基于DSP的车轮踏面擦伤检测系统

人员检测发现，擦伤信号处于振动信号的低频部分，一般在2 500 Hz以下，因此处理过程中采用小波包分解一重构法对信号进行滤波，有效地保证了信号的完整性。

车轮踏面擦伤必然引起采样信号幅值的突变，对采样数据使用离散二进小波快速算法，计算所得的小波系数中，突变点对应了二进小波变换后细节系数模的极大值，而这些极值点也对应了擦伤振动发生的时刻。在过去的数据处理中，往往是根据大量的现场实际检测确定一个普遍适用的阈值，即在一个检测现场中使用同一个阈值。首先找出大于阈值的奇异点，然后再做下一步判断。考虑到检测现场过往车辆因车速、车量、检测环境有所不同，因此传感器的测量结果也会不同，同一个阈值可能适用于一种环境的检测，但不能适用于另一种环境的检测，如果还使用同一个阈值必然会导致检测结果的不可靠。观察数据发现，无论是哪种环境，如果车轮踏面存在擦伤，擦伤产生的幅值较大，这种较大的幅值在整个测量信号中占的比例较小，所以可以通过计算细节系数的直方图，以出现概率较小的点所对应的采样点的幅值为阈值处理数据，这样就实现了不同的采样数据根据自身数据的特点得到不一样的判断阈值，从而加大了判断的准确度。

图5中给出两组不同采样信号的直方图(信号均来自成都车辆段现场采集)，在Matlab中经过程序计算得到阈值，图5(a)中信号的阈值为1．56，图5(b)信号的阈值为4．43。可见，信号本身特性的不同，所得到的阈值也不一样。

4 实际检测结果

该检测系统在成都车辆段安装进行正确性试验，由检测到的实际过车数据，以及数据处理完成后的显示结果与实际列车状态的对比表明，基于DSP的列车踏面擦伤检测系统可以有效地检测出车轮踏面状态。在验证系统的性能时，首先是使用榔头在轨道上敲击产生振动，检验算法处理是否能够准确地分辨出敲击点，然后进行的实际过车数据采集，并将检测结果与列车的实际状况进行比对。图6(a)是在敲击轨面三次采集到的原始数据，原始数据中有明显的三个峰值。图6(b)是检测的结果。可见，该算法准确地捕获了三次敲击。图7(a)为采集的实际过车数据，图7(b)是相应的检测结果。从结果中看到，产生该振动的车轮踏面存在一处擦伤。

5 结 语

基于DSP的设计方案所形成的踏面擦伤检测系统充分利用数字信号处理的优点，具有检测速度快，存储数据容量大等特点，采用了适合分析非平稳信号的小波变换的方法检测擦伤点，并且在处理过程中充分利用了数据本身的统计特性，通过计算直方图达到自适应阈值的目的，而且系统最终可以由擦伤点判别擦伤轮位，方便了工作人员的检修工作。