论文部分内容阅读
转向架空气弹簧是动车组的关键部件,其中含有诸多金属橡胶粘接构件,假如金属橡胶之间发生脱粘现象,将直接影响到动车组的运行安全。为了确保动车组的安全运行,科学准确地检测空气弹簧中的脱粘现象具有十分重要的工程意义和运用价值。本文针对CRH3型动车组SYS510E型空气弹簧进行脱粘检测研究。通过查阅大量的国内外文献,分析敲击法、红外热成像法、核磁共振成像法、超声检测法等粘接状态检测方法的优缺点,确定采用操作简单,环保清洁,且具有良好的理论与技术基础的超声检测方法进行粘接状态检测。论文进而分析了脉冲反射法、超声透射法、超声导波法等不同超声检测方法的特点,针对转向架空气弹簧易发生脱粘部位的结构与检修过程的特点,决定采用超声脉冲反射法进行粘接状态检测。论文完成了基于FPGA和LabVIEW的脱粘检测系统的设计。该系统分为基于FPGA的超声检测硬件电路与基于LabVIEW的脱粘检测应用软件两大部分。硬件电路能够实现对八个超声探头进行超声波激励、超声回波数据采集以及数据传输的功能。FPGA把采样后的数据通过以太网接口传输至工控机,工控机上的应用软件可以实现对超声波数据的预处理、特征提取与模式识别。为了方便在实验室进行试验和数据分析以及标定测试,采用与SYS510E型空气弹簧易脱粘部位相同材料的金属与橡胶设计制作了带有人造脱粘缺陷的金属橡胶试块。在此基础上研究分析超声波信号预处理方法、特征提取方案与模式识别方法。论文分析比较了奇异谱分析与小波阈值降噪两种方法的优缺点。根据实际检测过程中的噪声特征,提出了结合奇异谱分析与小波阈值降噪两种方法对超声回波信号进行预处理,该方法能够有效地提高超声回波信号的信噪比,并尽可能减小计算量。接着,研究分析传统的高次回波声压比法,由于简单依靠超声高次回波幅值差异很难对粘接状态进行有效识别,因此进一步对超声回波信号进行了EMD分解研究,找出各分量与原始信号的相关系数、样本熵、能量参数等新的能够表征粘接状态的特征值。随后,使用GA-BP神经网络对找出的特征值进行模式识别。结果显示,GA-BP神经网络相较于BP神经网络有更高的识别率与更快的计算速度,80组被测样本的识别准确率高达98.75%,足以满足检修要求。最后,对金属橡胶试块和SYS510E空气弹簧底座与辅助弹簧的粘接界面进行C-扫描检测。结果表明,该检测系统各项性能能够达到预期的技术要求。