城市轨道交通钢轨波浪形磨耗检测仿真研究

引用本文

翟国锐, 贺延芳, 魏秀琨. 城市轨道交通钢轨波浪形磨耗检测仿真研究[J]. 北京交通大学学报, 2017,41(4): 77-84.
ZHAI Guorui, HE Yanfang, WEI Xiukun. Detection technique research of rail corrugation in urban rail transit[J]. JOURNAL OF BEIJING JIAOTONG UNIVERSITY, 2017,41(4): 77-84.
Doi:10.11860/j.issn.1673-0291.2017.04.011 复制到剪切板

Permissions

北京交通大学学报编辑部所有

城市轨道交通钢轨波浪形磨耗检测仿真研究

翟国锐¹, 贺延芳², 魏秀琨²

1.中车长春轨道客车股份有限公司,长春 130062

2.北京交通大学轨道交通控制与安全国家重点实验室,北京 100044

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

收稿日期: 2016-05-03

基金: 国家科技支撑计划(2015BAG13B00)

摘要

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.

关键词: 波浪形磨耗; SIMPACK; 时、频域分析; 小波分析; 希尔伯特黄变换

中图分类号:U216.6

Detection technique research of rail corrugation in urban rail transit

ZHAI Guorui¹, HE Yanfang², WEI Xiukun²

1.CRRC Changchun Railway Vehicles Co.,Ltd., Changchun 130062, China

2.State Key Laboratory of Railway Traffic Control and Safety, Beijing Jiaotong University, Beijing 100044,China

Fund:Foundation item:National Key Technology Research and Development Program of China(2015BAG13B00)

Abstract

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.

Keyword: corrugation; SIMPACK; time and domain analysis; wavelet packet; Hilbert-Huang transform

文章图片

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.

1 车辆-轨道动力学检测仿真模型

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.

1.1 整车动力学模型的建立

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 $x, y, z$ 轴转动惯量分别为14 890 kg· m², 66 200 kg· m², 617 310 kg· m²; 转向架绕 $x, y, z$ 轴转动惯量分别为1 050 kg· m², 2 410 kg· m², 1 980 kg· m²; 一系垂向阻尼为5 000 N· s/m; 一系横向, 纵向刚度分别为10.4× 10⁶ N/m, 7.0× 10⁶ N/m; 二系横向, 垂向阻尼为1.5× 10⁴ N· s/m, 3× 10⁴ N· s/m; 二系垂向, 横向, 纵向刚度分别为2.75× 10⁵ N· s/m, 1.5× 10⁵N· s/m, 1.5× 10⁵ N· s/m; 抗侧滚扭杆刚度1.0× 10⁶ N m/rad; 二系弹簧间距1.85 m.在轮轨接触模型中, 钢轨类型选取UIC60, 建模参数如下:轮对质量为1 760 kg; 轮对绕 $x, y, z$ 轴的转动惯量分别为985 kg· m²、140 kg· m²、985 kg· m²; 轨枕质量为244 kg; 轨枕距为0.6 m; 道床弹性模量为45 MN/m; 道床阻尼为32 kNs/m.将轮轨子系统、车体子系统和转向架子系统耦合成整车动力学模型见图1.

	Figure Option View Download New Window
	图1 整车动力学模型Fig.1 Multi-body dynamic model of whole vehicle

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.

	Figure Option View Download New Window
	图2 传感器布设图Fig.2 Sensor configuration

1.2 钢轨波磨的拟合

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].

	Figure Option View Download New Window
	图3 钢轨波浪形磨耗Fig.3 Corrugation of rail

	Figure Option View Download New Window
	图4 钢轨波磨示意图Fig.4 Diagram of corrugation

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].

	Figure Option View Download New Window
	图5 波磨垂-纵截面几何轮廓图Fig.5 Vertical-longitudinal profiles of corrugation

$f (x) = \frac{d}{2} \times \sin \frac{(2 π x}{L)} (1)$

式中: $x$ 为坐标轴, 即钢轨纵向坐标; $d$ 为波磨波深; $L$ 为波磨病害的长度.

