信号的获取方法、系统及存储介质、诊断方法、检测系统
专利汇可以提供信号的获取方法、系统及存储介质、诊断方法、检测系统专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种 轴承 声音 信号 的获取方法、系统及存储介质、故障的诊断系统、检测系统， 声音信号 的获取方法包括：采集步骤：通过声音 传感器 阵列实时采集行驶经过的列车的 车轮 轴承声音信号，声音传感器阵列包括沿轨道间隔安装的多个声音传感器；剪裁步骤：剪裁每个声音传感器采集到的声音信号，以获得该声音传感器有效采集范围内的有效声音信号；拼接步骤：将多个声音传感器采集的针对同一个车轮轴承的有效声音信号拼接在一起，以获得各车轮轴承的完整的有效声音信号；在剪裁步骤与拼接步骤之间还包括第一重 采样 步骤：对剪裁步骤获得的有效声音信号进行消除 多普勒效应 的重采样处理。该获取方法，能够提高轴承 定位 的准确性，便于准确诊断轴承故障。，下面是信号的获取方法、系统及存储介质、诊断方法、检测系统专利的具体信息内容。
1.一种列车轴承声音信号的获取方法，该方法包括：
采集步骤：通过声音传感器阵列实时采集行驶经过的列车的轴承声音信号，所述声音传感器阵列包括沿所述轨道间隔安装的多个声音传感器；
剪裁步骤：剪裁每个声音传感器采集到的声音信号，以获得该声音传感器有效采集范围内的有效声音信号；
拼接步骤：将多个声音传感器采集的针对同一个车轮轴承的有效声音信号拼接在一起，以获得各车轮轴承的完整的有效声音信号；
其特征在于，在所述剪裁步骤与所述拼接步骤之间还包括第一重采样步骤：对剪裁步骤获得的有效声音信号进行消除多普勒效应的重采样处理。
2.如权利要求1所述的列车轴承声音信号的获取方法，其特征在于，所述第一重采样步骤包括：
针对所述剪裁步骤中获得的每个声音传感器的有效声音信号，获取每段有效声音信号的声音频率f采集；
针对每段有效声音信号，分为接近所述声音传感器的接近段信号和远离所述声音传感器的远离段信号，分别对所述接近段信号和所述远离段信号的频率f采集进行修正，得到接近段修正频率f接近修正和远离段修正频率f远离修正；
根据所述接近段修正频率f接近修正和远离段修正频率f远离修正对所述每段有效声音信号进行重采样处理。
3.如权利要求2所述的列车轴承声音信号的获取方法，其特征在于，所述分别对所述接近段信号和所述远离段信号的频率f采集进行修正，得到接近段修正频率f接近修正和远离段修正频率f远离修正，包括：
根据f接近修正＝f采集*接近系数，计算得到所述f接近修正，
根据f远离修正＝f采集*远离系数，计算得到所述f远离修正，
其中，所述接近系数根据所述列车接近每个声音传感器的速度计算得到，所述远离系数根据所述列车远离每个声音传感器的速度计算得到。
4.如权利要求3所述的列车轴承声音信号的获取方法，其特征在于，所述接近系数＝c/(c+v)，所述远离系数＝c/(c-v)，其中，c为声速，v为所述列车接近或远离所述声音传感器的速度。
5.如权利要求3所述的列车轴承声音信号的获取方法，其特征在于，所述列车接近每个声音传感器的速度和所述列车远离每个声音传感器的速度为瞬时速度。
6.如权利要求5所述的列车轴承声音信号的获取方法，其特征在于，
在所述列车的前进方向上，于所述声音传感器阵列的后方设置第一车轮传感器和第二车轮传感器，以实时采集列车车轮经过的信号，所述第一车轮传感器和第二车轮传感器之间的距离为a；
记录第n个车轮分别经过所述第一车轮传感器和第二车轮传感器的时刻tn1和tn2；
计算所述第n个车轮经过所述车轮传感器的速度Vn＝a/(tn2-tn1)，从而获得第n个车轮经过所述车轮传感器的时间-速度值[tn，Vn]，其中所述tn＝tn1或tn2；
根据所述多个车轮经过所述车轮传感器的时间-速度值[tn，Vn]，拟合得到时间-速度曲线V＝F(t)，
根据所述列车经过各个所述声音传感器的时间和所述时间-速度曲线V＝F(t)获得所述瞬时速度。
7.如权利要求1-6中任意一项所述的列车轴承声音信号的处理方法，其特征在于，在所述剪裁步骤与所述拼接步骤之间还包括第二重采样步骤：对剪裁步骤获得的有效声音信号进行消除速度变化效应的重采样处理。
8.根据权利要求7所述的列车轴承声音信号的获取方法，其特征在于，所述第二重采样步骤包括：
针对所述剪裁步骤中获得的每个声音传感器的有效声音信号，获取每段有效声音信号的声音频率f采集；
根据每个车轮轴承经过每个声音传感器的速度对相应的声音频率f采集进行修正，以得到修正频率f修正；
根据所述修正频率f修正对相应声音传感器的有效声音信号进行重采样处理。
9.根据权利要求8所述的列车轴承声音信号的获取方法，其特征在于，所述根据每个车轮轴承经过每个声音传感器的速度对相应的声音频率f采集进行修正，以得到修正频率f修正，包括：
获取每个车轮轴承经过每个声音传感器的瞬时速度；
获取每个车轮轴承经过每个声音传感器的瞬时速度中的最低速度；
