第一作者:翟国锐(1983—),男,黑龙江宝清人,高级工程师.研究方向为轨道客车安全检测与运维服务.email:zhaiguorui@163.com
城市轨道交通钢轨波浪形磨耗会增加养护维修费用,降低乘车舒适度,引起噪声,甚至危及列车安全.为了检测钢轨波浪形磨耗,提出了一种基于运营车辆转向架加速度的钢轨波磨检测技术.利用SIMPACK多体动力学软件建立含有波磨病害的车辆-轨道模型,采集该状态下的车辆转向架加速度数据,应用经典的时频域分析、小波分析及希尔伯特黄变换分别对基于波磨病害的转向架加速度信号进行分析并提取出时频特征进行病害识别.仿真结果表明:利用连续小波分析提取的频域特性及经验模态分解(Empirical Mode Decomposition,EMD)得到的特征振动模态可用于波磨病害的检测和识别,从而验证了利用SIMPACK仿真模型进行钢轨波磨检测的可行性.
Urbon rail traffic corrugation increases the maintenance costs, makes passengers uncomfortable and makes noise. It may even endanger the safety of vehicles. This paper provides a new detection method of corrugations which based on the operating vehicles. An operating vehicle-track dynamic model is built to extract the signature tunes of corrugation based on the multi-body dynamics software SIMPACK. Then all the profiles which have been simulated are introduced into the vehicle-track dynamic model to obtain bogie acceleration data based on defects. In this paper, the time domain analysis, frequency domain analysis, wavelet analysis and Hilbert-Huang transform(HHT) are used to analyze bogie acceleration data and extract the frequency features of the detection signal. The simulation results show that feature frequencies obtained from the continuous wavelets analysis and feature modes derived from the empirical mode decomposition(EMD) can be used for track defects diagnosis. The feasibility and reliability of the method of detecting the corrugation damages based on the operating vehicles is validated.
钢轨波浪形磨耗(Corrugation, 简称波磨)是一种比较典型的伤损形式.波磨是指钢轨投入使用后, 在钢轨表面上沿纵向分布、有一定规律、周期性、类似波浪形状的不平顺现象[1].波磨的产生加剧了轮轨动力作用, 加速了轨道部件及车辆转向架的损坏, 从而增加养护维修费用.同时, 波磨会引起列车高频振动, 因此降低乘车舒适度, 严重时甚至会危及列车安全.另外, 列车通过有波磨伤损的钢轨时所发出的啸叫声是城市轨道交通噪声的主要来源之一[2].因此, 钢轨波浪形磨耗的检测具有重大意义.针对20世纪90年代波磨问题综述的空缺、分类方法及预防问题, 文献[3]提出钢轨波磨问题的本质是常频率现象, 更正了“ 滚动接触疲劳是波磨形成损伤机理之一” 这个观点, 并指出波磨可以导致钢轨滚动接触疲劳恶化, 但是钢轨波磨不是由滚动接触疲劳导致的.此外, 还解释了之前遗留下的roaring rails波磨现象, 提出轨道结构Pinned-Pinned共振导致了此波磨现象.文献[4]将波磨成因理论归为动力类成因和非动力类成因, 其中动力类成因理论又分为自激振动、反馈振动和共振振动3种.并建立了“ 轮对粘滑振动-磨耗功波动-磨损形波磨” 的波磨成因模型, 综合考虑了轮轨系统垂向振动、磨耗功波动、轮对扭转振动和轮对弯曲振动等波磨成因理论.研究发现了波磨形成及发展的4个必要条件, 分别为轨道不平顺、轮对粘滑振动、车型数量优势和车辆速度相对集中.文献[5]建立了相对比较完善的钢轨波浪形磨耗的理论计算模型, 该模型是基于耦合动力学理论、半车车辆轨道模型、轮轨材料摩擦磨损模型及改进的三维非赫兹滚动接触理论建立的.