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.

	Figure Option View Download New Window
	图6 波磨分布示意图Fig.6 Configuration of corrugation

2 基于转向架加速度的检测仿真分析

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.

2.1 检测信号时域分析

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.

	Figure Option View Download New Window
	图7 不同钢轨状态转向架加速度信号时域波形对比图Fig.7 Time domain waveform comparison of bogie acceleration signal in different rail states

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.

2.2 检测信号频域分析

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).

$S (ω) = \lim_{T \to \infty} \frac{1}{2 T} | X_{T} (ω) |^{2} (2)$

式中: $X_{T} (ω)$ 为截断信号 $x_{T} (t)$ 的傅里叶变换; $S (ω)$ 为功率谱密度, 简称功率谱; $T$ 为周期.

随机信号的功率谱密度为

$P_{X} (ξ) = \frac{1}{2 π} \int_{-}^{\infty} S_{X} (ω, ξ) d ω (3)$

式中, $S_{X} (ω, ξ)$ 为随机信号样本功率谱.

由此, 将平稳信号 ${X (t), t \in T}$ 的自相关函数的傅里叶变换式(4)称为功率谱密度.

$S_{X} (ω) = \frac{1}{2 π} \int_{-}^{\infty} R_{X} e^{- j ωτ} d τ (4)$

式中, $R_{X}$ 为平稳信号 ${X (t), t \in T}$ 的自相关函数.

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.

	Figure Option View Download New Window
	图8 不同钢轨状态下的转向架垂向加速度功率谱对比图Fig.8 Power spectrum comparison chart of vertical acceleration of bogie

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)

$F_{C} = \frac{\int_{0}^{+} f s (f) d f}{\int_{0}^{+} s (f) d f} (5)$

频域均方根(Root Mean Square Frequency, RMSF)

$F_{RMS} = {[\frac{\int_{0}^{+} f^{2} s (f) d f}{\int_{0}^{+} s (f) d f}]}^{1 / 2} (6)$

频域均方差(Root Variance Frequency, RVF)

$F_{RVF} = {[\frac{\int_{0}^{+} (f - F_{C})^{2} s (f) d f}{\int_{0}^{+} s (f) d f}]}^{1 / 2} (7)$

在以上3个频域指标公式中 , $s (f)$ 指的是信号功率谱.FC和RMSF可以描述信号主频率位置的变化, 而RVF则能表征信号的收敛性.

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.

表1 不同钢轨状态垂向加速度频域特征值对比 Tab.1 Comparison of the frequency domain characteristic values of vertical acceleration in different rail statesHz

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.

2.3 检测信号小波分析

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 $X (t)$ 的3层分解作示例^[18], 其小波包分解的过程如图9所示.对于所采集的正常钢轨和波磨钢轨的原始信号, 其采样频率为2 000 Hz, 采用“ db1” 小波分别对正常信号及含有病害的信号4 600~7 530 Hz之间的采样点进行小波包分解, 将第3层的8个节点进行重构, 其中S30表示第3层的[3, 0]节点, S31表示第3层的[3, 1]节点, 其他依次类推, 分解结果如图10所示.

	Figure Option View Download New Window
	图9 小波包分解图Fig.9 Diagram of wavelet packet

	Figure Option View Download New Window
	图10 振动信号的小波包分解Fig.10 Wavelet packet decomposition of vibrating signal

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.

	Figure Option View Download New Window
	图11 不同状态钢轨转向架加速度信号的连续小波分析Fig.11 Continuous wavelet transform comparison figure of bogie acceleration vibrating signal

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.

2.4 检测信号希尔伯特黄变换

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.

	Figure Option View Download New Window
	图12 基于转向架加速度的波磨病害信号EMD分解Fig.12 EMD results for the Bogie acceleration at corrugation

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.

	Figure Option View Download New Window
	图13 基于转向架加速度的钢轨波磨信号HHT谱Fig.13 HHT results for the bogie acceleration at corrugation

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.

