Lösung zur Fehlerdiagnose und Online-Überwachung bei Schienenverschleiß an Laufkränen: KI-basierte Geräuscherkennung und Schwingungsspektralanalyse
天车啃轨是指天车车轮轮缘与轨道侧面之间发生异常摩擦接触的现象，轻则加速轮缘和轨道磨损，重则导致整台天车脱轨倾覆。啃轨按故障源分为轨道侧因素（直线度超差、接头不平）和车轮侧因素（水平偏斜、垂直偏斜、对角线差）两大类，涉及14项诊断参数。传统的人工听声+目视检查方式效率低且难以量化，AI声纹识别和振动频谱分析技术可实现在线识别啃轨类型和量化磨损速率。
一、啃轨类型与特征现象
| 啃轨类型 | 磨损部位 | 现象特征 | 主要原因 | 发生频率占比 |
|---|---|---|---|---|
| 持续单侧啃轨 | 内侧轮缘单侧+轨道侧面单侧亮痕 | 天车全程向一侧偏行 | 轨道直线度超差（占50%） | 35% |
| 变向啃轨 | 内侧轮缘双侧磨损+轨道双侧亮痕 | 变向后啃轨方向改变 | 车轮与轨道间隙不足（占30%） | 20% |
| 启停啃轨 | 内侧轮缘局部磨损 | 天车启动或制动瞬间产生尖叫声 | 驱动不同步/制动器调整不均（占15%） | 25% |
| 周期性啃轨 | 轮缘波浪状+轨道波浪亮痕 | 每个车轮旋转周期出现一次 | 车轮圆度偏差/轨道接头不平（占5%） | 10% |
| 过接头啃轨 | 接头处轮缘冲击痕迹 | 运行至轨道接头处产生撞击声 | 轨道接头高低差或间隙不当 | 10% |
二、AI声纹啃轨识别系统
AI声纹啃轨识别系统在天车端梁和轨道侧壁部署高灵敏度拾音器（频率响应20Hz~20kHz），采集车轮与轨道摩擦的音频信号。系统提取Mel频率倒谱系数（MFCC，13维特征）作为输入，使用1D-CNN分类模型识别四种啃轨类型（单侧、变向、启停、周期性）和正常状态。模型在2000组标注样本上训练，测试准确率>96%，每种啃轨类型的识别准确率均>93%。识别结果通过MQTT推送至天车数字化远程监控平台(Weitere Informationen finden Sie unterKonzept zur intelligenten Modernisierung），同时叠加啃轨持续时间和严重程度计算设备健康评分。
| 啃轨类型 | 声纹特征 | 主频范围(Hz) | MFCC特征差异 | AI识别准确率 |
|---|---|---|---|---|
| 持续单侧啃轨 | 连续低频摩擦声+高次谐波 | 500~2000 | MFCC-1能量明显偏高 | 97% |
| 变向啃轨 | 方向切换瞬间冲击声 | 100~500（冲击）+ 2k~5k（摩擦） | MFCC-3时间轮廓突变 | 94% |
| 启停啃轨 | 启动瞬间短暂尖啸 | 2k~8k | MFCC-7/8高频带能量突增 | 96% |
| 周期性啃轨 | 周期<车轮转一周的脉冲声 | 500~3000 | MFCC-4/5周期性波动 | 95% |
三、啃轨检测参数标准
啃轨诊断的核心是量化测量14项关键参数。每项参数均设合格标准、注意值和报警值三级。天车PHM预测性维护系统(Weitere Informationen finden Sie unterPHM预测方案）持续采集这些参数并绘制磨损趋势曲线。当轮缘厚度达到原厚的80%时触发注意级预警，达到60%时触发报警级并推荐安排更换。轨道直线度偏差每月的增长速率是判断啃轨发展趋势的关键指标——月增长>1mm/40m时说明啃轨在恶化。
啃轨直接影响天车端梁连接螺栓的疲劳寿命。连续啃轨3个月时端梁螺栓可能松动，6个月时连接板可能产生裂纹，12个月时结构可能发生不可逆变形。对于已经出现啃轨的天车，处理方案按严重程度分级：轻度啃轨（1月内处理）以调整为主，中度啃轨（2周内处理）需轨道校正+车轮修复，重度啃轨（立即停机）需全面大修。
四、克鲁德重工啃轨监测方案优势
克鲁德重工天车啃轨AI检测系统包含声纹传感器拾音器部署、啃轨AI模型训练（支持客户现场数据增量训练）和轨道直线度自动测量（激光+编码器）。系统输出啃轨类型判定、磨损速率趋势和维修建议报告。克鲁德重工可提供啃轨现场检测与轨道测量、啃轨原因分析报告和轨道调整施工方案设计。
Häufig gestellte Fragen
问：天车啃轨的常见原因有哪些？
A：常见原因：轨道安装精度偏差（轨距误差>5mm、标高差>3mm）、车轮轮缘磨损不均、大车传动系统不同步、基础不均匀沉降、两侧电机转速偏差过大等。啃轨会导致车轮异常磨损和轨道过早失效。
问：AI声纹啃轨诊断系统是如何工作的？
A：通过麦克风阵列采集车轮与轨道摩擦声信号，提取MFCC和梅尔频谱特征，输入CNN/ResNet模型识别正常行驶、轻度啃轨、重度啃轨三种状态。准确率可达96%以上，可实现早期预警。
问：啃轨诊断执行哪些标准？
A：轨道精度按GB/T 10183验收，振动监测参考ISO 10816，AI诊断系统参照GB/T 36377《机械状态监测与诊断》。
