铁道车辆扁疤识别与定量估计

扁疤是铁道车辆车轮踏面常见的故障之一,扁疤的出现对列车正常运行有较大的危害,目前列车车轮无损检测以人工扫描为主,此方法检修周期长且效率低。为实现对车轮踏面扁疤的实时监测,本文提出了一种基于奇异值差分谱降噪与BP神经网络相结合的方法。该方法可通过轴箱振动加速度来识别车轮扁疤故障并对扁疤长度进行定量估计。首先对采集到的轴箱振动加速度信号进行奇异值差分谱降噪、包络、快速傅里叶变换,根据频谱中是否存在与车轮扁疤引起轴箱振动加速度特征频率相关的频率成分来定性的识别车轮扁疤故障。若诊断存在扁疤故障则从频谱图中提取该速度下车轮扁疤引起轴箱振动加速度特征频率的1~4倍频所对应的幅值,将车速以及提取出的幅值输入到训练后的BP神经网络模型中来对扁疤长度估计。通过仿真实验验证该方法能够快速准确地识别出车轮扁疤故障,且对车轮扁疤长度估计误差在3.5 mm内。