	Figure Option View Download New Window
	图14 不同状态下的转向架加速度信号边际谱比较图Fig.14 Marginal spectrum comparison chart of the bogie acceleration

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).

2.5 钢轨波浪形磨耗检测仿真模型系统模态分析

本文所建车辆-轨道动力学模型共有68个自由度, 其固有振动模态见表2所示, 表2中第27~68个自由度的固有振动模态大约为0~30 Hz, 由此可知上面几节基于仿真模型检测信号所提取的钢轨波磨病害特征频率即0~30 Hz(包括20 Hz的特征频率)是由系统固有频率引起的, 而80~110 Hz频带的振动则是由钢轨波浪形磨耗病害导致的, 从而验证了利用SIMPACK仿真模型基于转向架振动加速度进行钢轨波磨病害检测的可行性.

表2 整车动力学模型的固有模态 Tab.2 Intrinsic modes of the whole vehicle dynamic model

3 结论

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.

参考文献

文献列表

[1]	张波, 刘启跃. 钢轨波浪形磨损的研究分析[J]. 西南交通大学学报, 2001, 36(5): 500-504. ZHANG Bo, LIU Qiyue. Research review on rail corrugation[J]. Journal of Southwest Jiaotong University, 2001, 36(5): 500-504. (in Chinese) [本文引用:1]
[2]	范钦海. 钢轨波浪形磨耗形成机理及减缓措施研究[J]. 中国铁道科学, 1994, 15(2): 22-40. FAN Qinhai. On the mechanism and control of rail corrugation[J]. China Railway Science, 1994, 15(2): 22-40. (in Chinese) [本文引用:1]
[3]	LI Z, ZHAO X, ESVELD C, et al. An investigation into the causes of squats-correlation analysis and numerical modeling[J]. Wear, 2008, 265(9): 1349-1355. [本文引用:1]
[4]	李霞. 地铁钢轨波磨形成机理研究[D]. 成都: 西南交通大学, 2012. LI Xia. The formation mechanism of metro rail corrugation [D]. Chengdu: Southwest Jiaotong University, 2012. (in Chinese) [本文引用:1]
[5]	温泽峰, 金学松. 钢轨波浪形磨损研究[J]. 中国铁道科学, 2007, 28(1): 136-138. WEN Zefeng, JIN Xuesong. Rail corrugation research[J]. Chinese Railway Science, 2007, 28(1): 136-138. (in Chinese) [本文引用:1]
[6]	刘学毅, 王平, 万复光. 重载线路钢轨波形磨耗成因研究[J]. 铁道学报, 2000, 22(1): 98-103. LIU Xueyi, WANG Ping, WAN Fuguang. Formation mechanism of rail corrugations in heavy-haul railline[J]. Journal of the China Railway Society, 2000, 22(1): 98-103. (in Chinese) [本文引用:1]
[7]	缪炳荣, 方向华, 傅秀通. SIMPACK动力学分析基础教程[M]. 成都: 西南交通大学出版社, 2008. MIU Bingrong, FANG Xianghua, FU Xiutong. SIMPACK dynamic analysis based tutorial[M]. Chengdu: Southwest Jiaotong University Press, 2008. (in Chinese) [本文引用:1]
[8]	周素霞, 陶永忠, 张志华, 等. SIMPACK 9 实例教程(上) [M]. 北京: 北京联合出版公司, 2013. ZHOU Suxia, TAO Yongzhong, ZHANG Zhihua, et al. SIMPACK 9 tutorial examples (Part 1) [M]. Beijing: Beijing United Publishing Company, 2013. (in Chinese) [本文引用:1]
[9]	ZHAI W M, WANG Q C, LU Z W, et al. Dynamic effects of vehicles on tracks in the case of raising train speeds[J]. Proceedings of the Institution of Mechanical Engineers Part F Journal of Rail & Rapid Transit, 2001, 215(2): 125-135. [本文引用:1]
[10]	WEN Z, XIAO G, XIAO X, et al. Dynamic vehicle-track interaction and plastic deformation of rail at rail welds[J]. Engineering Failure Analysis, 2009, 16(4): 1221-1237. [本文引用:1]
[11]	WEN Z, JIN X, ZHANG W. Contact-impact stress analysis of rail joint region using the dynamic finite element method[J]. Wear, 2005, 258(7): 1301-1309. [本文引用:1]
[12]	XIAO G, XIAO X, WEN Z, et al. Analysis on impact loading at rail welds at high speed[J]. Asme Biennial Conference on Engineering Systems Design & Analysis, 2008: 719-728. [本文引用:1]
[13]	CARSON R M, JOHNSON K L. Surface corrugations spontaneously generated in a rolling contact disc machine[J]. Wear, 1971, 17(1): 59-72. [本文引用:1]
[14]	JOHNSON K L, GRAY G. Development of corrugations on surfaces in rolling contact[J]. Proceedings of the Institution of Mechanical Engineers, 1975, 189: 567-580. [本文引用:1]
[15]	李宏锋. 地铁轨道波浪形磨耗检测系统研究[D]. 成都: 西南交通大学, 2014. LI Hongfeng. Study on detection system of metro rail corrugation [D]. Chengdu: Southwest Jiaotong University, 2014. (in Chinese) [本文引用:1]
[16]	STEFFENS D M. Identification and development of a model of railway track dynamic behaviour[J]. Railway, 2010. [本文引用:2]
[17]	尹贤贤. 基于运营车辆的钢轨核伤检测[D]. 北京: 北京交通大学, 2015. YIN Xianxian. Rail vehicle detection based on squats operation [D]. Beijing: Beijing Jiaotong University, 2015. (in Chinese) [本文引用:1]
[18]	唐向宏, 李齐良. 时频分析与小波变换[M]. 北京: 科学出版社, 2008. TANG Xianghong, LI Qiliang. Time frequency analysis and wavelet transform [M]. Beijing: Science Press, 2008. (in Chinese) [本文引用:1]
[19]	安怀志. 希尔伯特黄变换理论和应用的研究[D]. 哈尔滨: 哈尔滨工程大学, 2008. AN Huaizhi. Study on the theory and application of Hilbert Huang transform [D]. Harbin: Harbin Engineering University, 2008. (in Chinese) [本文引用:1]

