装在铁轨两侧的麦克风采集列车高速通过时轮对轴承发出的故障声音信号，作为检测信号X(t)，对该检测信号的处理步骤为：

步骤(1-1)、对信号X(t)进行预处理，基于时频分布提取主频率成分信号的瞬时频率f0(t)。

步骤(1-2)、结合自适应识别的参数集γ(f0,v,s,r)，再基于运动模型计算出参数集γ’(f0,v,s,r)。

步骤(1-3)、构建符合信号畸变趋势的多普勒窗以实现可变频带的滤波处理。通过不断缩小多普勒窗的范围进行跌代拟合，最终达到运动参数识别精度的提高。

列车运动模型分析：

根据运动模型构建多普勒窗：

{(1±k*ξ)·f0(t),t＝1,2,…,N}