基于轮轨噪声的钢轨裂纹故障诊断方法研究

There is a high probability of rail crack by high speed and heavy load train, the safety hidden trouble caused more and more prominent, which is resulting in that the repair costs significantly increased year by year. Therefore a rail crack detection technology which is dvanced and efficient and easily to promote to use of large-scale is needed. The project which is on the basis of previous research, is in view of the existing detection technology of limit which is not conducive to the lack of large-scale promotion and application. It establishes mathematical model of wheel / rail noise - rail crack which is combined with modern signal processing technology such as compressed sensing technology and analysis the relations of wheel / rail noise - rail crack mechanics. It will propose an algorithm which is high accuracy, excellent performance of rail nondestructive crack detection through optimization and cost function design. It will design a better signal preprocessing algorithm which is using signal separation of independent component through the analysis of the field environment signals and supplemented by intelligent algorithm, the establishment of sound source superposition model. At the same time, it will also use the Twins software package to build the hardware platform system capable of high speed online processing. The study of nondestructive testing for the rail crack made efficient, it has important scientific significance and practical value.

高速重载列车钢轨产生裂纹的概率大，其引发的安全隐患越来越突出，导致维修成本逐年显著递增，急需一种先进有效、易于大规模使应用钢轨裂纹检测技术。本项目拟在前期研究基础之上，针对现有检测技术受速度限制、不利于大规模推广应用不足，结合现代信号处理技术如压缩感知技术，分析轮轨噪声-钢轨裂纹力学关系，建立其数学模型，进行算法优化及代价函数设计，提出一种准确度高、性能优越的钢轨裂纹无损检测算法；通过对现场环境信号的分析并辅以智能算法建立声源叠加模型，以此为基础使用独立分量进行信号分离，设计效果更好的信号预处理算法；同时以Twins软件包为依托搭建能够高速在线处理的系统硬件平台。本研究对于立高效的钢轨裂纹无损检测，具有重要的科学意义和实用价值。

高速性和载重性是现代铁路列车运行的显著特点，长期的运行时间和频次使得钢轨裂纹产生的几率越来越高，从而导致维修成本逐年显著递增，同时对铁路运输带来严重的安全隐患。因此，可靠有效的钢轨裂纹检测技术成为亟待解决的工程难题。本项目在前期研究基础上进行进一步的探索，首先结合现代信号处理技术，对轮轨噪声—钢轨裂纹力学的关系进行定性分析，建立轮轨噪声—钢轨裂纹关系的数学模型，其次进行检测算法优化以及代价函数的设计，从而设计一种准确度高、性能优越的钢轨裂纹检测算法。.本项目的主要工作有三部分构成：(1)搭建噪声检测平台，以MEMS麦克风为基础，NI公司的USB-6210高性能数据采集卡为核心，结合运算放大电路，在Labview环境下搭建了轮轨噪声采集平台，该平台可以完成复杂声音信号的采集和储存，这为后续的算法处理提供原始信号。(2)噪声——裂纹模型研究，钢轨受力的大小直接影响轮轨之间的振动，而轮轨振动是轮轨噪声的直接原因，所以钢轨受力的大小与轮轨的噪音信号有间接的关系。本项目分析了不同力学因素对于钢轨裂纹尖端附近的应力强度因子的影响，结合力、振动、声音之间的关系，为建立噪声——裂纹模型提供了理论依据。(3) 钢轨裂纹检测算法的设计，针对基本遗传算法改进的小波包分解算法收敛速度低、容易早熟、故障诊断准确率不高等问题，提出将种群熵、种群方差结合Sigmoid函数与变异算子相结合，其次利用多种群理论对该算法进行进一步的优化，克服了收敛代数需要人为设定的缺陷，结果表明该方法能较好的对轮轨噪声信号进行分析，诊断出裂纹故障。改进算法的故障诊断准确率可达95.33%，与传统的遗传算法、种群状态优化算法相比有显著提升，这说明改进算法更易检测出裂纹故障，具有更强的检测优势。.本项目研究完成了计划的研究内容，重点研究了噪声——裂纹模型，以及故障诊断算法，实现了对钢轨裂纹缺陷的定性化检测，并提高了轮轨缺陷的故障诊断准确率，具有一定的科学价值和工程实用价值。