金志浩， 遲 展， 于寶剛

(沈陽化工大學(xué) 機(jī)械與動(dòng)力工程學(xué)院， 遼寧 沈陽 110142)

減速頂是在鐵路系統(tǒng)中安裝在鋼軌上對(duì)車廂進(jìn)行減速的一種重要調(diào)速設(shè)備[1]，其廣泛應(yīng)用于各種鐵路編組站.在經(jīng)過長時(shí)間軋制后，減速頂內(nèi)部的活塞組件容易破裂，使油缸難以下沉，造成“冒頂”現(xiàn)象，從而造成脫線事故.長期以來主要是通過人力進(jìn)行日常巡檢，采用腳踩的方式進(jìn)行故障檢測，憑經(jīng)驗(yàn)判斷減速頂?shù)氖欠窆ぷ髡?該方法的效率和準(zhǔn)確性不高，受外界影響較大，浪費(fèi)了人力物力資源[2].

減速頂有3個(gè)主要技術(shù)參數(shù)：制動(dòng)功、阻力功和臨界速度.我國從1980年開始使用簡單的儀器檢測減速頂這3個(gè)主要技術(shù)參數(shù).1985年從國外引進(jìn)了計(jì)算機(jī)及其它檢測設(shè)備，用動(dòng)能差法來進(jìn)行檢測[3].目前國內(nèi)關(guān)于減速頂在線故障診斷方面的研究較少.史惠中等[4]討論了紅外測溫技術(shù)在減速頂上的應(yīng)用.李赟喆等[5]設(shè)計(jì)了減速頂自動(dòng)檢測小車，其通過壓力大小判斷減速頂工況.20世紀(jì)50年代，聲發(fā)射檢測技術(shù)起步于德國，并于20世紀(jì)60年代在美國的原子能和航天技術(shù)領(lǐng)域迅速興起，應(yīng)用于玻璃鋼固體發(fā)動(dòng)機(jī)殼體檢測.但因當(dāng)時(shí)的技術(shù)和經(jīng)驗(yàn)所限，聲發(fā)射技術(shù)僅有少量應(yīng)用[6].20世紀(jì)80年代，聲發(fā)射技術(shù)在理論研究、實(shí)驗(yàn)研究和工業(yè)應(yīng)用方面取得了相當(dāng)大的進(jìn)展[7].20世紀(jì)80年代末至20世紀(jì)90年代初，隨著聲發(fā)射基礎(chǔ)理論研究的深入開展，以及現(xiàn)場、實(shí)驗(yàn)數(shù)據(jù)和經(jīng)驗(yàn)的大量積累，計(jì)算機(jī)技術(shù)、集成電路、人工神經(jīng)網(wǎng)絡(luò)等信號(hào)處理技術(shù)(尤其是數(shù)字信號(hào)處理技術(shù))及模式識(shí)別技術(shù)在聲發(fā)射領(lǐng)域中的廣泛應(yīng)用，加之日益擴(kuò)大的應(yīng)用領(lǐng)域?qū)β暟l(fā)射技術(shù)的發(fā)展提出的新要求等，促進(jìn)了聲發(fā)射技術(shù)高速發(fā)展[8-10].本文采用聲發(fā)射(AE)技術(shù)對(duì)火車減速頂聲發(fā)射信號(hào)進(jìn)行采集，將所測得的信號(hào)數(shù)據(jù)發(fā)送到計(jì)算機(jī)中，選取信號(hào)中時(shí)域、頻域及小波能量作為特征參數(shù)，使用BP神經(jīng)網(wǎng)絡(luò)判斷減速頂是否需要進(jìn)行維修，以此提高檢測效率并減輕工人的勞動(dòng)強(qiáng)度.

1 小波變換原理及BP神經(jīng)網(wǎng)絡(luò)簡介

1.1 小波變換基本原理

使用某一系列函數(shù)表示或者逼近任意函數(shù)或信號(hào)是小波分析的核心思想，通常稱這一系列函數(shù)為小波函數(shù)系.