2001

0.0

张波, 刘启跃. 钢轨波浪形磨损的研究分析[J]. 西南交通大学学报, 2001, 36(5): 500-504.

ZHANG

, LIU

Qiyue

. Research review on rail corrugation[J]. Journal of Southwest Jiaotong University, 2001, 36(5): 500-504. (in Chinese)

Rail corrugation is a complex problem that railway enterprises all over the world are eagerto solve. In this paper, researches on rail corrugation in recent years are reviewed, and the statusquo in this research field is investigated. In the mean time, current perspectives about theclassification, causes and prophylactic measures of rail corrugation are summarized with the emphasisof discussion being focused on the formation mechanism and prophylactic measures. It is reckonedthat self-excited vibration, reactive vibration and contact fatigue contribute to the formation andgrow of rail corrugation.

钢轨波磨是世界各国铁路部门致力解决的极复杂的问题,通过对近几年相关资料的总结,分析了钢轨波磨领域的研究现状。介绍了当前在波磨分类、成因机理和减缓措施中存在的各种观点,重点讨论了波磨的形成机理和减缓措施,认为波磨的形成和发展有自激振动、反馈振动、接触疲劳3个方面的原因。

... 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] ...

1994

0.0

范钦海. 钢轨波浪形磨耗形成机理及减缓措施研究[J]. 中国铁道科学, 1994, 15(2): 22-40.