根据每个车轮轴承对应的最低速度和每个车轮轴承经过每个声音传感器的瞬时速度，对每个车轮轴承经过每个声音传感器的瞬时速度进行归一化处理；
根据归一化处理结果对每个车轮轴承对应的各采集频率进行修正。
10.根据权利要求9所述的列车轴承声音信号的获取方法，其特征在于，所述根据归一化处理结果对每个车轮轴承对应的各采集频率进行修正，包括：
根据公式(修正频率＝采集频率*VnN/Vnx)对第n个车轮轴承经过第N个声音传感器时，所述第N个声音传感器对应的采集频率进行修正，其中，VnN/Vnx为对第n个车轮轴承经过第N个声音传感器的速度进行归一化处理的结果，VnN为第n个车轮轴承经过第N个声音传感器的速度，Vnx为第n个车轮轴承经过每个声音传感器的速度中的最低速度或设定的标准速度。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现根据权利要求1-10中任一项所述的列车轴承声音信号的获取方法。
12.一种列车轴承声音信号的获取系统，其特征在于，包括：
声音传感器阵列，所述声音传感器阵列包括沿所述轨道间隔安装的多个声音传感器；
根据权利要求11所述的计算机可读存储介质；
处理器，所述处理器用于执行所述计算机可读存储介质上存储的计算机程序，以得到每个车轮轴承的声音信号。
13.一种列车轴承故障的诊断系统，其特征在于，包括：
根据权利要求12所述的列车轴承声音信号的获取系统，用于获取每个车轮轴承的声音信号；
故障诊断装置，用于根据所述声音信号对轴承故障进行诊断。
14.一种轨边声学检测系统，其特征在于，采用如权利要求1-10中任一项所述的列车轴承声音信号的获取方法获取列车轴承的声音信号。
信号的获取方法、系统及存储介质、诊断方法、检测系统
技术领域
背景技术
发明内容
性。
信号，所述声音传感器阵列包括沿所述轨道间隔安装的多个声音传感器；剪裁步骤：剪裁每
个声音传感器采集到的声音信号，以获得该声音传感器有效采集范围内的有效声音信号；
拼接步骤：将多个声音传感器采集的针对同一个车轮轴承的有效声音信号拼接在一起，以
获得各车轮轴承的完整的有效声音信号；在所述剪裁步骤与所述拼接步骤之间还包括第一
重采样步骤：对剪裁步骤获得的有效声音信号进行消除多普勒效应的重采样处理。
轴承的声音信号的准确性，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。
号的准确性，进而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。
器；上述实施例的计算机可读存储介质；处理器，所述处理器用于执行所述计算机可读存储
介质上存储的计算机程序，以得到每个车轮轴承的声音信号。
提高获取到的每个车轮轴承的声音信号的准确性，进而能够提高轴承定位的准确性，便于
轴承故障诊断的准确性。
诊断装置，用于根据所述声音信号对轴承故障进行诊断。
的声音信号进行轴承故障诊断，能够提高轴承故障诊断的准确性。
够提高根据声音信号进行相应检测的准确性。
具体实施方式
图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
分列，也可以是扇形分列。
保证最终获得的各车轮轴承的完整的有效声音信号的可靠性。
分为接近所述声音传感器的接近段信号和远离所述声音传感器的远离段信号，分别对所述
接近段信号和所述远离段信号的频率f采集进行修正，得到接近段修正频率f接近修正和远离段修
正频率f远离修正；根据所述接近段修正频率f接近修正和远离段修正频率f远离修正对所述每段有效声音信号进行重采样处理。
感器的速度计算得到。
近或远离声音传感器的速度是v，则f修正＝c/λ：当车轮轴承声源接近声音传感器时，声音传
感器采集到的声音信号频率为f接近采集＝(c+v)/λ，反之当车轮轴承声源远离声音传感器时，
声音传感器采集到的声音信号频率为f远离采集＝(c-v)/λ。
乘以A远离，并进行重采样，得到的结果为消除多普勒效应后的声音信号。其中，重采样方式如
下：
音传感器接收到的频率会变低。若考虑多普勒效应的影响，会进一步提高所获取声音信号
的准确性，进而会提高轴承故障诊断的准确性。本示例可首先获得车轮轴承经过每个声音
传感器时的瞬时速度，然后根据瞬时速度计算出接近系数和远离系数，最后利用这两个系
数对采集的有效声音信号进行重采样，并经过拼接处理得到的每个车轮轴承的声音信号，
可更好的还原轴承实际的发生频率。
效采集范围[SN1，SN2]，其中，SN1为第N个声音传感器的有效采集近端与车轮传感器的距
离，SN2为第N个声音传感器的有效采集远端与车轮传感器的距离；根据tn0、时间-速度曲线
V＝F(t)和[SN1，SN2]计算第N个声音传感器采集第n个车轮的轴承声音信号的有效采集时
间[tnN1,tnN2]；根据[tnN1,tnN2]剪裁获得第N个声音传感器采集到的第n个车轮的轴承的
有效声音信号。
个车轮经过车轮传感器的速度Vn＝a/(tn2-tn1)，从而获得第n个车轮经过车轮传感器的时
