论文部分内容阅读
轨道紧固件是铁路轨道的关键部件,用于将轨道和轨下基础连接在一起以提供弹性。随着高速重载铁路的发展,铁路结构在列车的高速运行下承受着日益增大的载荷,而紧固件在列车车轮的严重冲击下产生具有破坏性的振动,极易发生松动甚至脱落失效,进而导致轨道结构表面出现各种缺陷和损伤,对轨道交通安全构成严重威胁。然而,传统的铁路紧固件松动检查是人工进行的,检测结果受人的主观性判断影响大,并且效率低、成本高。人工检测铁路紧固件状态的方法无法完成繁重的铁路维护任务,不能顺应铁路技术高速发展的趋势,因此急需一种快速、高效、准确、低成本的铁路紧固件状态监测方案。本文在此背景下,研究设计了一套铁路紧固件状态检测传感系统,可实时监测紧固件松动状态并将结果上传到云服务器,以供铁路维护相关部门及时做出反应。具体工作及相应的研究结果如下:设计并开发了一种无源、无线而且低成本的紧固件检测系统,该系统由低功耗微惯性测量单元(Miniature Inertial Measurement Unit,MIMU)和全球移动通信系统(Global System For Mobile Communications,GSM)组成。系统采用光能供电,无需外接电源,传感器测得的加速度信号被上传至云端服务器,经过数据处理和分析得到钢轨紧固件状态信息。针对铁路紧固件机械结构和连接特性,本文建立了紧固件系统动力学模型和有限元模型,并对钢轨紧固件在脉冲激励下产生的垂向振动特性进行了理论分析。在此基础上,应用幅值熵理论对紧固件松动情况进行了可靠识别。此外,仿真实验结果证明,信息熵在很大程度上不受奇异点干扰,这有利于减少紧固件状态检测系统的误报警,提高实用能力。现场检验结果表明,当紧固件扭矩在60 N·m-140 N·m范围内变化时,幅值熵变化幅度不大,但对于松动程度较大的紧固件,仍然可以实现准确地识别。针对信息熵方法在紧固件状态识别中的劣势,本文根据信号特征提取理论,进一步提出了基于本征模函数(Intrinsic Mode Function,IMF)分布熵的信号特征提取方法。首先构造出反对称延拓信号,然后利用经验模态分解(Empirical Mode Decomposition,EMD)方法对信号进行分解,结合幅值熵得到各IMF信号在时域的分布熵,用来表征信号不同频带的特征。将分布熵作为分类特征,采用支持向量机(Support Vector Machine,SVM)分类器得到紧固件的松动级别。分类结果表明,与单独使用幅值熵的结果相比,该方法对于紧固件状态的识别效果有很大的提升。本文提出的基于IMU和GSM的铁路紧固件状态检测系统,能够准确识别出紧固件的脱落及松动状态,并且低成本,可为铁路的日常维护带来显著的效益,是实现大距离铁路状态实时监测和定期维修的一种有效技术途径。