1.一种基于字典学习的列车转向架轴承故障监测方法,其特征在于,包括如下步骤:采集列车转向架轴承的振动信号和温度信号;
通过温度信号判断轴承是否已经发生故障;
基于字典学习技术,通过振动信号提取各个部位的轴承故障特征,判断轴承是否发生故障以及发生故障的部位;
所述基于字典学习算法,通过振动信号提取轴承故障特征,判断轴承是否发生故障以及发生故障的部位的步骤包括:
将包含单个故障特征的信号作为训练样本,对样本进行字典学习,得到每种故障特征的基函数,再根据每种故障特征的基函数得到包含轴承各个部位故障特征的信号分量;
对各个信号分量作Hilbert变换得到相应的包络谱;
根据计算得出的各部位的故障频率,参照相应的包络谱,找出列车转向架轴承的故障;
所述字典学习算法具体包括如下步骤:a.字典初始化;用部分的原始数据即列车转向架轴承的故障信号组成初始字典矩阵Dm×k 2 m×k
∈R ,并用ρ范数将字典每一列单位标准化;式中,D∈R 表示m×k的矩阵,m表示样本数,k表示样本中原子的个数;
b.稀疏编码;根据初始字典D,采用任意一种追踪算法,对每个列车转向架轴承监测信号样本yi的稀疏系数向量xi进行求解,即式中,T0表示稀疏表示系数中非零元素的最大数量;
c.字典更新;固定向量xi更新字典D的每一列,设向量dk为要更新的字典的第k列原子,X的第k行表示 即dk对应的稀疏系数矩阵X中的第k行向量,T表示向量的列数,Ek表示抽取原子dk后的误差矩阵,此时式(3)表示为式中,Y表示训练样本,dj表示第j列原子, 表示稀疏系数矩阵X中的第j行向量,通过式(4)实现字典空间的优化,完成字典的学习过程;
所述信号分量的获取步骤包括:
所述振动信号为包含多中故障特征的信号分量,具体为:式中,z表示振动信号,zi为第i个源信号,即信号分量,ai为混合系数,ai表示zi对混合信号的贡献,ε为噪声;
在稀疏约束的条件下,所述字典学习算法的目标函数为:式中,ck表示基函数,即由字典中第k列原子组成,sk表示基函数ck中字典原子的稀疏表示系数;对于观测信号z,相当于上述训练样本Y,采用K‑SVD字典学习算法,获得一系列基函数ck及对应的稀疏系数,对每个基函数ck重构得到其对应的潜在成分lk,对于某个源信号zi,其对应的时域特征即基函数的索引集为κi,通过其对应的全部潜在成分来重构,即:
2.根据权利要求1所述的一种基于字典学习的列车转向架轴承故障监测方法,其特征在于,在所述通过温度信号判断轴承是否已经发生故障后,若监测出轴承温度高于阈值,则发出警报并停止列车运行。
3.根据权利要求1所述的一种基于字典学习的列车转向架轴承故障监测方法,其特征在于,所述对各个信号分量作Hilbert变换得到相应的包络谱具体为:式中,t表示信号周期。
4.根据权利要求1所述的一种基于字典学习的列车转向架轴承故障监测方法,其特征在于,所述各部位的故障频率包括:外圈故障频率为:
内圈故障频率为:
滚动体单故障频率为:
保持架外圈故障频率为:
式中,n表示轴承转速,p表示滚珠个数,R表示轴承节径,r表示滚动体直径,α表示滚动体接触角。
5.一种基于字典学习的列车转向架轴承故障监测系统,其特征在于,包括:信号采集模块,用于采集列车转向架轴承的振动信号和温度信号;
信号传输模块,用于将信号采集模块采集的数据传输到数据中转模块;
数据中转模块,用于中转振动信号,接收温度信号,并通过温度信号判断轴承是否已经发生故障;
信号处理终端,用于接收由数据中转模块转发的振动信号,再基于字典学习技术,通过振动信号提取各个部位的轴承故障特征,判断轴承是否发生故障以及发生故障的部位;
信号处理终端中,所述基于字典学习算法,通过振动信号提取轴承故障特征,判断轴承是否发生故障以及发生故障的部位的步骤包括:将包含单个故障特征的信号作为训练样本,对样本进行字典学习,得到每种故障特征的基函数,再根据每种故障特征的基函数得到包含轴承各个部位故障特征的信号分量;
对各个信号分量作Hilbert变换得到相应的包络谱;
根据计算得出的各部位的故障频率,参照相应的包络谱,找出列车转向架轴承的故障。
6.根据权利要求5所述的一种基于字典学习的列车转向架轴承故障监测系统,其特征在于,所述信号传输模块为WIFI无线传输模块,当列车停靠到站时,将列车运行时采集的信号通过WIFI无线通讯模块从信号采集模块中传输到数据中转站模块。
7.根据权利要求5所述的一种基于字典学习的列车转向架轴承故障监测系统,其特征在于,所述数据中转模块还包括报警模块,当数据中转模块对温度信号处理后得出轴承温度高于一定阈值时,判断出轴承已经发生故障,同时报警模块发出警报,列车停止运行。
8.根据权利要求5所述的一种基于字典学习的列车转向架轴承故障监测系统,其特征在于,所述信号采集模块包括传感器、采集板卡、AD转换芯片和存储器,所述温度信号和振动信号存储在所述存储器中。