(1)

將ψ(t)經(jīng)過伸縮平移之后，可得到小波基函數(shù)ψa,b(t)，表達(dá)式如下：

(2)

式中：a、τ分別為尺度因子與平移因子.

則小波基ψ的連續(xù)小波函數(shù)可表示為

(Wψf)(a,b)=〈f,Ψa,b〉=

(3)

小波離散化是針對(duì)ψa,τ(t)中的連續(xù)變量a和b的離散.尺度因子a和平移因子τ的離散化可改寫為如下形式：

(4)

則ψa(t)可表示為

(5)

則相應(yīng)的連續(xù)小波變換可表示為離散小波變換

Wj,k=〈f(t),ψj,k(t)〉=

(6)

該函數(shù)的變量為頻率指標(biāo)j與平移指標(biāo)k.則逆變換為

(7)

1.2 BP神經(jīng)網(wǎng)絡(luò)簡介

神經(jīng)網(wǎng)絡(luò)的全稱是人工神經(jīng)網(wǎng)絡(luò)(artificial neural networks，ANN)，其采用實(shí)際中可實(shí)現(xiàn)的組件或直接使用信息技術(shù)來實(shí)現(xiàn)在自然界中已存在的神經(jīng)系統(tǒng)中的某些功能，神經(jīng)網(wǎng)絡(luò)是一種非線性的數(shù)學(xué)模型.神經(jīng)網(wǎng)絡(luò)最大的優(yōu)點(diǎn)是能夠通過反復(fù)訓(xùn)練、測試網(wǎng)絡(luò)結(jié)構(gòu)，最終來逼近任意復(fù)雜度的非線性函數(shù).BP(back propagation)人工神經(jīng)網(wǎng)絡(luò)是基于誤差來進(jìn)行逆向傳播訓(xùn)練算法的多層神經(jīng)網(wǎng)絡(luò)類型.BP神經(jīng)網(wǎng)絡(luò)使用最速下降法進(jìn)行學(xué)習(xí)，通過不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值從而使網(wǎng)絡(luò)的輸出誤差盡可能最小.BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是在隱藏層數(shù)目足夠多的條件下具有較好的泛化能力，是自神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用以來使用最廣泛的一種網(wǎng)絡(luò)類型.BP神經(jīng)網(wǎng)絡(luò)一般包括輸入層、隱含層和輸出層，每層中都包含有一些神經(jīng)元.輸入層、隱含層、輸出層中的神經(jīng)元被稱作輸入單元、隱含層單元和輸出單元，其網(wǎng)絡(luò)結(jié)構(gòu)與神經(jīng)元結(jié)構(gòu)如圖1所示.

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與神經(jīng)元模型

2 實(shí)驗(yàn)研究

2.1 實(shí)驗(yàn)布置

采集地點(diǎn)為沈陽裕國站，減速頂為TDW94A型減速頂，位于軌道外側(cè)，每個(gè)減速頂之間的間距約為3 m，火車速度約為6 km/h，此速度為鐵路車輛經(jīng)過減速頂帶時(shí)的常見速度，其他測試條件要求滿足國家鐵道行業(yè)標(biāo)準(zhǔn)TB/T 2460—2016《鐵道車輛減速頂》對(duì)于室外減速頂檢測試驗(yàn)條件的有關(guān)規(guī)定.聲發(fā)射儀采用北京聲華興業(yè)公司的SDAEA聲發(fā)射檢測儀，傳感器型號(hào)為SR150A，設(shè)置參數(shù)如表1所示，現(xiàn)場傳感器的布置情況如圖2所示.

表1 實(shí)驗(yàn)參數(shù)設(shè)置一覽表

1 聲發(fā)射傳感器 2 減速頂 3 前置放大器4 鐵軌 5 聲發(fā)射檢測儀

火車減速頂震動(dòng)產(chǎn)生的聲發(fā)射信號(hào)是一種典型的非平穩(wěn)隨機(jī)信號(hào)，其中包含著豐富的信息[11].對(duì)采集到的信號(hào)進(jìn)行頻譜分析，發(fā)現(xiàn)其有著明顯的類別區(qū)分.推測其原因是由于只有在火車車輪經(jīng)過時(shí)減速頂才會(huì)工作，對(duì)車廂整體起制動(dòng)減速作用，而在其他時(shí)間段減速頂處于自然狀態(tài).圖3為采集到的典型的減速頂信號(hào)及其頻譜圖.