间-速度值[tn0，Vn]，其中tn0＝tn1或tn2；根据多个车轮经过车轮传感器的时间-速度值
[tn0，Vn]，拟合得到时间-速度曲线V＝F(t)。可选地，可采用多项式或分段函数拟合方式，
拟合得到速度-时间曲线V＝F(t)。
轮传感器和第二车轮传感器均实时采集相关信号，系统分别记录以下时间：第一个车轮轴
承经过第一车轮传感器的时间t11，第二个车轮轴承经过第一车轮传感器的时间t21，以此
类推，第n个车轮轴承经过第一车轮传感器的时间tn1；第一个车轮轴承经过第二车轮传感
器的时间t12，第二个车轮轴承经过第二车轮传感器的时间记录为t22，以此类推，第n个车
轮轴承经过第二车轮传感器的时间记录为tn2。
时运行速度。第1个车轮轴承经过两车轮传感器的时间为t12-t11，行驶距离为a，计算速度
V1＝a/(t12-t11)，对应时间可使用t11，即速度点为(t11，V1)；第2个车轮轴承经过两车轮
传感器的时间为t22-t21，行驶距离为a，计算速度V2＝a/(t22-t21)，对应的时间可使用
t21，即速度点为(t21，V2)；以此类推，可得到第n个车轮轴承对应的速度点(tn1，Vn)。当然，
Vn对应的时间也可使用tn2。根据上述的速度点，可采用多项式或分段函数拟合方式，进行
拟合得到速度-时间曲线V＝F(t)。
tnN1，根据 计算得到tnN2。
由于N、F(t)和tn0(即tn1或tn2)已知，如果
SN1、SN2已知，则可计算得到tnN1和tnN2。
的距离SN；根据 计算得到第n个车轮经过第N个声音传感器的时间tnN；根
据时间-速度曲线V＝F(t)获得第n个车轮经过第N个声音传感器的速度VnN；根据tnN1＝
tnN-(SN2-SN1)/(2*VnN)计算得到tnN1，根据tnN2＝tnN+(SN2-SN1)/(2*VnN)计算得到
tnN2。
车轮传感器与第一个声音传感器之间距离为b，第一车轮传感器与第二个声音传感器之间
距离为b+c，第一车轮传感器与第三个声音传感器之间距离为b+2c，第一车轮传感器与第四
个声音传感器之间距离为b+3c，第一车轮传感器与第五个声音传感器之间距离为b+4c，第
一车轮传感器与第六个声音传感器之间距离为b+5c，即第一车轮传感器与第N个声音传感
器之间距离为b+(N-1)c，N的取值为1～6中的任意整数。当然，相邻声音传感器之间的距离
也可以不同。
(即tn1或tn2)已知，则可计算得到tnN，进而可根据tnN和F(t)得到第n个车轮轴承经过第N
个声音传感器的速度VnN。
间长度是以声音传感器为中心的，由于第n个车轮轴承经过第N个声音传感器的时间点为
tnN，故第n个车轮轴承经过第N个声音传感器时采集的有效声音信号时间段为tnN-TnN/2至
tnN+TnN/2，即tnN1＝tnN-(SN2-SN1)/(2*VnN)，tnN2＝tnN+(SN2-SN1)/(2*VnN)。
音信号时，容易造成时间计算不准确，从而导致首尾声音传感器采集声音有效信号，相比中
间声音传感器采集声音有效信号偏移量较大，截取首尾声音传感器采集的有效声音信号时
与实际情况有偏差，从而会造成最终轴承定位效果较差。而采用本发明方法则可以通过多
次测量的实际速度进行曲线拟合，准确还原实际速度，准确计算有效声音信号的时间段，得
到有效声音信号，从而能够保证最终数据分析结果的可靠性。
感器的速度对相应的声音频率f采集进行修正，以得到修正频率f修正；根据修正频率f修正对相应
声音传感器的有效声音信号进行重采样处理。
取每个车轮轴承经过每个声音传感器的瞬时速度中的最低速度或设定的基准速度；根据每
个车轮轴承对应的最低速度或设定的基准速度和每个车轮轴承经过每个声音传感器的瞬
时速度，对每个车轮轴承经过每个声音传感器的瞬时速度进行归一化处理；根据归一化处
理结果对每个车轮轴承对应的各采集频率进行修正。
声音传感器对应的采集频率进行修正，其中，VnN/Vnx为对第n个车轮轴承经过第N个声音传
感器的速度进行归一化处理的结果，VnN为第n个车轮轴承经过第N个声音传感器的速度，
Vnx为第n个车轮轴承经过每个声音传感器的瞬时速度中的最低速度或设定的基准速度。
此，本实施例首先选定列车通过某一个声音传感器的速度作为基准值，以该声音传感器采
集的有效声音信号为基准，其余声音传感器采集的有效声音信号通过重采样处理，实现与
该基准声音传感器采集的有效声音信号一致。
效声音信号对应的速度为统一的。假设第n个车轮轴承通过第1个声音传感器时的速度最
低，即相当于Vn1速度最低，则对应的VnN需要乘以系数Vn1/VnN，使得速度统一，相应的VnN
对应的声音信号则需要乘以系数VnN/Vn1进行矫正，得到相当于通过速度均为Vn1的有效数
据。其中，重采样的具体方式如下：
均速度Vn来计算有效声音信号时间段，则会导致每个有效声音信号时间段均相同，使得获
取到的每个车轮轴承的声音信号不准确，进而会对轴承故障诊断结果产生恶劣的影响。本
