(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110003658.8 (22)申请日 2021.01.04 (65)同一申请的已公布的文献号 申请公布号 CN 112816052 A (43)申请公布日 2021.05.18 (73)专利权人 中南大学 地址 410083 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 刘辉　于程名　李燕飞　秦进　 张雷　尹诗　段铸　 (74)专利代理 机构 长沙正奇专利事务所有限责 任公司 431 13 代理人 马强　李美丽 (51)Int.Cl. G01H 1/00(2006.01)G01H 1/04(2006.01) G01H 1/08(2006.01) G01H 1/12(2006.01) G01H 1/16(2006.01) G01M 17/08(2006.01) G06F 30/15(2020.01) G06F 30/27(2020.01) G06F 111/06(2020.01) 审查员 毕重连 (54)发明名称 列车车室振动监测方法、 振动信号特征库建 立及应用方法 (57)摘要 本发明公开了一种 列车车室振动监测方法、 振动信号特征库建立及应用方法， 采用非侵入式 列车车室振动监测方法， 实际监测时仅需获取列 车车室内总测点的振动信号， 避免传感器冗余， 节省成本， 有利于列车轻量化， 准确真实地反映 出振源位置与相位偏移、 幅值衰减之间的关系， 能够监测未知振源的振动情况， 能够识别振源的 异常振动， 从而为异常振动处理提供依据； 能够 在仅测量总测点振动信号的基础上实现振源信 号的重建， 从而实现其多元振动信号特征库的实 时更新， 且多元振动信号特征库能够为振动信号 优化分解、 振动信号图像辨识、 异常振动信号辨 识等提供数据基础。 权利要求书2页 说明书9页 附图1页 CN 112816052 B 2022.02.08 CN 112816052 B 1.一种列车 车室非侵入式振动监测方法， 其特 征在于， 包括以下步骤： 步骤1， 在列车车室外已知振源正常振动和异常振动条件下， 分别预采集列车车室内多 个分测点在横向、 纵向、 垂向的振动数据M， 预采集列车车室内总测点在横向、 纵向、 垂向的 振动数据C， 预采集列车 车室外各已知振 源在横向、 纵向、 垂向的振动数据S； 步骤2， 提取各分测点的振动数据M的前1～J次谐波信号的相位信息和幅值信息， 提取 总测点的振动数据C的前1～J次谐波信号的相位信息和幅值信息， 提取各已知 振源的前1～ J次谐波信号的相位信息和幅值信息； 步骤3， 以各非总测点的振动数据与总测点的振动数据之间的前1～J次谐波相位差和 谐波幅值比作为输入， 以各非总测点相对于总测点在横向、 纵向、 垂向的位置信息作为输 出， 运用深度回声状态网络训练， 采用所述深度回声状态网络对各非总测点信号相对总测 点信号谐波相位差、 谐波幅值比与各非总测点相对总测点位置关系进行建构模型， 所述模 型为模型一， 其中， 所述深度回声状态网络的参数设置如 下， 储蓄池节点数设置为10， 采用10折交叉 验证对储蓄池的层数和矩阵谱半径进行自适应确定， 选择范围为[1,2,3, …,10]和[0.1, 0.2,…,0.9]， 选择能够准确反映上述关系的参数， 构建出各非总测点谐波相位差和谐波幅 值比与各非总测点相对总测点位置信息的非线性关系模型f1z(I)， f1h(I)， f1c(I)， 分别代表 纵向、 横向、 垂向振动信号关系模型； 以各非总测点的振动数据与总测点的振动数据之间的前1～J次谐波相位差作为输入， 以各非总测点的振动数据与总测点的振动数据之间的前1～J次谐波幅值比作为输出， 运用 深度回声状态网络进 行训练， 采用所述深度回声状态网络对各非总测点信号相对总测点信 号谐波相位差与谐波幅值比关系进行建构模型， 所述模型为模型二， 其中所述深度回声状态网络的参数设置如下， 储蓄池节点数设置为10， 采用10折交叉 验证对储蓄池的层数和矩阵谱半径进行自适应确定， 选择范围为[1,2,3, …,10]和[0.1, 0.2,…,0.9]， 选择能够准确反映上述关系的参数， 构建出各非总测点振动信号相对总测点 振动信号谐波相移与谐波幅值比在纵向、 