【技術實現步驟摘要】
本專利技術屬于高速列車運行狀態監測，具體涉及一種基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法。
技術介紹
1、近年來，迅速發展的鐵路運輸顯著促進了世界經濟繁榮與社會進步，成為了國內外綜合交通運輸體系的重要支柱。隨著我國高速動車組在全國范圍內的廣泛開行，保障軌道交通安全以滿足日益增長的列車交通需求成為鐵路相關工作者的研究重點。蛇行運動穩定性是保證高速列車穩定、安全運行的關鍵和基本要求，在高速行駛過程中列車發生蛇行運動會惡化車輛運行的平穩性、加劇輪軌磨耗，嚴重的蛇行失穩甚至可能導致脫軌事故。為保證列車的運行安全性及舒適性，需要對高速列車蛇行運動進行在線監測。
2、目前，用于線路上評估車輛蛇行穩定性的方法主要基于輪軌力和構架橫向加速度，由于基于構架橫向加速度方法能夠有效地反映轉向架蛇行運動特征并且具有操作簡便、成本低的特點而常用于車輛蛇行的在線監測。國內采用gb/t?5599-2019標準對蛇行穩定性進行評判，對軸箱上方構架振動加速度進行0.5hz～10hz帶通濾波后，其峰值連續6次及以上達到或超過8m/s2時，判定為轉向架橫向失穩。實際運營過程中輪軌型面的磨耗、線路條件以及車輛自身參數的變化使得高速列車的蛇行運動穩定性成為復雜的系統問題，若僅以單一的理論公式或固化的判別標準對蛇行運動穩定性進行判別將難免存在瑕疵。
3、因此，相關工作者開始對提升蛇行監測準確性展開了進一步的探索。wang等提出了一種與輪對橫移幅值和頻率相關的蛇行系數(hc)指標，建立了蛇行狀態和hc指數的映射關系，該方法為貨車蛇行狀態監測提
4、上述研究在蛇行運動穩定性的界定與蛇行狀態識別上取得了顯著進展，有效提升了蛇行監測的準確性。然而，這些研究在評估蛇行運動對車輛實際運行的影響程度方面尚存局限。為了更全面、準確地反映列車的運行安全狀態，輪軌接觸狀態逐漸成為評估蛇行運動穩定性的新視角。sun等基于漢克爾矩陣的奇異值分解(svd)方法構建了一種能夠預測輪對橫移量與輪軌接觸角度的車輛蛇行監測系統，并在實驗中驗證了一定準確性和有效性，但在軌道不平順較大時局部預測偏差較大。ye等提出了一種基于計算機視覺的虛擬點跟蹤(vpt)方法，通過處理輪軌動態接觸視頻來監測車輛的蛇行運動，與基于轉向架構架加速度的蛇行監測方法相比，能夠更加直接可靠地反映車輛安全狀況，但可能受光線等環境影響導致監測的準確性降低。綜上所述，通過輪軌接觸狀態評估蛇行運動穩定性已經成為一種新的研究趨勢，但在高速列車運行的復雜工況下，如何提升監測方法的魯棒性和適應性，仍是未來研究需要深入探索的重要方向。
技術實現思路
1、輪軌接觸狀態能直接反映蛇行運動的危險程度，但在運行過程中對輪軌接觸狀態進行準確測量比較困難，輪軌間隙余量和輪對橫移量反映了輪對在軌道上的動態位置和狀態，是描述輪對運動狀態的重要參數，它們與輪軌接觸狀態密切相關。針對現有技術中的不足，本專利技術提供的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法以輪對橫移量和輪軌間隙余量作為蛇行運動狀態識別的關鍵依據，解決了現有基于固化判斷標準的蛇行識別方法難以反映車輛安全狀態的問題。
2、為了達到上述專利技術目的，本專利技術采用的技術方案為：基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，包括以下步驟：
3、s1、采集列車架構加速度信號，并選取構架橫向加速度信號和縱向加速度信號，作為表征輪對運動狀態的信號；
4、s2、對表征輪對運動狀態的信號進行濾波和時頻變換處理，獲得蛇行運動特征；
5、所述蛇行運動特征包括橫移運動時頻域特征和橫移搖頭耦合特征；
6、s3、將所述蛇行運動特征輸入至蛇行監測網絡中，輸出蛇行狀態分類結果；
7、所述蛇行監測網絡包括一維卷積神經網絡模塊、坐標卷積神經網絡模塊、特征融合模塊、三維卷積神經網絡模塊以及全連接模塊；
8、所述一維卷積神經網絡模塊用于提取輸入蛇行運動特征在時域上的時序特征，所述坐標卷積神經網絡模塊用于通過引入坐標通道提取輸入蛇行運動特征在頻域上的位置特征；所述特征融合模塊用于將提取的時序特征和位置特征拼接融合，獲得耦合特征向量；所述三維卷積神經網絡模塊用于提取多個耦合特征向量的時空信息；所述全連接模塊用于對時空信息進行分類識別，輸出蛇行狀態識別結果。
9、進一步地，所述步驟s2包括以下分步驟：
10、s21、對構架橫向加速度信號進行fft濾波，獲得橫向加速度帶通濾波信號；
11、對構架縱向加速度信號進行fft濾波處理，獲得縱向加速度帶通濾波信號，并提取其中的縱向加速度信號幅值及頻率信息；
12、s22、對橫向加速度帶通濾波信號進行同步壓縮小波變換處理，獲得同步壓縮時頻圖；
13、s23、提取同步壓縮時頻圖中橫向加速度信號的時頻信息，作為橫移運動時頻域信號；
14、s24、提取橫向加速度帶通濾波信號中的幅值及頻率信息，并利用提取的時頻信息對其增強，獲得橫向加速度信號幅值及頻率信息；
15、s25、將縱向加速本文檔來自技高網...
【技術保護點】
1.基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，所述步驟S2包括以下分步驟：
3.根據權利要求2所述的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，所述步驟S22包括以下分步驟：
4.根據權利要求3所述的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，所述步驟S22-3中，同步壓縮后時間-頻率表示更集中的信號SWTy(ω,b)表示為：
5.根據權利要求1所述的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，所述步驟S3中，所述一維卷積神經網絡模塊包括結構相同第一分支和第二分支，分別用于提取輸入的橫移運動時頻域特征和橫移搖頭耦合特征對應的時序特征。
6.根據權利要求2所述的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，所述步驟S3中，所述坐標卷積神經網絡模塊提取位置特征的方法具體為：
7.根據權利要求6所述的基于輪對運動狀態特征的列車
...【技術特征摘要】
1.基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，所述步驟s2包括以下分步驟：
3.根據權利要求2所述的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，所述步驟s22包括以下分步驟：
4.根據權利要求3所述的基于輪對運動狀態特征的列車轉向架蛇行狀態識別方法，其特征在于，所述步驟s22-3中，同步壓縮后時間-頻率表示更集中的信號swty(ω,b)表示為：
【專利技術屬性】
技術研發人員：寧靜，文思宇，王子軒，張兵，李艷萍，趙鴻洧，安亮亮，陳春俊，
申請(專利權)人：西南交通大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。