圖3 減速頂聲發(fā)射信號(hào)波形圖和頻域圖

由圖3可知兩類信號(hào)在時(shí)域與頻域上差別巨大.時(shí)域上，類型Ⅰ信號(hào)波動(dòng)規(guī)律，類型Ⅱ信號(hào)無明顯特征；頻域上，類型Ⅰ信號(hào)頻率集中在50 kHz附近，類型Ⅱ信號(hào)在20～120 kHz范圍內(nèi)均有分布，且頻率組成復(fù)雜.綜上，推測類型Ⅰ信號(hào)可能是火車車輪在鐵軌上行駛時(shí)所采集到的聲發(fā)射信號(hào)，類型Ⅱ信號(hào)為火車車輪經(jīng)過減速頂時(shí)，減速頂進(jìn)行制動(dòng)減速時(shí)所采集到的聲發(fā)射信號(hào).所以，可通過類型Ⅱ信號(hào)的特征參數(shù)來判斷減速頂故障與否.類型Ⅱ信號(hào)波形復(fù)雜，直觀上無明顯可分辨特征，因此難以用單一特征表征聲發(fā)射信號(hào)，故需從時(shí)域、頻域和小波能量中提取減速頂聲發(fā)射信號(hào)的特征參數(shù).

2.2 信號(hào)的時(shí)域特征參數(shù)

聲發(fā)射信號(hào)的時(shí)域中有豐富的特征信息.如信號(hào)的最大值與最小值反映了信號(hào)在時(shí)域范圍內(nèi)的波動(dòng)范圍，方根幅值反映了信號(hào)的能量大小等.對(duì)于任意聲發(fā)射信號(hào)，其時(shí)域特征參數(shù)的表達(dá)式如表2[12]所示，其中n表示信號(hào)中采樣的點(diǎn)數(shù)，var為信號(hào)的方差，RMS為均方根值.

表2 時(shí)域特征參數(shù)

2.3 信號(hào)的頻域特征參數(shù)

頻域特征參數(shù)的表達(dá)式如表3[12]所示.

表3 頻域特征參數(shù)

2.4 小波能量特征參數(shù)

根據(jù)小波函數(shù)和小波尺度的選擇原則以及實(shí)際分析下選擇dB10小波函數(shù)對(duì)聲發(fā)射信號(hào)進(jìn)行分解，分解層數(shù)為5.每層的能量分別為

(8)

其中i=1，2，…，5，其總能量E為

(9)

這5個(gè)頻段可以根據(jù)其能量值構(gòu)建特征向量[13]

(10)

綜上所述，對(duì)聲發(fā)射信號(hào)的時(shí)域、頻域和小波能量共提取了23個(gè)特征參數(shù)，其中時(shí)域特征共計(jì)13個(gè)，頻域特征5個(gè)，小波能量特征5個(gè).

3 基于BP神經(jīng)網(wǎng)絡(luò)的信號(hào)識(shí)別方法

3.1 BP神經(jīng)網(wǎng)絡(luò)的識(shí)別流程

利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行減速頂聲發(fā)射信號(hào)故障診斷的實(shí)現(xiàn)步驟如下[14]:

(1) 對(duì)正常工作減速頂Ⅱ類信號(hào)、故障減速頂Ⅱ類信號(hào)與Ⅰ類信號(hào)進(jìn)行特征參數(shù)分析，提取其特征參數(shù).

(2) 根據(jù)輸入矩陣及期望輸出矩陣，確定BP神經(jīng)網(wǎng)絡(luò)的系統(tǒng)參數(shù).

(3) 將訓(xùn)練樣本的特征參數(shù)矩陣輸入到BP神經(jīng)網(wǎng)絡(luò)分類器中進(jìn)行訓(xùn)練，獲得神經(jīng)網(wǎng)絡(luò)分類模型.

