列車軸承軌邊聲信號(hào)沖擊成分提取

　　摘要：軌邊聲學(xué)檢測是列車軸承故障檢測的有效手段之一，然而軌邊信號(hào)在多普勒效應(yīng)的影響下產(chǎn)生的時(shí)頻調(diào)制給傳統(tǒng)的沖擊成分提取方法帶來了挑戰(zhàn)。現(xiàn)有的等周期多普勒瞬態(tài)小波模型未考慮軸承在實(shí)際運(yùn)行中的非純滾動(dòng)問題，因此存在提取誤差。針對該問題，提出了一種單瞬態(tài)多普勒調(diào)制Laplace小波模型與沖擊成分提取方法，可構(gòu)建與軌邊信號(hào)時(shí)頻結(jié)構(gòu)相匹配的單瞬態(tài)多普勒調(diào)制Laplace小波模型，利用相關(guān)濾波法從軌邊信號(hào)中逐個(gè)提取沖擊成分。與現(xiàn)有的等周期多普勒瞬態(tài)小波模型相比，識(shí)別精度更高，仿真和實(shí)驗(yàn)分析驗(yàn)證了該方法的有效性。該方法可用于列車軸承故障軌邊定量診斷，具有良好的應(yīng)用前景。

　　關(guān)鍵詞：故障診斷;列車軸承;瞬態(tài)分析;多普勒效應(yīng);Laplace小波

　　《振動(dòng)工程學(xué)報(bào)》雜志，于1987年經(jīng)國家新聞出版總署批準(zhǔn)正式創(chuàng)刊，CN:32-1349/TB，本刊在國內(nèi)外有廣泛的覆蓋面，題材新穎，信息量大、時(shí)效性強(qiáng)的特點(diǎn)，其中主要欄目有：論文、研究簡報(bào)、應(yīng)用實(shí)踐等。

　　軸承運(yùn)轉(zhuǎn)時(shí)發(fā)出的聲音信號(hào)蘊(yùn)含了豐富的健康狀態(tài)信息，對其進(jìn)行分析處理是實(shí)現(xiàn)故障診斷的有效途徑，并且與振動(dòng)信號(hào)相比具有非接觸式測量的優(yōu)點(diǎn)。軌邊聲學(xué)監(jiān)測技術(shù)利用安裝在鐵軌兩側(cè)的麥克風(fēng)陣列采集列車高速通過時(shí)輪對軸承發(fā)出的聲音信號(hào)(軌邊信號(hào))，通過對軌邊信號(hào)的分析處理來獲取列車軸承運(yùn)行狀況[1]。該方法能夠在不影響列車正常運(yùn)行的情況下，同時(shí)監(jiān)測數(shù)百個(gè)輪對軸承，是一種成本較低的非接觸式監(jiān)測手段[2-3]。

　　何正嘉等[4]提出Laplace小波相關(guān)濾波法，并成功將其應(yīng)用于內(nèi)燃機(jī)、水輪機(jī)、汽輪機(jī)等故障沖擊特征提取[5-6]。軸承部件局部故障會(huì)導(dǎo)致故障信號(hào)中出現(xiàn)沖擊響應(yīng)成分，研究表明Laplace小波與其具有相近的波形結(jié)構(gòu)。文獻(xiàn)[7-9]

　　通過構(gòu)造參數(shù)化Laplace小波和相關(guān)濾波法可以從軸承故障信號(hào)中成功提取沖擊成分。袁幸等[10]利用峭度最優(yōu)Laplace小波實(shí)現(xiàn)了滾動(dòng)軸承量化診斷。此外，Laplace小波還被應(yīng)用于汽車減速箱的齒輪故障診斷[11]和柴油機(jī)齒輪箱軸承的沖擊成分提取[12]。

　　然而，由于列車和軌邊安裝的麥克風(fēng)之間存在較高的相對運(yùn)動(dòng)速度，因此軌邊信號(hào)受到了多普勒效應(yīng)的影響，在時(shí)頻域上產(chǎn)生了特有的多普勒調(diào)制現(xiàn)象[13-15]，使得軌邊信號(hào)中的沖擊成分在時(shí)頻結(jié)構(gòu)上產(chǎn)生多普勒畸變。傳統(tǒng)的Laplace小波是針對靜態(tài)采集信號(hào)設(shè)計(jì)的，與軌邊信號(hào)的沖擊成分存在結(jié)構(gòu)上的差異，直接運(yùn)用會(huì)造成小波特征參數(shù)的錯(cuò)誤識(shí)別，因而無法實(shí)現(xiàn)沖擊成分的正確提取。

