轨道工程车辆走行部故障分析系统

摘要

本发明公开了一种轨道工程车辆走行部故障分析系统，由多个加速度传感器、多个转速传感器组成、多个分析仪和云服务平台组成。的多个加速度传感器安装于车辆走行部并测量加速度数据，多个转速传感器安装于车辆走行部并测量转速数据。的振动转速采集卡连接多个加速度传感器和转速传感器以采集加速度数据与转速数据，并通过总线将采集数据传输至数据计算卡。的数据计算卡分析加速度数据与转速数据判断并生成车辆走行部故障信息，并给出是否减速、维修的建议。的云服务平台存储和分析来自多个分析仪的数据，实时监测智能分析仪状态，同时基于地面镜像数字模型分析车辆加速度数据、转速数据对车辆走行部故障进行故障定位和定量分析，生成运维信息。

说明书

技术领域

本发明属于轨道车辆技术领域，特别是一种轨道工程车辆走行部故障分析系统。

背景技术

轨道工程车辆是行业内的特色车辆，负责轨道交通的工程施工牵引、检测、救援、维修等方面工作。铁路里程增加和在轨运营机车的增加，致使轨道工程车辆面临数量增多、使用频率增高、运行速度增快等三重考验，最终导致轨道工程车辆发生故障的概率增加，运维成本增高。然而，轨道工程车辆核心之一的走行部，目前上没有一套故障智能分析用于在线监测，实时发现故障，预防重大事故的发生。

轨道工程车辆走行部故障智能分析系统需要具备以下特点：1)首先轨道工程车辆是快速移动设备，在移动过程中产生实际运行数据。系统使用和数据传输要符合车辆运行工况。2)轨道工程车辆是一种变工况设备，其信号监测和故障识别要符合变工况的过程。3)一种小批量、多品种、宽技术的特殊车辆。故障智能分析的过程要考虑轨道工程车辆本身的特点，结合实际情况进行个性化的故障识别与数据挖掘。

在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。

发明内容

针对现有技术中存在的问题，本发明提出一种轨道工程车辆走行部故障分析系统，为轨道工程车辆进行定制化故障诊断服务和深度分析挖掘，解决现场故障处理与后续的车辆改造升级。

本发明的目的是通过以下技术方案予以实现，一种轨道工程车辆走行部故障分析系统包括多个加速度传感器、多个转速传感器组成、多个分析仪和云服务平台；

所述多个加速度传感器，其安装于车辆走行部并测量车辆走行部加速度数据；

所述多个转速传感器，其安装于车辆走行部并测量车辆走行部转速数据；

所述的分析仪，包括，

振动转速采集卡，其连接所述多个加速度传感器和转速传感器以采集加速度数据与转速数据，并通过总线将数据传输至数据计算卡；

数据计算卡利用加速度数据与转速数据判断车辆是否故障并实时给出是否减速、维修的建议；

显示单元，其连接所述数据计算卡，以显示故障信息和是否需要减速、维修的建议；

存储单元，其连接所述数据计算卡，所述存储单元包括存储所述分析仪自身数据的不可拆卸存储模块和存储加速度数据与转速数据的可拆卸存储模块；

通讯单元，其通讯连接所述分析仪和云服务平台，以向云服务平台发送分析仪自身产生数据和轨道车辆状态数据；

云服务平台，其存储和分析来自多个所述分析仪的数据，所述云服务平台实时监控分析仪的使用状态，并基于地面镜像数字模型分析轨道车辆的加速度、转速数据，进行故障定位、定量分析，以生成运维信息。

所述的轨道工程车辆走行部故障分析系统中，故障分析设备还包括用于供电的电源单元，所述电源单元内置锂电池和外接电源线以连接24V直流电源。

所述的轨道工程车辆走行部故障分析系统中，所述通讯单元包括有线以太网模块、无线wifi模块以及4G/5G无线网络模块，用于向云服务平台发送分析仪自身产生数据和轨道车辆状态数据。

所述的轨道工程车辆走行部故障分析系统中，所述分析仪自身数据包括参数设置数据和设备状态数据，参数设置数据包括采样频率、信号类型、存储位置；分析仪状态数据包括分析仪的当前工作状态是正常还是故障，本次开机运行时间、累计开机运行时间、分析仪出厂时间、出厂编号。