(4) 將待檢驗(yàn)樣本的特征矩陣輸入到已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，并進(jìn)行分類識(shí)別，輸出最終識(shí)別結(jié)果.

3.2 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

根據(jù)相關(guān)經(jīng)驗(yàn)公式，隱含層神經(jīng)元數(shù)目m=2n+1，其中m為隱含層的神經(jīng)元數(shù)目，n為輸入層的神經(jīng)元數(shù)目，輸入神經(jīng)元數(shù)目由特征參數(shù)確定[15].這里n=23，m=47.設(shè)定訓(xùn)練步數(shù)為2 000，訓(xùn)練目標(biāo)誤差為0.001，學(xué)習(xí)速率為0.1，選用tansig與logsig函數(shù)分別作為神經(jīng)網(wǎng)絡(luò)隱含層與輸出層的傳遞函數(shù).輸出層節(jié)點(diǎn)數(shù)為3，對(duì)應(yīng)減速頂?shù)?種信號(hào)模式[16]，如表4所示.

表4 減速頂信號(hào)模式

3.3 網(wǎng)絡(luò)的訓(xùn)練與檢驗(yàn)

選取正常工作減速頂Ⅱ類信號(hào)、故障減速頂Ⅱ類信號(hào)、Ⅰ類信號(hào)各24組進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練.從圖4中可以看到，訓(xùn)練誤差經(jīng)過1401步迭代后達(dá)到要求.結(jié)束訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)即是減速頂聲發(fā)射的故障識(shí)別網(wǎng)絡(luò).

圖4 BP網(wǎng)絡(luò)訓(xùn)練誤差曲線

為檢驗(yàn)網(wǎng)絡(luò)的實(shí)際應(yīng)用性能，隨機(jī)提取正常與故障減速頂聲發(fā)射信號(hào)各100組作為樣本進(jìn)行檢驗(yàn)，部分輸出結(jié)果見表5.

從表5中可以看到：不論減速頂正常工作與否，神經(jīng)網(wǎng)絡(luò)特征值3的輸出值有相當(dāng)一部分接近1，結(jié)合表4，說明在采集的信號(hào)中Ⅰ類信號(hào)占有很大比例，這也間接驗(yàn)證了之前的猜測.由于Ⅰ類信號(hào)不能作為判斷根據(jù)，故忽略Ⅰ類信號(hào)，將神經(jīng)網(wǎng)絡(luò)輸出是否大于0.8作為判斷標(biāo)準(zhǔn)，統(tǒng)計(jì)了神經(jīng)網(wǎng)絡(luò)輸出的驗(yàn)證錯(cuò)誤率，結(jié)果如表6所示.

表6 BP神經(jīng)網(wǎng)絡(luò)輸出結(jié)果統(tǒng)計(jì)

由表6可以看出：對(duì)于正常與故障減速頂?shù)臋z驗(yàn)錯(cuò)誤率分別為12.5 %與16.1 %，能夠初步滿足預(yù)測要求.如果需要獲得更低的檢驗(yàn)錯(cuò)誤率，則需要增大學(xué)習(xí)樣本數(shù)目，或者優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，調(diào)整隱含層單元數(shù)來建立更好的預(yù)測模型.

4 結(jié) 論

針對(duì)長期以來只能通過人工經(jīng)驗(yàn)判斷火車減速頂工作狀態(tài)的問題，應(yīng)用了聲發(fā)射檢測技術(shù)對(duì)減速頂進(jìn)行故障診斷分析.故障與正常減速頂兩類聲發(fā)射信號(hào)在時(shí)域與頻域上差別巨大，提取了相關(guān)特征值使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障判斷，正常與故障減速頂?shù)臋z驗(yàn)錯(cuò)誤率分別為12.5 %與16.1 %，可以滿足實(shí)際診斷需要.進(jìn)一步優(yōu)化算法，縮短故障診斷時(shí)間、提高識(shí)別準(zhǔn)確率是今后努力的方向.