目前, 国内外波磨检测的主要方法是利用轨检车检测轨道的动态数据来分析轨道病害, 其设备主要是钢轨探伤车和手推式探伤仪, 但结构复杂、费用较大, 且不能达到非常理想的检测精度, 因此迫切需要发展一种高效率、精度高、费用低的检测方法[6], 本文作者提出了一种基于运营车辆转向架加速度的钢轨波浪形磨耗检测技术, 即利用SIMPACK多体动力学软件建立含有波浪形磨耗的城市轨道交通车辆-轨道模型, 采集该状态下的车辆转向架加速度作为波磨检测信号, 应用经典的时频域分析、小波分析及希尔伯特黄变换分别对基于波磨病害的转向架加速度信号进行分析并提取出时频特征进行病害识别.
本文作者采用的SIMPACK是一款功能极其强大的多体动力学仿真软件, 主要涉及机械、机电系统运动学及动力学性能仿真[7], 具有非常强大的动力学及运动学分析功能.利用SIMPACK仿真环境, 能搭建含有各个部件、各种约束、铰接及力元等在内的机械/机电系统动力学仿真模型, 该软件会自动形成所仿真对象的动力学方程, 利用SIMPACK自身强大的解算技术, 获得该系统在受到外部激励的条件下所输出的动态响应, 从而进一步分析所建仿真系统的固有模态、受力状态、振动特性及各个部件的运动速度、加速度、位移等.
SIMPACK多体系统主要由物体、铰接、外力和力元4个要素组成[8], 还有一些其他的基本要素, 如系统参考坐标系、标记及约束等.
在城市轨道交通中, 车辆是一个较为复杂的多体系统, 因此, 在建模时, 对于车辆系统仿真目的没有重要作用的部件可以不加考虑, 而对能起到关键作用的构件要尽可能根据其实际的工作情况进行仿真[9, 10, 11, 12].本文模型是参照北京地铁B型车搭建的, 建模时, 将车体、构架及轮对视为刚体, 忽略其弹性, 具体建模参数为:车体质量22 800 kg; 转向架质量2 500 kg; 车体绕
在转向架及车体四角处布设加速度传感器, 采集其转向架加速度信号, 其传感器布设图如图2所示, 本研究中采用转向架左前传感器的检测信号进行数据分析.
波磨病害(见图3)的严重程度主要由波长和波深两个参数来共同反映[13, 14], 其示意图如图4所示.列车通过波长和波深不同的轨道时, 动力冲击的响应也不同[15].
在仿真的过程中, 选取1 m长作为波磨仿真的最大长度, 波磨在垂-纵面的外形轮廓与正弦波形很相似[16], 如图5所示, 其最大波深为0.647 3 mm; 平均波深为0.646 7 mm.因此波磨的典型轮廓建模可通过式(1)进行拟合[16].
式中:
将如图5所示的9处钢轨波磨以激励的形式添加在弯轨的内、外侧轨道, 并将拟合的钢轨波磨数据, 设置成为特定的、符合SIMPACK软件规则的数据格式, 通过SIMPACK软件中的轨道生成器模块, 生成格式为.tre的文件, 导入到建立的整车弯轨多体仿真模型中.其中, 9处波磨的分布情况如图6所示, 从内轨42 m处开始, 每处波磨长度为1 m, 内、外轨间隔2 m出现1处波磨, 其仿真速度为65 km/h.
针对波磨病害的检测, 本文作者提出了一种基于转向架振动加速度信号的检测方法, 该方法建立于SIMPACK仿真模型的基础之上, 并通过对仿真检测信号的时频分析验证了该仿真模型的有效性.当列车运行过钢轨病害处时, 轮对受到钢轨表面病害冲击作用会产生一定的振动加速度, 而此振动信号自下向上依次传递到一系悬挂、转向架、二系悬挂及车体.因此, 选取转向架的振动加速度信号作为检测信号.
钢轨正常及添加9处波磨后转向架垂向加速度振动波形对比如图7所示, 其中正常钢轨是指考虑钢轨仅有水平、高低不平顺的状态即在SIMPACK仿真环境下的美国6级轨道谱, 且全文的正常钢轨皆为仅有不平顺的状态.
由图7知, 当钢轨上添加9处波浪形磨耗病害时, 波磨处的加速度幅值远大于正常钢轨的加速度值, 且每处波磨的波形都极其相似, 这说明利用SIMPACK所建模型的仿真精度比较高, 误差较小, 仿真分析得出的结果可以作为下一步信号分析的依据.