实施例利用多次测量瞬时速度进行速度曲线拟合还原实际速度的方法，每次计算得出的声
音传感器有效声音信号时间段均与实际吻合，再通过选取一个平均速度对每个有效数据段
按照平均速度重新采样，得到的每个车轮轴承的声音信号可很好的还原车轮轴承实际声音
信号，进而在进行轴承故障诊断时，可以保证分析结果的准确性。
有效声音信号进行消除速度变化效应的重采样处理后，继续进行消除多普勒效应的重采样
处理；也可在对有效声音信号进行消除多普勒效应的重采样处理后，继续进行消除速度变
化效应的重采样处理。
解该重采样，可通过图3(a)～图3(d)所示的示例对重采样过程进行说明：
中确定重采样点；图3(d)示出了对确定的重采样点进行连线得到重采样信号。
准确性。
而能够提高轴承定位的准确性，便于轴承故障诊断的准确性。
轴承故障诊断的准确性。
故障诊断，能够提高轴承故障诊断的准确性。
够提高根据声音信号进行相应检测的准确性。
读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其
他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行
系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、
通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设
备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或
多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只
读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光
盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其
他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必
要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器
中。
或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下
列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路
的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场
可编程门阵列(FPGA)等。
点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不
一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何
的一个或多个实施例或示例中以合适的方式结合。
隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三
个等，除非另有明确具体的限定。
部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员
而言，可以根据具体情况理解上述术语在本发明中的具体含义。
第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示
第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第
一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 服务器、信息处理方法、网络系统以及空气净化器 | 2020-05-08 | 715 |
| 用于分配卫生产品的分配器及操作所述分配器的方法 | 2020-05-08 | 964 |
| 用于温度确定的温度测量装置和方法 | 2020-05-11 | 852 |
| 用于监控电池和在电池上执行诊断的能量存储设备、系统和方法 | 2020-05-08 | 340 |
| 在低温下具有高灵敏度的气体传感器装置及其制造方法 | 2020-05-08 | 88 |
| 用于头戴式显示系统的测距和附件跟踪 | 2020-05-08 | 313 |
| 用于分布压力感测的传感器构造 | 2020-05-08 | 872 |
| 信息处理装置、信息处理方法、程序以及可互换透镜 | 2020-05-08 | 546 |
| 包括多个光电二极管的定位和检测设备 | 2020-05-08 | 645 |
| 用于生成和/或更新数字地图的数字模型的系统 | 2020-05-08 | 910 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