　　針對該問題，沈長青等[16]提出了一種周期性多普勒Laplace小波模型，并運(yùn)用于軌邊信號(hào)沖擊成分的提取。但在實(shí)際運(yùn)行中，由于軸承部件裝配間隙的存在以及潤滑作用，軸承滾子與內(nèi)外圈滾道之間并非嚴(yán)格的純滾動(dòng)，而是存在微小的相對滑動(dòng)，使得沖擊成分呈現(xiàn)微觀上的非周期性，這種情況下使用周期小波模型來識(shí)別就存在偏差。

　　為此，本文提出使用單瞬態(tài)多普勒Laplace小波模型從軌邊信號(hào)中逐個(gè)剝離沖擊成分，介紹了單瞬態(tài)多普勒Laplace小波模型構(gòu)建算法和瞬態(tài)沖擊成分提取算法。由于使用的小波與軌邊信號(hào)在時(shí)頻結(jié)構(gòu)上相近，并且能夠從信號(hào)中逐個(gè)剝離沖擊成分，因此識(shí)別精度得到提高。仿真信號(hào)和試驗(yàn)信號(hào)驗(yàn)證了該方法的有效性。

　　1單瞬態(tài)多普勒調(diào)制Laplace小波模型

　　1.1.軌邊聲學(xué)監(jiān)測模型

　　如圖1所示為單聲源單麥克風(fēng)軌邊聲學(xué)監(jiān)測模型。軸承聲源從t=0時(shí)刻開始從A點(diǎn)出發(fā)，以勻速V沿圖中所示方向運(yùn)動(dòng)至對稱點(diǎn)B點(diǎn)。麥克風(fēng)與AB線段之間的垂直距離為r，初始時(shí)刻軸承聲源與麥克風(fēng)位置的橫向距離為X0，聲源在t時(shí)刻與麥克風(fēng)的距離為R。運(yùn)動(dòng)過程中麥克風(fēng)采集到的信號(hào)稱為軌邊信號(hào)，經(jīng)過信號(hào)處理可從中提取軸承運(yùn)行狀態(tài)相關(guān)信息。由于聲源的高速運(yùn)動(dòng)，軌邊信號(hào)受到多普勒效應(yīng)的影響，與傳統(tǒng)的靜態(tài)采集信號(hào)相比，存在時(shí)頻結(jié)構(gòu)上的差別，給沖擊成分的提取帶來了困難。

　　3仿真分析

　　3.1仿真信號(hào)

　　為了驗(yàn)證本文方法的有效性，本節(jié)利用仿真信號(hào)進(jìn)行驗(yàn)證。仿真聲源信號(hào)為非周期雙邊Laplace小波，中心頻率為3000Hz，阻尼比為0.05，故障頻率為120Hz。仿真使用的軌邊模型參考圖1，模型參數(shù)設(shè)定為：r=0.5m，V=60m/s，X0=3.6m。采樣頻率設(shè)為20kHz。為了模擬實(shí)際工況中，軸承滾子與內(nèi)外圈滾道之間微小相對滑動(dòng)造成的沖擊成分微觀上的非周期性現(xiàn)象，將仿真聲源信號(hào)各個(gè)沖擊成分的間隔設(shè)置為{245，250，246，280，233，253，254，241，245}，仿真聲源信號(hào)如圖5(a)所示，其對應(yīng)的軌邊仿真信號(hào)如圖5(b)所示，觀察可以發(fā)現(xiàn)在多普勒效應(yīng)影響下，各個(gè)沖擊成分的間隔變?yōu)閧202，207，205，244，243，290，297，283，288}。

