来源：期刊VIP网 时间：
作者：戴成昊;许文天;彭佳宁;崔利通;梁树林;池茂儒;
单位：西南交通大学轨道交通运载系统全国重点实验室;中车长春轨道客车股份有限公司国家轨道客车工程研究中心;
摘要：针对目前车轮多边形动态检测方法存在无法定量识别多边形、准确率低等不足，提出一种基于Kriging代理模型的车轮多边形识别方法，该方法利用轴箱垂向振动加速度与车轮粗糙度级之间的关系，通过逆向求解计算车轮粗糙度级，进而定量判断车轮多边形磨耗情况。首先建立考虑柔性车轮的车辆动力学模型，在不同车速下以不同多边形阶次、粗糙度级的车轮多边形为激励做了大量仿真；通过Kriging代理模型构造了不同阶次下轴箱垂向振动加速度振动级关于车速、车轮粗糙度级的响应曲面；将实测轴箱加速度振动级和车速作为输入，代入KSM(Kriging Surrogate Model)响应曲面得到预测的车轮粗糙度级，并根据ISO 3095:2013标准判断车轮多边形磨耗严重程度。研究结果表明，在较为严重的多边形阶次下，预测的车轮粗糙度级与实际值基本一致，最小绝对误差可达0.14 dB/μm,最大绝对误差不超过1.50 dB/μm。此外，研究车轮多边形特征规律时发现：振动级与车轮粗糙度级是近似线性的关系，表明振动级作为研究车轮多边形的指标能够很好地反映轴箱加速度和车轮粗糙度级之间的关系；振动级随阶次和车速的变化规律呈现复杂的非线性关系，表明在制定车轮多边形限值时应考虑车速与阶次的影响。文中提出一种能够定量识别车轮多边形的方法，该方法在车轮多边形故障诊断应用中具有一定的理论意义和工程价值。
关键词：铁道车辆;;车轮多边形;;Kriging代理模型;;轴箱振动;;车轮粗糙度级;;识别方法
基金资助：中国国家铁路集团有限公司科技研究开发计划重点课题(N2023J043)