所述的轨道工程车辆走行部故障分析系统中，所述分析仪的数据计算卡利用车载镜像数字模型单元分析加速度、转速数据，判断轨道车辆是否发生故障，并生成车辆状态数据，并给出是否减速、维修的建议，所述的车辆状态数据包括轨道车辆是否出现故障、判断故障的指标。

所述的轨道工程车辆走行部故障分析系统中，所述云服务平台包括云端服务器，在云端服务器上，利用地面镜像数字模型计算单元分析车辆的加速度数据、转速数据、统计特征数据、车辆状态数据，对车辆走行部故障进行故障定位和定量分析，以生成运维信息。

所述的轨道工程车辆走行部故障分析系统中，云服务平台的地面镜像数字模型计算单元生成运维信息中，包括以下步骤：

首先，按照车辆状态数据对故障所对应的车辆加速度数据、转速数据进行筛选，找到故障报警对应的加速度、速度数据；

随后，利用稀疏分解算法分析加速度数据，得到稀疏分解后的频谱。

然后，利用齿轮对的主动轮齿数、轴承的节圆直径、滚动体直径、滚动体个数、压力角以及转速数据生成故障特征频率，寻找故障特征频率对应的幅值，依据故障特征频率进行故障定位，利用所述幅值进行故障定量；

最后，分析已采集的通过所有同类型车辆的加速度数据、转速数据，只有某部件故障仅在1台车辆出现时，视为个体故障，仅维修或更换该车辆的故障零部件；当超过3台车辆出现同一部件故障时，视为共性故障，需要更换同类型车辆的已故障定位部件。

系统车载端进行实时采集与简单的故障诊断，并给出现场的处理建议；在云平台判断是否需要对同一类型或同一批次车辆进行综合维修的运维信息。轨道工程车辆走行部故障分析系统通过wifi/4G/5G获取数据和可拆卸存储模块相结合的数据传输，考虑了车辆移动的特点，符合车辆运行工况。车载端高、低转速的报警机制，在轨道工程车辆变工况运行的条件下解决现场实际问题。地面端云服务平台的对比分析，从不同维度对数据拆解与分析，在个性化的轨道工程车辆中寻找共同点，寻找故障特征，再返回给个性化的轨道工程车辆，进而实现了对轨道工程车辆故障的个性化识别与数据挖掘。

附图说明

通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。

在附图中：

图1是根据本发明一个实施例的轨道工程车辆走行部故障分析系统的系统示意图；

图2是根据本发明一个实施例的轨道工程车辆走行部故障分析系统的结构示意图；

图3是根据本发明一个实施例的轨道工程车辆走行部故障分析系统的数据传输规则示意图；

图4是根据本发明一个实施例的轨道工程车辆走行部故障分析系统的故障识别逻辑示意图；

图5是根据本发明一个实施例的轨道工程车辆走行部故障分析系统的车载镜像数字模型计算单元判断车辆故障的逻辑示意图；

图6是根据本发明一个实施例的轨道工程车辆走行部故障分析系统的数据分析逻辑示意图；

图7是根据本发明一个实施例的轨道工程车辆走行部故障分析系统的地面镜像数字模型计算单元定位、定量识别车辆故障的逻辑示意图。

以下结合附图和实施例对本发明作进一步的解释。

具体实施方式

下面将参照附图1至图7更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。

为了更好地理解，如图1至图7所示，轨道工程车辆走行部故障分析系统包括，

多个加速度传感器、多个转速传感器组成、多个分析仪和云服务平台。

所述的多个加速度传感器，其安装于车辆走行部并测量加速度数据，多个转速传感器，其安装于车辆走行部并测量转速数据，

所述分析仪包括，

振动转速采集卡，其连接所述多个加速度传感器和转速传感器以采集加速度数据与转速数据，并通过总线将数据传输至数据计算卡，

数据计算卡，利用加速度数据与转速数据智能判断车辆是否故障，生成车辆状态数据，并实时给出是否减速、维修的建议，

显示单元，其连接所述数据计算卡，以显示故障信息和是否需要减速、维修的建议，

存储单元，其连接所述数据计算卡，所述存储单元包括存储所述分析仪自身数据的不可拆卸存储模块和存储加速度数据与转速数据的可拆卸存储模块；

通讯单元，其通讯连接所述故障分析设备和云服务平台，以向云服务平台发送分析仪自身产生数据和轨道车辆状态数据，

云服务平台，其存储和分析来自多个所述分析仪的数据，云服务平台可实时监控智能分析仪的使用状态，并基于地面镜像数字模型分析轨道车辆的加速度、转速数据，进行故障定位、定量分析，以生成运维信息。