　　為了檢驗(yàn)提出方法對含噪信號(hào)的有效性，對前面分析的仿真信號(hào)加入信噪比為5dB的高斯噪聲，加噪后的聲源信號(hào)和軌邊信號(hào)如圖8(a)和(b)所示。再次利用本文方法進(jìn)行沖擊成分提取，參數(shù)搜索范圍與前述處理過程中設(shè)置相同，圖8(c)-(e)展示了第一次搜索過程的相關(guān)系數(shù)走勢曲線、最優(yōu)單瞬態(tài)Laplace小波和對應(yīng)的單瞬態(tài)多普勒調(diào)制Laplace小波。最終提取的沖擊成分如圖8(f)所示，各個(gè)沖擊成分間隔為{202，207，205，244，243，290，297，283，288}，與仿真信號(hào)一致，可以看出本文方法具有較好的抗噪能力。另一方面，利用等周期模型提取的沖擊成分結(jié)果展示在圖8(g)中，得到的各個(gè)沖擊成分的間隔{223，224，226，242，295，314，315，318，317}與前述無噪仿真信號(hào)分析結(jié)果{223，224，226，242，295，313，316，325，310}相比發(fā)生了微小變化，說明在噪聲的影響下等周期模型產(chǎn)生了一定的識(shí)別誤差。

　　在圖9中，對比了等周期模型方法和本文方法提取的沖擊成分與仿真信號(hào)的相關(guān)系數(shù)。無噪情況下，兩種方法提取的沖擊成分與仿真信號(hào)的相關(guān)系數(shù)分別為0.555和1，在5dB含噪情況下，兩種方法提取的沖擊成分與仿真信號(hào)的相關(guān)系數(shù)分別為0.5078和0.9865。可見本文提出的單瞬態(tài)多普勒調(diào)制Laplace小波模型與等周期模型相比識(shí)別精度更高，抗噪能力更強(qiáng)。為了進(jìn)一步驗(yàn)證本文方法的抗噪能力，對-5-5dB信噪比范圍內(nèi)的仿真信號(hào)進(jìn)行分組分析，并計(jì)算提取的沖擊成分與仿真信號(hào)的相關(guān)系數(shù)，其結(jié)果如圖10所示[JP2]，可以看出在噪聲較強(qiáng)的情況下本文方法仍然保持了較好的提取效果。

　　4實(shí)驗(yàn)分析

　　4.1實(shí)驗(yàn)信號(hào)

　　為了進(jìn)一步驗(yàn)證本文方法的有效性，本節(jié)對某型號(hào)列車滾動(dòng)軸承的軌邊試驗(yàn)信號(hào)進(jìn)行分析，實(shí)驗(yàn)中采用的軸承型號(hào)為中國現(xiàn)役貨運(yùn)列車圓柱滾子軸承NJ(P)3226XI，該型號(hào)為中國列車使用的單列向心短圓柱滾子軸承的主要型號(hào)，其參數(shù)如表1所示。

　　軌邊信號(hào)分兩個(gè)實(shí)驗(yàn)階段獲取，首先通過靜態(tài)實(shí)驗(yàn)分別獲取軸承外圈、內(nèi)圈單點(diǎn)故障聲音信號(hào)。然后在動(dòng)態(tài)實(shí)驗(yàn)中使用全頻喇叭播放靜態(tài)實(shí)驗(yàn)中獲取的故障軸承聲音信號(hào)作為聲源放置于直線行駛的車輛上，在距離車輛運(yùn)行直線距離為r處，與聲源等高放置麥克風(fēng)采集車輛高速通過時(shí)發(fā)出的聲音信號(hào)。兩個(gè)獨(dú)立的實(shí)驗(yàn)分別如圖11和12所示[18]。

　　本文所分析的采集信號(hào)零時(shí)刻距離汽車的橫向距離為X0=4m，麥克風(fēng)距離聲源移動(dòng)路徑的垂直距離為r=2m，汽車移動(dòng)速度為V=30m/s，麥克風(fēng)采樣頻率為fs=50kHz。下面利用兩種方法分別對該信號(hào)進(jìn)行處理和對比分析。

　　4.2外圈故障軸承軌邊信號(hào)分析

　　圖13(a)為動(dòng)態(tài)實(shí)驗(yàn)采集到的外圈故障軸承軌邊信號(hào)原始信號(hào)波形;圖13(b)為經(jīng)過帶通濾波后的信號(hào)波形，觀察波形發(fā)現(xiàn)沖擊成分與雙邊Laplace波形較為接近，同時(shí)可以測量出各個(gè)沖擊成分之間的間距為{339，262，381，344，345，392，350，357，357，361，366，367，417，331，419，380，383}，由此可見在多普勒效應(yīng)和軸承實(shí)際運(yùn)行中非純滾動(dòng)現(xiàn)象的聯(lián)合影響下沖擊成分呈現(xiàn)非等間隔分布，甚至其中序號(hào)為5和6，7和8，10和11，14和15的沖擊成分相互之間存在部分重疊。

