基于车载振动响应的地铁车轮扁疤辨识方法研究

扫码查看

原文链接

NETL

中文摘要：地铁作为城市交通出行的中坚力量，其运行安全性不言而喻。由于地铁具有站间距离短、牵引制动较为频繁以及运行环境恶劣等特点，导致车轮异常磨耗问题日益严峻。车轮扁疤作为轮对踏面常见损伤形式之一，会造成轮轨接触界面的间歇性冲击，加剧轮轨动态相互作用，威胁地铁车辆运行的安全性。长期处于该服役工况下会加速车辆关键部件以及轨道基础设施的性能退化，增加运营维护成本，同时还会引起轮轨冲击噪声，影响乘客的舒适性和满意度。然而，当前轨道车辆车轮踏面故障检测主要依靠定期检修，检测手段繁琐且效率低下，显然不能适应如今“大数据”时代的地铁智能运维。因此，实现车轮扁疤故障快速且准确的识别，有助于运营单位及时发现车轮扁疤故障并制定科学的维修计划，对提高地铁车辆运行安全和降低运营维护成本具有重要的理论意义和工程应用价值。本文针对车轮扁疤损伤问题，建立地铁车辆―轨道刚柔耦合动力学模型，揭示扁疤故障和扁疤―钢轨焊缝复合不平顺下关键影响因素对轮轨动态响应的影响规律，同时分别构建了恒速工况和牵引工况下车轮扁疤故障分类模型，对基于数据驱动的地铁车轮扁疤诊断方法进行初探。主要研究工作与结论如下：（1）基于有限元软件ANSYS和多体动力学软件SIMPACK构建考虑轮轨柔性的地铁车辆―轨道刚柔耦合动力学模型，并利用现场实测的轴箱垂向振动加速度和钢轨垂向位移对仿真模型进行对比验证，结果表明所构建的动力学模型具有可靠性和有效性。（2）基于建立的地铁车辆―轨道刚柔耦合动力学模型，探究了车轮扁疤对轮轨系统动态特性的影响，讨论了车辆关键部件的振动对扁疤的敏感性，同时分析了扁疤―钢轨焊缝复合不平顺对轮轨动态响应特性的影响。仿真结果表明，扁疤故障下车速一定时轮轨垂向力峰值和轴箱振动加速度峰值随着扁疤长度增大均呈先增大后减小的趋势。通过对扁疤冲击下地铁车辆不同测点位置的振动水平分析，发现轴箱测点和构架端部测点可反映扁疤冲击引起的振动特征，可用于振动加速度传感器的测点位置布置。从地铁扁疤车轮通过钢轨焊缝区时的轮轨垂向力响应可知，随着扁疤中心与焊缝中心相对位置L先减少后增大，两者共同作用下的轮轨垂向力最大值呈“M”型变化，且在叠合形焊缝不平顺短波起始点和终点附近两者共同作用下的轮轨垂向力随着扁疤长度、车速以及短波波深增加而增大，随着短波波长减小而减小。（3）由于试验成本高且完备数据难以获取，导致地铁车轮扁疤实测振动加速度数据相当匮乏，故利用地铁车辆―轨道刚柔耦合动力学模型建立了以轴箱垂向振动加速度为监测信号的车轮扁疤故障数据集。针对地铁实际运行环境恶劣、各运行部件振动信号相互干扰等情况，本文提出了一种基于深度残差收缩网络（DeepResidualShrinkageNetworks，DRSN）的车轮扁疤故障诊断方法以适应强噪声背景下扁疤故障识别。为了验证所提方法的有效性和鲁棒性，对比分析了GA-SVM、CNN、WDCNN、ResNet与所提方法在不同噪声情况下的测试诊断精度，实验结果表明本文所提方法在不同噪声情况下均保持较好的故障诊断精度，且优于其他四种对比方法的故障诊断效果，尤其信噪比越低时，所提方法的诊断效果提升愈明显。（4）考虑到地铁站间距离短、牵引制动频繁，本文以构架端部垂向振动加速度为监测信号，采用样本空间域切割方法并结合时频分析技术构建车轮扁疤故障的二维时频图像数据集，对地铁牵引工况下车轮扁疤故障诊断进行了初探，并提出了一种卷积注意力模块（ConvolutionalBlockAttentionModule，CBAM）结合深度残差网络（DeepResidualNetwork，ResNet）的车轮扁疤故障诊断方法。该方法可从通道和空间两个单独维度生成注意力特征图信息，从而提升网络模型对图像中细节信息的挖掘能力。实验结果表明，所提方法可有效提高了牵引工况下车轮扁疤故障诊断精度，并降低含噪信号中冗余信息的干扰。

作者：

张婧萱

展开 >

关键词：

地铁车辆车轮扁疤车载振动复合不平顺深度残差网络

授予学位：

硕士

学科专业：

机械工程

导师：

梁红琴、张楷

学位年度：

2023

学位授予单位：

西南交通大学

语种：

中文

中图分类号：