基于无线传感器的列车车轮擦伤故障诊断研究

系统#该诊断系统应用声学检测的原理，选择声学传感器采集列车车轮异常声音信号# 一旦在列车运行的过程中出现异： 信号，即可被传感器采集并辨识；设计了软件完成对声学故障信号的分析和处理，进而根据声音信号判断出列车车轮的故障 状况#最后，通过系统测试的方式，对上述的方案诊断方案进行了验证，证实了其可行性与准确性#关键词：声学传感器；车轮擦伤；故障诊断；信号处理；硬件架构中图分类号：TG409

文献标志码：AResearch on Fault Diagnosis of Train Wheel Scraping Based on Wireless SensorZHU Xiaohong(Electronic Information Department, Xi'an Institute of Railway Technology, Xi'an 710000)Abstract: Aiming at the train failure caused by the wheel quality in the process of train running, this paper studied the fault di­agnosis system of train wheel abrade based on wireless sensor. In order to realize the fault diagnosis, the system combines the

principleofacousticdetection!andselectsacousticsensorstocolectabnormalsoundsignalsoftrain wheels.Oncetheabnor- malsignalappearsinthewheel!itcanbecolectedbythesensor!andtheacousticsignalcanbeanalyzedandprocessedthrough

the wireless transmission module and the industrial processor, and then the fault of the train wheel can be judged according to hesound.From hepoin ofviewofhardwareandsof ware! heaboveschemewasdesigned!and hefeasibiliyandaccuracy

of heschemewereverified.Keywords： Acoust ic sensors； Wheel scraping； Fault diagnosis； Signal processing； Hardware archit ecture出一种基于声学原理的车轮故障诊断方法，并对其实现进行

0引言近年来，随着国民安全意识的提高，如何保障人们的出 行安全成为社会各界重点讨论的话题。在此背景下，列车作

了详细设计。1系统整体架构方案在列车的行驶过程中，若是出现车轮表面擦伤故障时, 由于车轮与铁轨之间的摩擦，将会引发一阵与时域部分和频

为使用频率较高的交通工具，其安全性能自然受到相关部门

的重点关注。在列车的众多零部件中，车轮是其中最关键也

是最核心的部件，直接影响着列车的行驶安全。列车在高速 域部分的信号皆异常的声音。通过将该异常声音与正常声

行驶过程中，车轮表面与铁轨之间必不可少将产生剧烈的碰 撞，促使列车车轮踏面形成一块或多块平面，从而产生列车 车轮擦伤。列车车轮擦伤这一现象在产生时将会发出极大

音进行对比，就可对列车是否发生车轮擦伤故障进行判断,

不仅如此，还能使管理人员了解到擦伤故障的严重程度。因

此，如何区分列车车轮擦伤故障声音与正常声音，是本次列 车车轮擦伤故障诊断系统设计的关键所在。在对两种不同

的异常噪声，不仅降低乘客的乘坐舒适度，还会给列车道路 附近的生活居民造成影响。与此同时，若是列车车轮擦伤情

的声音进行区分时，可根据列车行驶的信号特征，从时域及 频域方面入手进行研究。如利用列车行驶过程声音信号的

况较为严重，还将对运行中列车的车轮及铁轨造成极大的冲 击,从而引发铁轨和轮轴等的断裂事故，威胁列车乘客及工 作人员的人身安全。由此看出，对车轮擦伤故障诊断研究工 作刻不容缓。就目前情况来看，铁路部门对车轮擦伤的检测

