基于抛物面声镜阵列的列车轴承道旁声学诊断研究

Heavy noise, serve distortion and multiple sources are the main factors influencing the accuracy of wayside acoustic train bearing fault diagnosis. To solve these problems, the acoustic mirror is firstly introduced in this project. This project plans to study on the optimal design of the signal acquire system based on parabolic acoustic mirror array and the corresponding array signal processing theory to improve the diagnostic accuracy. The concrete content includes: (1) Study on the characteristic of gathering-effect-based signal enhancement, directional signal denoising and orthoscopic signal collection of the acoustic parabolic mirror and optimal design of the mirror array according to the characteristics of the wayside signal to solve the problem of heavy noise and serve distortion in the part of signal collection;(2) Study on the parabolic mirror array signal blind source separation theory based on joint approximate diagonalization algorithm to solve the problem of multiple sources;(3) Study on mechanism of mapping between the mirror array separation signal and the failure mode based on the framework of extreme learning machine and realize the accurate fault identification. The implementation of this project aims to solve the problems of train bearing accurate diagnosis and it aims to provide new technical solutions and basic theory for online diagnosis of the high speed train bearing.

强噪声、陡畸变和多声源问题是影响列车轴承道旁声学诊断精度的主要因素，为了解决上述问题，本项目首次将声镜引入道旁声学监测，拟通过对抛物面声镜阵列采集装置优化设计及声镜阵列信号处理理论深入研究，提高道旁声学诊断精度，具体内容包括：(1)研究抛物面声镜对道旁信号聚集增强、指向性消噪和无畸变采集特性，针对道旁信号特点进行声镜阵列优化设计，从信号采集环节解决强噪声与陡畸变问题；(2)研究基于特征矩阵联合近似对角化算法的抛物面声镜阵列信号盲源分离理论，解决多声源问题；(3)以极限学习机为框架研究声镜阵列分离信号与故障模式之间的映射机制，实现故障的精确辨识。本项目通过发展相应的理论方法解决列车轴承精确诊断的难题，旨在为高速列车轴承在线诊断提供新的技术解决方案与基础理论支撑。

本项目将抛物面声镜引入列车轴承轨边声学检测技术，系统研究了抛物面声镜对运动声源的聚集增强、指向性消噪和无畸变采集特性，并开展了信号处理与故障诊断理论的研究，为列车轴承道旁声学监测与诊断提供新理论和新技术。具体研究内容包括： .1)通过仿真和实验手段系统研究了抛物面声镜对直线运动声源声信号的无畸变增益采集特性和指向性去噪特性，在前端信号采集环节实现无畸变信号获取，突破了现有的以信号处理手段为主的畸变矫正思路，为TADS信号畸变问题提供了一种全新的创新性解决思路，同时也为一般性的直线运动声源的无畸变采集提供了一种新途径。.2)针对“强噪声”问题，提出了一种最小方差无失真响应矩形麦克风阵列空域滤波算法，为道旁声学监测技术提供了一种先进的消噪新理论与新方法。结合经典的LMS算法，提出了基于双麦克风的轨边声学信号自适应降噪方法，具有优越的带内噪声能力和自适应主动降噪的优点。.3)针对“多声源”问题，提出了一种欠定盲分离矫正方法SCDBSS-TIR，分离效果优于经典的正定盲源分离方法。以信号稀疏表达理论为基础，针对运动声源的多普勒畸变特点，提出了一种基于旋转运动的Doppler-let变换及其声源分离方法，对于带内噪声拥有较强分离能力，并且具有使用成本低的优点。.4)在特征提取和智能诊断方面，提出了一种基于参数化多普勒调制时移Laplace小波的列车轴承故障声信号瞬态成分快速提取方法，解决了现有方法在伪周期瞬态成分提取时存在的匹配误差问题。针对样本不均衡问题，提出了一种基于安全域和BP网络的两阶段学习模型，为TADS技术中出现的样本不平衡问题提供了新的思路。.通过以上研究，对列车轴承道旁声学监测技术提供新理论和新技术，最终为列车安全在途运行作出贡献。