FAN

Qinhai

. On the mechanism and control of rail corrugation[J]. China Railway Science, 1994, 15(2): 22-40. (in Chinese)

摘　要：钢轨波浪形磨耗是世界铁路近百年来致力解决的极其复杂的问题，本文根据轮对与轨道系统的弹性振动使轮轨间产生的粘振动（或粘一滑振动）是钢轨波浪形磨耗形成的基本的观点，建立了柔性轮对与柔性轨道系统横向与垂向耦合的非线性动力学模型，对轮轨间的磨耗功响应进行了模拟研究，并在１：５和１：１滚动试验台及现场行车上进行了试验研究，研究结果表明上述观点是成立的，本研究还提出了能有效控制钢轨波浪形磨耗的一些建议。

... 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] ...

2008

0.0

... 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#cod#x0201c ...

2012

0.0

李霞. 地铁钢轨波磨形成机理研究[D]. 成都: 西南交通大学, 2012.

Xia

. The formation mechanism of metro rail corrugation [D]. Chengdu: Southwest Jiaotong University, 2012. (in Chinese)

一个多世纪以来,钢轨波磨引起了铁路工作者的广泛注意和研究兴趣,然而人们却一直没有总结出治愈波磨的根本方法。一个公认的事实是：不同类型的波磨其形成机理也不同,因而很难用某一种方法完全治愈钢轨波磨。但是部分类型的钢轨波磨也可以通过相应的措施得到很好地预防。随着城市轨道交通的不断发展,我国地铁发展迅速,与此同时,各个城市的地铁线路都出现了不同程度的波磨。地铁钢轨波磨的形成机理十分复杂,至今尚未完全弄清楚。它的研究涉及多学科多领域的相关知识,如结构动力学、固体接触力学、滚动接触理论、摩擦学、计算方法等。因此,深入研究地铁钢轨波磨问题是十分重要的,揭示其形成机理并提出相应的波磨减缓措施,对确保我国地铁车辆安全运行和城市轨道的减振降噪具有重要意义。我国某地铁线路开通不久后,整个线路多种轨道形式上均出现严重的钢轨波磨,其不仅引起了车辆轨道结构的强烈振动,还带来了恼人的环境噪音,引起了乘客和附近居民的强烈不满。因此,本文对该地铁线路钢轨波磨的形成机理及其相关的减磨措施展开详细的研究和探讨,主要包括： (1)简单介绍了城市轨道交通的发展概况,对轨道交通发展过程中出现的钢轨波磨问题进行了简单论述,对地铁波磨的研究现状做了详细的综述,指出了钢轨波磨研究的重要性。 (2)详细介绍某城市地铁车辆轨道结构特征、典型区段钢轨波磨状态和轨道结构特性测试结果,对钢轨波磨通过频率与轨道结构振动频率的相互关系做了详细探讨,发现该线路上出现的波磨主要与轨道结构形式相关。 (3)建立了车辆簧下质量与多种轨道耦合作用的三维实体有限元理论分析模型,分析讨论了轨道结构的动态特性与波磨发生发展的相互关系,给出了各种轨道形式波磨形成机理的初步解释。 (4)建立了地铁车辆-无砟轨道钢轨耦合作用下的波磨理论分析模型,模型集成了考虑刚柔特性的整车-无砟轨道垂横向耦合动力学模型、改进的轮轨非Hertz滚动接触模型、轮轨材料摩擦磨损模型和钢轨波磨磨耗叠加模型。该模型可以考虑整车车辆轮轨之间的动力作用对钢轨波磨形成和发展的影响,以及波磨导致钢轨表面不平顺发生变化后其对轮轨接触和动力学的反激励作用,即整个大模型可以考虑车辆轨道瞬态动力作用行为与轮轨磨耗的往复循环相互作用过程。动力学耦合模型中,车辆结构采用多刚体质量块—弹簧—阻尼系统来模拟,钢轨采用铁木辛柯梁模型,轨道板采用三维实体有限元来模拟,更加真实地反应了轨道结构的特性；滚动接触模型中考虑了磨耗逐步累积的钢轨波磨对轮轨接触的影响；材料摩擦磨损模型采用考虑自旋效应的摩擦功磨耗模型；波磨磨耗叠加模型可以同时计算整车车辆8个车轮与钢轨相互作用所形成的磨耗。 (5)详细介绍某地铁现场波磨的发展情况,掌握了该地铁特定轨道形式上波磨的发展规律。结合现场跟踪的实测结果,对本文的理论模型进行了试验验证,仿真计算结果表明该模型能够能客观地反应实际情况,其模拟结果和现场调查情况相吻合。 (6)研究了白噪声激励、复合不平顺激励和凹坑激励下普通短轨枕曲线轨道和科隆蛋减振直线轨道钢轨波磨的形成机理和其发展情况。研究结果表明,普通短轨枕轨道结构在60Hz～90Hz范围内钢轨和轨道板整体相对于路基的垂向弯曲振动是125mm～160mm波磨产生的根本原因；数值结果显示在多种激励下,普通短轨枕轨道内外轨波磨的显著波长与现场情况相一致。科隆蛋(Cologne)减振扣件轨道在160Hz～300Hz的钢轨垂向弯曲振动和钢轨扭转振动是形成40mm～50mm波磨的根本原因；数值结果显示在多种激励下,科隆蛋减振扣件轨道左右轨波磨的显著波长与现场情况相一致。数值结果还表明,钢轨波磨的形成与随机不平顺中的初始波长关系较小,与轨道结构自身的固有特性以及车辆通过速度关系较大,只有初始不平顺中的波长与波磨通过频率对应波长相近时,其才能发展成波磨,否则其会在轮轨的碾压过程中消失。 (7)研究了扣件参数、曲线超高、车辆载重和摩擦系数对钢轨波磨的影响,并提出了相应地减缓措施。研究结果表明,随着扣件参数的增大,科隆蛋减振轨道的敏感频率发生偏移,波磨的波动幅值明显减小,且钢轨波磨的发展速度也比较缓慢；适当地减小小半径曲线过超高值,以及设置较小的欠超高有利于减缓曲线轨道钢轨波磨形成和发展速率；相同条件下,高峰期车辆通过波磨轨道时所形成的均匀磨耗偏大,而非高峰期车辆形成的非均匀磨耗偏大,即波磨更严重；在保证正常牵引制动需求的情况下,轮轨摩擦系数控制在0.35以下时,钢轨波磨的发展速度能够得到很好的控制。