无量纲参数以及有量纲参数作为依据，对车轮正常行驶状态

及擦伤故障状态进行区分。对此，结合上述的分析，本文将 该系统的设计思路设计为：通过在列车车轮附近以及车厢内 分别安装上声学传感器以及数据采集卡两种设备，来对列车

中，一部分是通过人工检测，凭借个人经验进行检查；另一部

分是通过信号处理或模式识别的方法。如赵蓉（2017）则通

行驶过程中车轮声音信号进行采集，并将采集结果发送至数 据处理系统；数据处理系统在接收到相关的数据信息之后，

过构建PSO-SVM智能识别算法对故障信号进行识别&由

此看出，加强车轮擦伤故障诊断研究，是提高列车车轮故障 诊断的重点，也是必然趋势。而结合当前的研究，本文则提

将由工业单板机对该数据进行处理及故障诊断，并利用无线 通信系统将故障诊断结果发送至工控机当中，便于专业工作作者简介：朱晓红（1968-）,女，蒙古族，崇礼县人，研究方向：电子技术应用&・83・Microcomputer Applications Vol. 35,No. 5,2019研究与设计微型电脑％用2019年第35 )第5期现场模拟信号人员及时对故障进行处理& 图1所示&图1系统整体架构设计信号输入输出连接器

根据上图可以看出，本文所设计的列车车轮擦伤故障诊

断系统的整体架构主要分为四大模块，分别为数据采集系 统、数据处理系统、数据通信系统以及数据显示系统&其中

图3采集部分整体电力示意图数据采集系统由传感器以及数据采集卡构成，主 音数据的采集工作；数据处理系统由工业单板机组成，主要负

33. 1上机位软件设计声音采集流程设计上述的

中，包含声音采集和对声音信号的分析处中，通过Get Dev Sta-责数据处理工作；数据通信系统由无线通信模块组成；在整

个系统架构中担负着数据传输的工作；数据显示系统由工控 机组成，主要复杂接收并显示故障数据&理&对此，在对声音信号进行采

2

系统详细设计在硬件部分，主要通过声学传感器完成对声音部分的采

tus Pro AD()函数来判断采集过程是否实现半满，然后通过

2. 1传感器选择与采集布局设备句柄完成对采集卡的控 作& 流 图4所示&集，然后通过这种采集完成对异常声响的识别&对此，在硬

部分中，选择东莞某设备公司生产的声学传感器。该传感

器对频率的测量范围可以高达20 000 Hz,可满足不同频率

声音信号的采样需求，同时可在一30〜70 °C的温度范围内 工作，基本可以满足不同气候下高速列车的声音信号采样

需求&具体采集布局如图2所示&传感器1 传感器2 传感器3 传感器4传感器5 传感器6 传感器7 传感器8图4声音采集实现流程图2传感器采集布局3.2异常声音识别算法在该采集布局中，总共安装8个传感器，分别在左右两

侧&

对该算法来讲，其是实现车轮擦伤诊断的关键，也是重 点&在对声音信号的诊断中，人

感器的主要功能是 对声音信号进行采集&采用傅里叶变换对信三个步骤：一是声音预处同时，在采集卡的选择上，选择PCH2001型号&该采集

号进行甄别，以此鉴别车轮的正常信号和异常信号&对此,卡采用的总线方式是基于PC104 +，拥有8路双端模拟通

处理阶段，本文主

理；二是特征 3.2.1

其

道，可基本满足本系统的采集输入&2.2整体电路设计；三是声音判断&车轮与钢轨在摩擦的过程中产生声音，在该音预处理根据上述的 析， 采 部 电路 计 图3通常

声音中包 用声音和无用声音&

所示&用公式 示为式⑴。S#) $ R#) + X#)在图3的整体电路中，采集卡的连接采用双端输入的方

⑴号&式，即传感器传输的8路信号正端连接到AI0〜AI7的8个

管脚上，同时声学传感器的信号输入负端连接AI8〜A15管

其中，尺⑺表示有用信号；X#)表示

原 音信号采集中，： 处理的声音信号如图5脚，然后通过AGND 现场设备的连接&84所示&Microcomputer Applications Vol. 35,No. 5,2019研究与设计微型电用2019 '第35 )第5期取其正常信号和异常信号的特征参数，进而通过特征参数完 成对信号的判断。而要达到这个目的，需要从硬件和软件的