所述的轨道工程车辆走行部故障分析系统的优选实施例中，故障分析设备还包括用于供电的电源单元，所述电源单元内置锂电池和外接电源线，可以连接24V直流电源工作，也可以锂电池直接供电工作。所述的轨道工程车辆走行部故障分析系统的优选实施例中，所述通讯单元包括有线以太网模块、无线wifi模块以及4G/5G无线网络模块。

所述的轨道工程车辆走行部故障分析系统的优选实施例中，所述分析仪自身数据包括参数设置数据和设备状态数据，参数设置数据包括但不限于采样频率、信号类型、存储位置等。分析仪状态数据包括但不限于分析仪的当前工作状态是正常还是故障，本次开机运行时间、累计开机运行时间、分析仪出厂时间、出厂编号等。

所述的轨道工程车辆走行部故障分析系统，其中，其中，所述车载镜像数字模型单元利用加速度数据与转速数据智能判断车辆是否故障，生成车辆状态数据，并实时给出是否减速、维修的建议，其步骤为：

首先对于加速度信号，进行快速傅里叶变换，得到其对应的频谱信号。对于转速信号，求平均值，得转频数据。然后求取在频谱信号中求取转频数据所对应的幅值数据，该幅值就是判断轨道车辆是否故障所用的指标，将该幅值与规定阈值进行对比，当超过阈值时，视为轨道车辆出现故障，否则，没有故障。

阈值包括高速报警阈值和低速报警阈值。在车载镜像数字模型识别故障时，先利用高速报警阈值判断高速故障。故障后给出减速建议。待转速降低后，自动开启低速报警阈值判断，低速报警后，提醒司乘人员立马低速返程维修。

在分析加速度、转速数据过程中，将转频数据及其对应幅值、高速报警阈值、低速报警阈值、故障是否发生等数据记为轨道车辆状态数据，存储在可拆卸存储模块中。

所述的轨道工程车辆走行部故障分析系统，其中，所述云服务平台包括云端服务器，在云端服务器上，利用地面镜像数字模型计算单元，进一步分析车辆的加速度数据、转速数据、车辆状态数据，对车辆走行部故障进行故障定位和定量分析，以生成运维信息。

首先，按照车辆状态数据对故障所对应的车辆加速度数据、转速数据进行筛选，找到故障报警对应的加速度、速度数据；

随后，利用同步压缩变换、稀疏分解算法对加速度、转速信号进一步分析，得到频率域图谱；

然后，利用齿轮对的主动轮齿数、轴承的节圆直径、滚动体直径、滚动体个数、压力角以及转速数据生成故障特征频率，寻找故障特征频率对应的幅值，依据故障特征频率进行故障定位，利用其对应幅值进行故障定量；

最后，分析已采集的通过所有同类型车辆的加速度数据、转速数据，只有某部件故障仅在1台车辆出现时，视为个体故障，仅维修或更换该车辆的故障零部件即可。当超过3台车辆出现同一部件故障时，视为共性故障，需要更换同类型车辆的已故障定位部件。

在一个实施例中，轨道工程车辆走行部故障分析系统及方法的设备外形及电路设计均严格按照行业标准执行，可在直接在车辆上安装，但传感器数量、通道数量均按照实际情况定制。

在一个实施例中，参考图2，所述的分析仪，包含振动转速采集卡、数据计算卡、显示单元、存储单元、通讯单元和供电单元。分析仪通过振动转速采集卡采集加速度和转速信号，通过USB总线传递给数据计算卡。数据计算卡经过车载镜像数字模型可识别轨道工程车辆走行部故障，并在显示单元进行展示，并提醒车辆司乘人员进行减速或停车维修。存储单元分为不可拆卸存储模块和可拆卸存储模块，其中不可拆卸存储模块用于存储分析仪自身数据，可拆卸存储模块用于存储车辆监测信息。通讯单元支持有线以太网、无线wifi以及4G/5G无线网络的传输。分析仪分别采用无线wifi、4G/5G无线网络以及可拆卸存储模块等将数据传递给私有云服务平台。电源单元分为有线供电模块和锂电池供电。有线供电模块用于实时监测，锂电池供电用于无线wifi、4G/5G无线网络的数据传输。