... 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 ...

2007

0.0

... 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 ...

2000

0.0

刘学毅, 王平, 万复光. 重载线路钢轨波形磨耗成因研究[J]. 铁道学报, 2000, 22(1): 98-103.

LIU

Xueyi

, WANG

Ping

, WAN

Fuguang

. Formation mechanism of rail corrugations in heavy-haul railline[J]. Journal of the China Railway Society, 2000, 22(1): 98-103. (in Chinese)

对钢轨波磨成因理论和我国重载线路钢轨波磨的特征进行了总结,发展了一个适用于波磨成因分析的轮轨空间耦合振动模型.以轮轨间磨耗功为研究对象,发现了钢轨波磨是由一定条件下,轮轨系统垂向振动、轮对扭转振动和弯曲振动发生自激及交叉激扰形成的粘滑振动所致.同时发现了粘滑振动具有多种型态,且与不同的波磨特征相对应,并列举了四类粘滑振动.综合多种现有波磨成因理论,建立了"轮对粘滑振动-钢轨不均匀磨损"的成因理论.

... 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 ...

2008

0.0

... 1 车辆-轨道动力学检测仿真模型本文作者采用的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 ...

2013

0.0

... 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 ...

2001

0.0

... 1 整车动力学模型的建立在城市轨道交通中,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] ...

2009

0.0

2005

0.0

2008

0.0

1971

0.0

... 2 钢轨波磨的拟合波磨病害(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 ...

1975

0.0

... 2 钢轨波磨的拟合波磨病害(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 ...

2014

0.0

李宏锋. 地铁轨道波浪形磨耗检测系统研究[D]. 成都: 西南交通大学, 2014.