频域分析是采用傅里叶变换将时域信号变换为频域信号, 从而可以从另一个角度来了解信号的特征的分析方法.信号频谱表征出信号在不同频率分量成分的大小, 相对于时域信号波形来说, 能够提供更加丰富和直观的信息.
1)功率谱密度分析.
由波的频谱密度乘以一个适当的系数后得到的每单位频率波携带的功率, 就被称为信号的功率谱密度(Power Spectral Density, PSD).
式中:
随机信号的功率谱密度为
式中,
由此, 将平稳信号
式中,
功率谱密度主要表示信号谱密度对频率的函数变化, 也可表现单位频带内信号功率随频率变化的情况.图8表示正常状态与波磨状态的列车转向架加速度的功率密度谱对比图.
通过图8可以得出:正常钢轨的转向架振动加速度功率谱密度值比较小, 约分布在0~60 Hz频带, 重点在0~20 Hz, 如图8中矩形框内波形所示.而波磨钢轨的功率谱密度明显大于正常钢轨, 主要分布在0~60 Hz和80~110 Hz, 且波峰出现在90 Hz左右.
2)频域特征值.
在确定病害的位置及类型等方面, 频域指标发挥着不可替代的作用, 它主要有以下3种指标.
频域中心(Frequency Center, FC)
频域均方根(Root Mean Square Frequency, RMSF)
频域均方差(Root Variance Frequency, RVF)
在以上3个频域指标公式中 ,
分别将正常状态和波磨状态下的频域特征量进行计算并对比分析, 具体见表1.
由表1可知, 出现波磨的钢轨与正常钢轨相比, 其列车转向架加速度信号的各频域特征值都在减小.当波磨病害出现时, 列车转向架加速度频域中心由107.92 Hz减小为56.295 4 Hz, 幅度减小了47.8%, 频域均方根与均方差减小的幅度则分别为27%和6%, 说明频域中心特征量对钢轨波磨的出现更加敏感, 而频域均方差则敏感性较低.因此, 转向架振动加速度信号的频域特征值也可以作为检测钢轨波磨病害的依据.
小波分析是一种具有多分辨率的分析方法, 可将信号进行时频局部化分析, 一般在工程中应用的比较广泛.本节利用小波分析法来提取波磨的频域特征, 为波磨的检测提供更加可靠的理论依据[17].首先对检测信号进行小波包分解, 再结合连续小波变换, 基于时域、空间域及频域分析得到钢轨病害位置、振动频率以及振动能量, 以弥补单纯进行频域分析的不足, 以便对钢轨病害实现空间定位.
以原始信号
由图10可知, 钢轨在波磨状态下的转向架振动加速度信号在分层后, 各层信号的振动强度相对于正常钢轨振动强度增大了10~50倍.添加波磨信号后, S32节点和S33节点的信号振动幅度从-0.02~0.02 mm, 增大到-1~1 mm, S34与S35的变化范围从-0.01~0.01 mm增大到-0.5~0.5 mm.综上所述, 当钢轨有波浪形磨耗出现时, 会对运营车辆造成极大的激扰, 导致当车辆经过病害钢轨时转向架出现比较剧烈的振动.则转向架加速度信号的小波分析可以作为波浪形磨耗是否出现的依据.
此外, 又对正常钢轨及波磨状态下列车转向架加速度信号进行连续小波变换, 此时在钢轨42 m曲线位置一共设置了9处钢轨波浪形磨耗病害, 车速为65 km/h, 仿真时间为10 s, 检测信号的采样频率为2 000 Hz, 其结果如图11所示.
分析其结果可得:在不存在波磨病害的正常钢轨上, 列车转向架振动频率为0~20 Hz.图11中波磨轨道相对于正常轨道有剧烈的振动, 可以判断此频带的振动是由于钢轨波磨病害引发的, 且其振动频率为80~110 Hz, 与前文PSD分析的结果相符, 即可看出检测信号空间谱效果和功率谱效果相符.