在一个实施例中，参考图3，所述的分析仪分别采用无线wifi、4G/5G无线网络以及可拆卸存储模块等将数据传递给私有云服务平台，其数据传输规则为：

分析仪所获取的数据分为分析仪自身数据和车辆监测数据。

在分析仪自身数据中，进一步细分为参数设置数据和设备状态数据。参数设置数据包括但不限于采样频率、信号类型、存储位置等。设备状态数据包括但不限于设备的当前状态、本次开机时间、设备的出厂时间等。分析仪将参数设置数据和设备状态数据全部存储在不可拆卸存储模块中。

每次关机前将设备状态数据、车辆状态数据、统计特征数据通过线wifi、4G/5G无线网络传递给私有云服务平台。

按照管理办法，定期更换可拆卸存储模块，通过物理转移可拆卸存储模块，将加速度、转速原始数据传递至私有云服务平台。

在一个实施例中，参考图4，所述的分析仪通过车载镜像数字模型计算单元分析加速度、转速数据，识别轨道工程车辆走行部故障，生成轨道车辆状态数据，并给出减速、停车维修等建议，其诊断的逻辑过程为：

1)系统正常启动，轨道工程车辆正在高速行走，获取加速度、转速数据。

2)输入到车载镜像数字模型中，判断是否出现故障。无故障时，正常运行，定时存储数据，直至结束。当出现轨道车辆出现故障时，会在显示单元给出报警信息，存储报警数据及加速度、转速数据，同时给出降速运行的建议。

3)当轨道车辆降低至30km/h运行后，重复步骤2)，获取加速度、转速数据，输入到车载镜像数字模型中，判断轨道车辆故障。低速时如果无故障，车辆可以低速作业，待作业完成后，返回站点维修。如果低速时还有故障，会报警升级，存储相关数据，并提醒司乘人员立马低速返程维修。

在一个实施例中，参见图5，所述的车载镜像数字模型识别轨道工程车辆走行部故障得逻辑过程为：首先对于加速度信号，进行快速傅里叶变换，得到其对应的频谱信号。对于转速信号，求平均值，得转频数据。然后求取在频谱信号中求取转频数据所对应的幅值数据，该幅值就是判断轨道车辆是否故障所用的指标，将该幅值与规定阈值进行对比，当超过阈值时，视为轨道车辆出现故障，否则，没有故障。

所述的阈值包括高速报警阈值和低速报警阈值。在车载镜像数字模型识别故障时，先利用高速报警阈值判断高速故障。故障后给出减速建议。待转速降低后，自动开启低速报警阈值判断，低速报警后，提醒司乘人员立马低速返程维修。

在分析加速度、转速数据过程中，将转频数据及其对应幅值、高速报警阈值、低速报警阈值、故障是否发生等数据记为轨道车辆状态数据，存储在可拆卸存储模块中。

在一个实施例中，参考图6和图7，所述的在云端服务器上，利用地面镜像数字模型计算单元，进一步分析车辆的加速度数据、转速数据、车辆状态数据，对车辆走行部故障进行故障定位和定量分析，以生成运维信息。

以某型号轨道工程车监测诊断为例，该型号车辆一共监测了5台，每台车辆上分别安装分析仪1台，加速度传感器4个，转速传感器1个，随轨道车辆运行进行数据监测，采集响应的加速度、转速数据。其中有1台车辆在2022.3.5日在80km/h运行时出现了走行部高速报警，随后低速运行时未报警，反馈站点利用可拆卸存储单元将加速度、转速数据上传至云服务平台。

在云服务平台上，首先依据报警数据找到该时间段内的加速度、转速数据。

随后，利用稀疏分解算法对加速度信号进行分解，将原始的加速度信号分解为谐波信号和冲击信号，对谐波信号和冲击信号快速傅里叶变换，得到稀疏分解后的信号频谱——谐波信号频谱和冲击信号频谱。

然后，对转速数据取平均值，除以60，得到转频数据f

f

在谐波信号频谱寻找f

利用A

最后，对5台同类型车辆按照以上步骤分析，最终发现只有报警的车辆出现轴承外圈轻微故障。该故障为个体故障，因此仅维修该车辆的支撑轴承。如果超过3台车辆的同时出现支撑轴承故障，视为共性故障，需要更换同类型所有车辆走行部的支撑轴承。

尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。