　　5結(jié)論

　　在多普勒效應(yīng)和實(shí)際運(yùn)行中軸承滾子非純滾現(xiàn)象的聯(lián)合影響下，列車軸承軌邊信號(hào)沖擊成分呈現(xiàn)非等間隔分布，使用等周期模型從軌邊信號(hào)中提取沖擊成分時(shí)存在一定誤差。本文提出的單瞬態(tài)多普勒調(diào)制Laplace小波模型與軌邊信號(hào)沖擊成分結(jié)構(gòu)匹配程度較高，并且能夠從軌邊信號(hào)中逐個(gè)提取沖擊成分，與現(xiàn)有方法相比提取精度得到了提高。仿真和試驗(yàn)信號(hào)對比分析表明了本文方法的有效性。該方法是針對軌邊信號(hào)特點(diǎn)，對傳統(tǒng)沖擊成分提取方法提出的改良和創(chuàng)新，可用于列車故障軸承軌邊定量診斷，具有良好的應(yīng)用前景。

　　參考文獻(xiàn)：

　　[1]劉方，沈長青，何清波，等.基于時(shí)域多普勒校正和EEMD的列車軸承道旁聲音監(jiān)測故障診斷方法研究[J].振動(dòng)與沖擊，2013，32(24)：104-109.

　　LiuFang，ShenChang-qing，HeQing-bo，etal.WaysideacousticfaultdiagnosisforlocomotivebearingsbasedonDopplereffectcorrectionandEEMDmethodintimedomain[J].JournalofVibrationandShock，2013，32(24)：104-109.

　　[2]劉瑞揚(yáng).北美鐵路車輛安全軌邊檢測系統(tǒng)的現(xiàn)狀及思考[J].中國鐵路，2004，(7)：57-60.

　　LiuRui-yang.CurrentsituationandconsiderationsofrailsidedetectionsystemforNorthAmericanrailwayvehicles[J].ChineseRailway，2004，(7)：57-60

　　[3]FirdausiDIrani，吳朝院.先進(jìn)道旁車輛狀態(tài)監(jiān)視系統(tǒng)的開發(fā)和應(yīng)用[J].國外鐵道車輛，2002，39(2)：39-43.

　　FirdausiDIrani，WuChao-yuan.Developmentanddeploymentofadvancedwaysideconditionmonitoringsystems[J].ForeignRollingStock，2002，39(2)：39-43.

　　[4]何正嘉，訾艷陽.Laplace小波及其工程應(yīng)用[J].工程數(shù)學(xué)學(xué)報(bào)，2001，18(f12)：87-92.

　　HeZheng-jia，ZiYan-yang.Laplacewaveletanditsengineeringapplication[J].ChineseJournalofEngineeringMathematics，2001，18(f12)：87-92.

　　[5]訾艷陽，李慶祥，何正嘉.Laplace小波相關(guān)濾波法與沖擊響應(yīng)提取[J].振動(dòng)工程學(xué)報(bào)，2003，16(1)：67-70.

　　ZiYan-yang，LiQing-xiang，HeZheng-jia.Extractionofimpulseresponsebasedoncorrelationfilteringmethodoflaplacewavelet[J].JournalofVibrationEngineering，2003，16(1)：67-70.

　　[6]祁克玉，向家偉，訾艷陽，等.基于Laplace小波相關(guān)濾波的結(jié)構(gòu)模態(tài)參數(shù)精確識(shí)別方法[J].機(jī)械工程學(xué)報(bào)，2007，43(9)：167-172.

　　QiKe-yu，XiangJia-wei，ZiYan-yang，etal.HighprecisionmodelparameteridentificationbasedonLaplacewaveletcorrelationfiltering[J].JournalofMechanicalEngineering，2007，43(9)：167-172.

　　[7]WangS，HuangW，ZHU，etal.Transientmodelingandparameteridentificationbasedonwaveletandcorrelationfilteringforrotatingmachinefaultdiagnosis[J].MechanicalSystems&SignalProcessing，2011，25(4)：1299-1320.

　　[8]王詩彬，朱忠奎，王安柱，等.基于瞬態(tài)沖擊響應(yīng)參數(shù)辨識(shí)的軸承故障特征檢測[J].振動(dòng)工程學(xué)報(bào)，2010，23(4)：445-449.

