详情

原文传递基于WSN的铁路钢轨振动监测及特征识别研究

论文题名：	基于WSN的铁路钢轨振动监测及特征识别研究
关键词：	铁路钢轨;振动监测;特征识别;无线传感网
摘要：	利用钢轨振动来评估钢轨安全状态，是铁路线路维护的一种重要手段。无线传感网技术（Wirless sensor network，WSN）的发展为识别铁路钢轨运行状态带来了新的机遇。利用WSN监测铁路钢轨具有长期性、实时性、无人为误差、全线路评估等优点，具有良好的应用前景。但是与目前成熟使用的钢轨静态检查和动态检测技术相比，基于WSN的铁路钢轨振动监测及特征识别研究尚处于起步阶段。本文以WSN钢轨振动监测平台为研究对象，以建立和完善监测平台为目的，围绕监测平台的实现、钢轨振动数据的降噪和振动特征识别问题进行了系统研究。主要研究内容为: 　　(1)提出基于排队论的负载自适应网络服务器算法，构建网络任务并发处理的数据传输框架，开发了网络服务器软件。软件充分利用操作系统的异步机制，处理多连接和大数据请求，实现系统设计时的性能评估和运行时的配置优化调整;解决了传输过程中数据丢包问题，实现传输数据的实时接收保存、控制参数的下发和上传等多种功能。　　(2)设计并实现了监测系统中控制与通信层、数据存储与分析层，对课题组搭建的钢轨监测系统平台进行了性能测试。实现了能够协调异构网络用于数据转发的网关，利用关系型数据库构建数据存储和管理模式，设计和开发了交互操作数据流的客户端浏览器。在测试现场，布设13个网关、104个节点，性能测试结果表明:系统运行30天，所有节点数据丢失率＜5％;最大数据吞吐量为0.52MB/s时，运行一个小时，节点数据丢失率为零;数据从采集到显示在客户端界面上时延小于1min，含有丢包的数据时延小于4min。系统在某高速铁路上稳定运行近2年，经受住了多种考验，获取了大量丰富钢轨信息。　　(3)研究了适用于钢轨振动信号的贝叶斯小波包降噪方法。比较了多种滤波算法的处理效果，确定采用基于贝叶斯小波包的振动数据降噪方法。利用小波系数的自相关函数趋势确定分解层级，自动依据分解获得的小波系数定向滤除噪声，同时较完整地保留了具有跳跃特征的有效振动信号（对三种道床的振动数据处理后，信噪比在4.50-4.70范围内），为最终的振动分析奠定基础。　　(4)研究了轮轨交互作用下钢轨振动特征分析理论，开展了钢轨振动特征识别实验。建立车轮通过低扣接头时轮轨交互垂向作用力模型，研究了行车速度与交互力P1和P2、轮轨位移时变曲线问的关系，确认列车行驶速度和轮轨交互力成正相关关系，钢轨垂向位移与P2力的变化密切相关。建立了以复Morlet为母小波的小波变换分析钢轨振动的方法，对WSN钢轨监测平台获取的加速度数据进行分析，研究了轨道结构和行车速度对钢轨振动特征的影响，揭示了低、中、高频率带中频率和能量随位置和激励改变的时变规律，发现在中频区域内存在与行驶速度成线性关系的明显频移现象，并确定通过频率与能量的时变特征能够准确判断钢轨扣件的松紧状态。　　通过本文的理论研究和实验，完成了铁路钢轨振动监测系统中网关、网络服务器、数据存储和管理、客户端等组成部分的设计与研发，开展了振动数据降噪和振动特征提取等一系列工作，在国际上首次研制出适用于规模化WSN铁路钢轨振动监测系统，用于分析钢轨振动规律。
作者：	岳国栋
专业：	精密仪器及机械
导师：	王立鼎;徐征
授予学位：	博士
授予学位单位：	大连理工大学
学位年度：	2016
正文语种：	中文