当采用小波分析法对信号进行分析时, 一般是依据先验知识来确定小波基函数, 使其分解效果达到最佳, 但是在实际的工程应用中, 检测信号多为非平稳信号, 小波基函数选定之后就无法更改, 不能针对非平稳信号自适应的变换基函数, 而希尔伯特黄变换能依据检测信号的固有特征自适应地进行有效分解, 它在非线性信号或者非平稳信号的分析领域发挥着重要作用[19].
本节采用HHT分析方法对基于不同钢轨状态(正常状态以及波磨状态)的运营车辆转向架振动加速度信号进行EMD分解, 并对固有模态信号的希尔伯特谱进行分析, 并对比了钢轨两种不同状态产生信号的边际谱, 从而得出波磨的特征时频响应, 为钢轨波磨的检测提供更完整可靠的理论依据.
1)EMD分解.
截取7处波磨的钢轨, 对列车转向架信号进行EMD分解, 结果如图12所示.
图12中imf1~imf8是根据由高至低的频率顺序提取的信号振动固有模态分量, 是由原始信号进行EMD分解得到的; 分解后的残余误差一般不予以考虑, 因为其代表趋势项或常数项, 不能反映出检测信号的变化趋势.
通过图12得到的经验模态分量可以提取到钢轨波浪形磨耗病害.在原始信号中的不同位置添加了钢轨波磨, 在imf2中的相应位置会显现出图12(c)中椭圆所标注的波浪形模态.因此, 可以认为一旦钢轨出现了波磨病害, 基于此病害的运营车辆转向架加速度信号的振动特征模态就会呈现出波浪状的波形.同样的, 如果对检测信号进行EMD分解, 其结果显示有上述波浪形振动模态, 就可以认为钢轨在该振动模态对应的位置出现了波浪形磨耗病害.
2)HHT谱及边际谱分析.
对上节的经验模态分量做希尔伯特变换后, 会得到其相应的Hilbert谱, Hilbert谱显示出某一特定位置处的振动频率或者瞬时频率.以EMD分解结果中的imf2为例, 得到其Hilbert谱, 如图13所示, 所显示出的图像越明显, 说明车辆在此位置的振动越剧烈.
从图13中可知, 钢轨在40~60 m的范围内, 车辆转向架产生了周期性的振动, 具体表现为:图像出现了两条频带, 每条频带的瞬时频率呈现周期性变化, 这说明钢轨波磨分7处出现在对应钢轨上.上方频带内振动比较剧烈, 振动频率在80~110 Hz之间; 下方频带的振动相对较弱, 振动频率在20 Hz左右波动.
由上述分析可知, 检测信号EMD分解的imf2分量呈现出比较明显的特性, 为了进一步研究钢轨波磨信号的频率分布情况, 从而确定波浪形磨耗的特征频率, 本节将正常钢轨以及波磨钢轨两种状态的检测信号进行EMD分解, 并分别对其imf2进行边际谱分析, 如图14所示.
对比分析两种状态下的边际谱图像可以得出:图14(a)中, 正常钢轨仅有不平顺激扰, 检测信号的边际谱在20 Hz左右范围出现了特征频率(见图中矩形框).图14(b)中的检测信号来源于既存在钢轨不平顺激扰, 又有波磨病害的情况, 边际谱图像显示出检测信号的2个特征频率, 分别为20 Hz左右范围(见图中矩形框)及90 Hz(图中标注点).
1)对原始信号进行连续小波分析, 可以得到原始信号在不同频带的振动能量谱图, 从而估计钢轨病害出现的位置以及病害的振动频带, 对钢轨病害的类型进行初步估计.
2)截取上述相应位置附近的原始检测信号进行希尔伯特边际谱分析, 可以得到相应位置处原始信号的振动频率分量, 并与已知的波磨病害特征频率进行对比.
3)截取上述相应位置附近的原始检测信号进行EMD分解, 找出其固有振动模态波形与已知病害固有振动模态进行对比, 可进一步验证病害类型.从结果可以看出, 列车在经过含有波磨的钢轨时, 其转向架会发生剧烈的振动, 振动频带主要集中在80~110 Hz, 且特征频率为90 Hz, 特征波形为波浪状的波形, 这对于钢轨波磨病害的识别和检测有重要意义.
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|