角度共同实现，包括声音信号采集、信号预处理等&而通过

本文的研究，也实现了对车轮擦伤的自动识别，为列车运行

提供了借鉴与参考&参考文献在初始采集到的信号看岀，认为其信号中包含列车车轮

摩擦声音和环境噪声。因此需要对声音进行预处理&而结

% 1 & 李奕皤，林建辉，刘建新，等.车轮踏面擦伤识别方法

合当前的的思路,则提岀通过滤波器的方式完成对信号频率

[J&.振动与冲击，2013,32(22) ：21 - 27.:2 & 赵蓉，史红梅.基于高阶谱特征提取的高速列车车轮

的筛选，进而过滤掉其中的环境噪声。3. 2. 2 特征提取擦伤识别算法研究[J&.机械工程学报，2017,53 (6)：

在完成声音信号的预处理后，需要对声音信号特征进行

提取，进而判断车轮声音故障。而研究发现在，在通过滤波

% 3 & 后，存在大量的有量纲和无量纲的特征参数，如有效值、峰值

因子等。以有效值为例，其计算为式(2)。% 4 & (2)从时域的角度来讲,其幅值随着时间的变化而在不断的

变化& 一旦其中岀现异常声响，那么其有效值会突然变大& % 5 & 但是，在实际的运行中，单次的变大并不能说明岀现擦伤故

障，因此在实际的选择中会选择多个时域参数进行综合判

断&本文则以有效值、峰值因子和峭度作为主要提取参数, % 6 & 通过提取可以得到图6和图7的正常车轮摩擦信号和异常信号，并判断车轮是否存在擦伤&% 7 &曹晏飞% 8 & % 9 & 图6正常车轮摩擦信号10[10]

8Y峭度janj 6峰员因子[11] W 42有效值°1.............「…[12]

2

3

456车次/次图7异常车轮信号[13] 4上机位界面实现在完成上述的设计后，然后再利用VC+ + 6. 0工具对

[14]

软件进行编程。该工具为微软公司推岀的一款集成开发软

件,包含各种丰富的编程语言和组件。最为重要的是该工具 [15]

中包含一个MFC的类库，可有效提高开发效率&而通过该

界面，可实时展示列车车轮故障次数、位置等信息，并查看历

史记录&[16] 5总结通过上述的研究看岀，对列车车轮擦伤声音识别需要提85102109.廖里程，梅劲松，赵阳.机车车轮踏面擦伤数据处理

算法的研究[J&.电子测量技术，2015, 38 ( 5 )：

114118.周璇，陈光雄，赵鑫.基于经验模式分解和神经网络

的车轮踏面擦伤检测方法[J&.润滑与密封，2015,40:13-18.(6)邓文豪，金炜东.一种基于自适应形态提升小波的车

轮踏面擦伤识别新方法[J&.振动与冲击，2015,34 (21):45-483赵勇.基于GA-RBFNN算法的列车车轮踏面损伤识

别[J&.计算机工程与应用，2012,48(8) ：32-34.，滕光辉，余礼根，等.含风机噪声的蛋鸡声音

信号去噪方法比较[J&.农业工程学报，2014,30(2)：

212-218.周广林，舒阳欢.基于LabVIEW的机床声音信号采

集与处理系统[J&.机械工程师，2015(8) '6-38.李春雷，董志学，王新杰.发电机声音检测与故障诊

断研究[J&.内蒙古工业大学学报(自然科学版)，

2015343) 201-208.杜晓冬，滕光辉.蛋鸡声音信号去噪方法对比分析

[J&.农业机械学报2017,48(12):327-333.苏湘，罗健飞，吴仲城，等.一种支持Android的多通

道数据采集卡设计[J].自动化与仪表，2014,29(7)：

61-.尹学爱，马国利，冯伟伟.基于MATLAB的声音信号

频谱分析仪[J].教育教学论坛，2018(4) 276278.李5,白雨尼，聪.基于小波包分析的玻璃破碎

声音识别系统设计[J].计算机测量与控制，2018,26

(1):168-172.薛为佳，王爽.音频信号处理技术在配网巡检系统中

的实现[J].电子技术与软件工程，2016(2):111.罗丽，马尚昌，汤志亚，等.基于MSP430F169单片机

的声音定位系统[J].微型机与应用，2016,35 (4)：

80-84赵巧妮.声光控电路的设计与仿真[J].自动化技术

与应用，2016,35(8) '54158.(

: 20180410)