　　WangShi-bin，ZhuZhong-kui，WangAn-zhu，etal.Bearingfaultfeaturedetectionbasedonparameteridentificationoftransientimpulseresponse[J].JournalofVibrationEngineering，2010，23(4)：445-449.

　　[9]WangD，ShenC，TsePW.Anoveladaptivewaveletstrippingalgorithmforextractingthetransientscausedbybearinglocalizedfaults[J].JournalofSound&Vibration，2013，332(25)：6871-6890.

　　[10]袁幸，朱永生，張優(yōu)云，等.基于接觸模型和峭度最優(yōu)Laplace小波的滾動(dòng)軸承量化診斷[J].振動(dòng)工程學(xué)報(bào)，2012，25(6)：643-650.

　　YuanXing，ZhuYong-sheng，ZhangYou-yun，etal.Quantitativedamagediagnosisforrollingbearingbasedoncontactvibrationmodelandoptimumkurtosis-Laplacewavelet[J].JournalofVibrationEngineering.2012，25(6)：643-650.

　　[11]張志剛，周曉軍，宮燃，等.小波域局部Laplace模型降噪算法及其在機(jī)械故障診斷中應(yīng)用[J].機(jī)械工程學(xué)報(bào)，2009，45(9)：52-57.

　　ZhangZhi-gang，ZhouXiao-jun，GongRan，etal.DenosingalgorithmbasedonlocalLaplacemodelinwaveletdomainanditsapplicationinmechanicalfaultdiagnosis[J].JournalofMechanicalEngineering，2009，45(9)：52-57.

　　[12]楊江天，周培鈺.經(jīng)驗(yàn)?zāi)B(tài)分解和Laplace小波在機(jī)車柴油機(jī)齒輪系故障診斷中的應(yīng)用[J].機(jī)械工程學(xué)報(bào)，2011，47(7)：109-115.

　　YangJiang-tian，ZhouPei-yu.FaultdiagnosisforgeartrainoflocomotivedieselenginebasedonempiricalmodedecompositionandLaplacewavelet[J].JournalofMechanicalEngineering，2011，47(7)：109-115.

　　[13]劉方，何清波，沈長青，等.運(yùn)動(dòng)聲源多普勒畸變信號(hào)的一種時(shí)域校正方法[J].聲學(xué)學(xué)報(bào)，2014，(2)：185-190.

　　LiuFang，HeQing-bo，ShenChang-qing，etal.AtimedomaincorrectionmethodforDoppler-distortionsignalfromacousticmovingsource[J].ActaAcoustica，2014，(2)：185-190.

　　[14]王超，孔凡讓，胡飛，等.CrazyClimber算法與重采樣技術(shù)在消除多普勒效應(yīng)及列車軸承診斷中的應(yīng)用[J].振動(dòng)工程學(xué)報(bào)，2014，27(5)：770-779.

　　WangChao，KongFan-rang，HuFei，etal.ApplicationofCrazyClimberalgorithmandre-samplingtechniqueintheDopplereffectremovalandtrainbearingdiagnosis[J].JournalofVibrationEngineering，2014，27(5)：770-779.

　　[15]ShenC，LiuF，WangD，etal.ADopplertransientmodelbasedontheLaplacewaveletandspectrumcorrelationassessmentforlocomotivebearingfaultdiagnosis[J].Sensors，2013，13(11)：15726-15746.

　　[16]沈長青，朱忠奎，劉方，等.基于EEMD和改進(jìn)的形態(tài)濾波方法的軸承故障診斷研究[J].振動(dòng)與沖擊，2013，32(2)：76-80.

　　ShenChang-qing，ZhuZhongkui，LiuFang，etal.RollingelementbearingfaultdiagnosisbasedonEEMDandimprovedmorphologicalfilteringmethod[J].JournalofVibrationandShock，2013，32(2)：76-80

　　[17]LiuF，HeQ，KongF，etal.Dopplereffectreductionbasedontime-domaininterpolationresamplingforwaysideacousticdefectivebearingdetectorsystem[J].MechanicalSystemsandSignalProcessing，2014，46(2)：253-271.

　　[18]LiuF，ShenC，HeQ，etal.Waysidebearingfaultdiagnosisbasedonadata-drivenDopplereffecteliminatorandtransientmodelanalysis.[J].Sensors，2014，14(5)：8096-8125.