Hongfeng

. Study on detection system of metro rail corrugation [D]. Chengdu: Southwest Jiaotong University, 2014. (in Chinese)

钢轨波浪形磨耗(简称波磨)是钢轨投入使用后,轨顶面沿纵向分布的周期性类似波浪性状的不平顺现象,是轨道损伤的主要形式。自人们1892年在印度铁路发现波磨现象以来,世界各国各铁路相继发现波磨现象。自从人们发现波磨以来,人们就对波磨进行了大量的研究和分析。但是,直至目前为止,人们发现,根本没有办法从本质上阻止波磨的产生。近些年来,随着城市化的不断发展,地铁线路也不断扩大,相继而来的就是不可避免的地铁轨道波磨。地铁轨道波磨不但危及行车安全,产生大量的噪音,而且,如果对波磨不加以控制,任由其肆意扩大,最终将不得不换轨,大大加重了运营成本。科学研究表明,只有在波磨初期的时候对其进行检测和防治,才能有效地对波磨进行控制。因此,需要对波磨进行高精度的测量和准确的分析。同时,地铁线路的不断扩大,以及人力成本的不断增加,现有的轨道波磨检测设备已经不能满足轨道维护人员的切实需求。因此急切地需要一种设备能够准确、高效地对地铁轨道波磨进行检测。论文在分析、对比了国内外常用的波磨检测方法的基础上,结合地铁轨道交通的具体相关特点,综合介绍了波磨检测的方法：惯性基准法和弦测法法。本文首先基于惯性基准法提出了检测方案,对该方案进行了详细的设计,包括传感器选型,模拟信号调理和数据信号处理等,同时运用多体运动学软件SIMPACK进行了动力学仿真,采集轴箱加速度信号,对基于惯性基准法的波磨检测原理进行分析和验证。随后,论文对基于弦测法的波磨检测法进行了详细的介绍,包括了关键机构的选型,关键技术的确定等。本文为地铁轨道波磨检测提供了十分全面的设计。

... 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] ...

2010

0.0

... 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 ...

... 因此波磨的典型轮廓建模可通过式(1)进行拟合^[16] ...

2015

0.0

... 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] ...

2008

0.0

... 以原始信号 X(t)的3层分解作示例^[18],其小波包分解的过程如图9所示 ...

2008

0.0

安怀志. 希尔伯特黄变换理论和应用的研究[D]. 哈尔滨: 哈尔滨工程大学, 2008.

Huaizhi

. Study on the theory and application of Hilbert Huang transform [D]. Harbin: Harbin Engineering University, 2008. (in Chinese)

Norden E Huang在1998年提出了希尔伯特黄变换(HHT)这一全新的时频分析理论。在这一理论中,通过经验模态分解(EMD)的方法,将信号表示成有限个内在模分量(IMF)和一个残余分量之和的形式,并且提出了通过希尔伯特变换(HT)对各个IMF进行时频分析和求解瞬时频率。希尔伯特黄变换在对非线性非平稳信号的分析处理方面表现出了有效性和自适应特性,成为了一种优秀的、颇具发展潜力的信号分析工具。在现有关于希尔伯特黄变换理论与应用研究的基础上,本文尝试进一步完善和发展希尔伯特黄变换理论。从瞬时频率的概念和信号的数学模型出发,提出了局部窄带信号的概念,并将其作为IMF的本质,将EMD过程描述成一种时变窄带滤波过程。其次,本文对过去研究过的和现在仍然存在的相关问题进行了更加细致深入的思考,重点对希尔伯特黄变换端点延拓、正交性和最小信号周期等问题进行了研究,从数学角度给出了具体的描述和解释,从而巩固了希尔伯特黄变换的理论体系。此外,关于希尔伯特黄变换在二维信号领域的推广,本文总结了迄今为止主要的二维经验模态分解方法,给出了具体实现的改进算法,同时也介绍了二维信号解析分析的有关理论和主要研究。最后,尝试了将二维经验模态分解方法应用于具体的二维图像处理问题,包括对图像的细节提取,边缘检测和DCT图像压缩。实验的结果验证了这种方法的有效性,充实了希尔伯特黄变换在二维信号领域的应用实例。

... 4 检测信号希尔伯特黄变换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] ...