横向、 垂向的关系模型f2z(I)， f2h(I)， f2c(I)， 分别 代表纵向、 横向、 垂向振动信号关系模型， 其中， 非总测点由分测点和已知振 源组成； 步骤4， 采集总测点在横向、 纵向、 垂向的实时振动数据CR； 步骤5， 以振源相对于总测点的相位偏移、 各已知振源组合工作状态、 异常振动类型作 为自变量， 设定优化目标， 基于模型一和模型二执行多目标优化算法， 输出列车车室的振动 监测结果信息， 所述振动监测结果信息包括发生振动的振源的位置和/或发生振动的振源 的异常振动类型和/或发生振动的振源相对于总测点的前1～J次谐波相位偏移和/或发生 振动的振 源相对于总测点的前1～J次谐波幅值比。 2.如权利要求1所述的列车车室非侵入式振动监测方法， 其特征在于， 所述步骤1中， 列 车车室外已知振源正常振动包括两种情形： 第一种为列车车室外各已知振源均正常振动， 第二种为列车 车室外任一已知振 源单独正常振动而其 余已知振 源不振动。 3.如权利要求1所述的列车车室非侵入式振动监测方法， 其特征在于， 所述步骤1中， 列 车车室外已知 振源异常振动包括两种情形： 第一种为列车车室外任一已知 振源单独异常振 动而其余已知 振源不振动， 第二种为列车车室外任一已知 振源单独异常振动而其余已知 振权　利　要　求　书 1/2 页 2 CN 112816052 B 2源正常振动。 4.如权利要求1所述的列车车室非侵入式振动监测方法， 其特征在于， 所述步骤1中， M ＝[LM,m(t)]， C＝[LC,c(t)]， S＝[LS,s(t)]； m(t)为分测点对应的振动信号值， c(t)为总测 点对应的振动信号值， s(t)为已知振源对应的振动信号值； LM为分测点对应振动数据的标 签值且LM＝[lM,lt,lg,ld,lo1]， LC为总测点对 应振动数据的标签 值且LC＝[ls,lt,lg,ld]， LS为 已知振源对应振动数据的标签值且LS＝[lS,lt,lg,ld,lo2]， lM为分测点的编 号标签， lt为时 间戳标签， lg为异常振动类型标签， lo1为分测点相对于总测点在横向、 纵向或垂向的位置信 息标签， ls为同时发生振动的已知振源标签， ld为振动方向标签， lS为已知振源的编号标签， lo2为已知振 源相对于总测点在横向、 纵向或垂向的位置信息标签。 5.如权利要求4所述的列车车室非侵入式振动监测方法， 其特征在于， 所述步骤5 中， 以 实现各已知振源振动信号频域特征之和与总测 点振动信号各谐波阶次的频域特征之间的 加权差值最小化为优化目标之一； 以实现各已知 振源振动信号各谐波阶次差值的加权方差 最小化为优化目标之二。 6.如权利要求1至5任一项所述的列车车室非侵入式振动监测方法， 其特征在于， 还包 括步骤6， 将步骤5中获得的振动监测结果信息转换还原为时域内的实时振 源振动信号。 7.一种列 车车室振动信号特征库建立方法， 其特征在于， 包括如权利要求6所述的列 车 车室非侵入式振动监测方法， 还 包括： 步骤7， 提取实时振源振动信号的频域特征、 时域特征和图像特征， 并对实时振源振动 信号的频域特 征和时域特 征进行特征融合或特 征重建； 步骤8， 基于步骤7中获得的频域特征、 时域特征、 图像特征、 特征融合或特征重建结果， 建立列车 车室振动信号特 征库。 8.如权利要求7所述的列车车室振动信号特征库建立方法， 其特征在于， 还包括利用列 车车室振动信号特 征库中的信息对所述模型一和/或模型二进行在线训练。 9.一种由权利要求7所述的列 车车室振动信号特征库建立方法建立的列 车车室振动信 号特征库的应用方法， 其特 征在于， 包括： 训练获得列车车室振动信号特征库中的振动信号特征与列车服役性能表征参数的关 系模型， 在列车运行过程中， 以实时获得的列车车室振动信号特征库中的振动信号特征作 为关系模型的输入， 输出获得实时列车服役性能表征参数。 10.一种由权利要求7所述的列车车室振动信号特征库建立方法建立的列车车室振动 信号特征库的应用方法， 其特 征在于， 包括： 利用列车车室振动信号特征库中的振动信号特征的时间序列信 息， 运用时间序列 预测 方法， 预测未来某一时刻的振 源异常振动情况。权　利　要　求　书 2/2 页 3 CN 112816052 B 3