[发明专利]一种高速列车轨边运动参数自适应识别方法

说明书

本发明公开了一种高速列车轨边运动参数自适应识别方法，包括：(1)对轨边麦克风采集信号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STFT_x(t,f)；(3)初始化轨边模型参数集γ{v,r,f₀}；(4)基于步骤(3)中的参数和轨边信号的频移公式f_k(t)构造符合多普勒时频变化规律多普勒窗w^γ(t,f)；(5)令x₀(t)＝w^γ(t,f)*STFT_x(t,f)；(6)在整个时频域中从低频到高频依次计算所构造出来的多普勒窗区域在不同频段对应的信号能量值E；7)重复步骤(3)～(6)直至得到能量最大值E_max，将与之对应的γ{,v,r,f₀}作为列车运动参数识别结果。本发明抗噪能力和参数估计自适应程度得到了提高，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，具体涉及一种高速列车轨边运动参数自适应识别方法。

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、成本低和能发现早期故障的优点。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。目前大多数的列车运动参数提取的算法大多存在自适应程度不够，过度依赖人为干预的问题。

本发明旨在提高算法的自适应程度，实现不依赖人为干预来自适应的识别参数。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。

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、多普勒窗构建和函数拟合法，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，提高实用性。

本发明解决上述技术问题采用的技术方案为：一种高速列车轨边运动参数自适应识别方法，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)、道旁声学信号多普勒畸变中心频率f_k(t)构建；

步骤(1-2)、基于上述参数集合运动模型构造符合多普勒畸变规律的窗wγ(t,f)，且将每一组参数构造出来的多普勒窗的中心频率f在信号时频分布中从低频到高频依次移动，这样每移动一个Δf就又会产生一个新的多普勒窗。

步骤(1-3)、依次计算所有多普勒窗所在区域的局部信号能量值E，寻找最大能量值E_max，能量最大值对应的一组参数就是最优参数。

所述步骤(1-1)中，中心频率f_k(t)构建的步骤如下：

步骤(2-1)这里声源运动参数集参数集γ(v,r,f₀)中没有包括声源运动模型的横向距离。这对算法的高效性和稳定性都是十分有利的。在算法实际匹配的过程中，只要计算出信号的时长T,就可以定义运动模型的横向距离s为：

s＝vT/2

步骤(2-2)对声源信号的运动模型进行演化得到新的运动模型函数。