CN116811960B - 融合雷达测速与多物理量的转向架健康状态监测方法、系统、设备及介质 - Google Patents

Abstract

本发明公开了一种融合雷达测速与多物理量的转向架健康状态监测方法、系统、设备及介质，方法包括：采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征。该融合雷达测速与多物理量的转向架健康状态监测方法、系统、设备及介质，将采集到的车速信号与振动、噪声、温度等物理量信号进行加权处理得到融合指标，并将车速划分为不同等级，根据不同车速下健康状态融合指标的阈值进行比较判断，即可实现不同的车速下转向架的健康状态评估。

Description

融合雷达测速与多物理量的转向架健康状态监测方法、系统、 设备及介质

技术领域

本发明涉及一种融合雷达测速与多物理量的转向架健康状态监测方法、系统、设备及介质，属于转向架健康监测技术领域。

背景技术

转向架是列车运行时的关键零部件，对其进行有效的健康状态监测能保证列车的安全运行并且能及时的进行设备维护。

传统的健康状态监测系统，往往是将多个物理参量进行逐一评价，判断评估对象的健康状态。由于单个物理信号所包含的信息量较少，且未能体现不同物理量之间的关联信息，因此无法对列车整体状态进行综合评价，容易造成设备健康状态的错误评估。另外，列车在不同车速条件下的运行的平稳性不同，转向架对应的健康状态指标也存在差异，因此不能用一套单一指标的系统对列车运行健康状态进行评估。

因此，为了实时准确地对列车转向架运行状态进行综合评估，并根据实际车速对评估指标进行调整，以满足实际监测需求，亟需一种融合雷达测速与多物理量的转向架健康状态监测方法、系统、设备及介质。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种融合雷达测速与多物理量的转向架健康状态监测方法、系统、设备及介质，将采集到的车速信号与振动、噪声、温度等物理量信号进行加权处理得到融合指标，并将车速划分为不同等级，根据不同车速下健康状态融合指标的阈值进行比较判断，即可实现不同的车速下转向架的健康状态评估。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种融合雷达测速与多物理量的转向架健康状态监测方法，包括：

采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；

结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征；

对获得的信号特征和统计特征进行归一化处理，并根据不同信号对转向架运行状态影响比重的大小进行加权，得到包括转速信息的融合指标S；

将不同车速等级下获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断转向架的健康状态。

进一步的，所述物理信号的采集方法，包括：

所述车速由雷达测速获得，所述振动、噪声和温度信号由传感器采集获得。

进一步的，所述振动信号和噪声信号的预处理方法，包括：

对振动信号和噪声信号进行滤波后获得时域信号；

将车速信号转换为转速信号，基于转速信号进行相位求解获得时域信号对应的插值时间点；

基于获得的插值时间点，对时域信号通过拉格朗日插值法进行等角度重采样转换为角域信号。

进一步的，拉格朗日插值法由下式进行：

式中，表示等角度插值后的角域信号，L表示通过拉格朗日插值法进行插值,X(t)表示时域信号，表示时域信号对应的插值时间点；

其中，由以下步骤获得：

通过雷达测速器测得列车运行时的车速V(t)，在已知车轮半径参数R条件下，将原车速转换为车轮的实时转角在高速采样的极短时间内，认为车轮的转速及转角大小是恒定的，因此，通过比例算式求解出中间转角对应的时刻：

式中，为t_i时刻的实时转角，[t_i]表示对时刻t_i向下取整，根据上式，结合按照等角度增量的方式插值出对应的时间

进一步的，所述融合指标S的获得方法，包括：

对时域信号X(t)进行时域分析，提取时域特征：有效值Q₁

其中，X_rms代表时域信号X(t)均方根值，N是信号中的样本点数；

对角域信号进行傅里叶变换，并提取频域特征：振动加速度级Q₂

式中，a_e为加速度有效值，a₀为基准加速度；

对温度信号进行统计分析，计算温度测量值的均值和方差，二者相加得到统计特征：温度Q₃；

对所有信号特征Q_i进行归一化处理，得到评估指标q_i，除去物理量量纲不同对信号融合的影响，即：

式中，Q_max为转向架健康状态下该信号特征最大值，Q_min为最小值，q_i介于0～1之间，q_i为归一化后得到的评估指标，i代表不同的物理量；

对归一化后的评估指标进行融合，得到多物理信号的融合指标s：

式中，q_n为归一化后得到的评估指标，ω_n为评估指标q_n所对应的权重。

进一步的，转向架健康状态下融合指标阈值的构建方法为：

根据车轮的转速划分为不同的等级，针对不同物理信号分别采集多组健康状态下的信号，如转速等级下，采集k组信号(X₁，X₂，X₃，...，X_j；j＝1，2，3，...，k)，获得各组信号的评估指标将评估指标q_Xi进行统计分析，计算均值、方差并求和得到健康状态下的评估指标最后加权得到融合指标阈值

式中，表示转速时转向架健康状态下融合指标的阈值。

进一步的，所述转向架健康状态的判断方法，包括：

将转向架实际运行时获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断融合指标S是否在阈值β范围内：

当融合指标S在阈值β范围内时，可判断为转向架处于健康状态；

当融合指标S在阈值β范围外时，需进一步确定超出阈值β部分所占比重，若超出部分比重小于20％，则判断为转向架轻度故障；反之判断为转向架重度故障。

第二方面，本发明提供了一种融合雷达测速与多物理量的转向架健康状态监测装置，包括：

信号采集模块：用于采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；

信号特征获得模块：用于结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征；

融合指标获得模块：用于对获得的信号特征和统计特征进行归一化处理，并根据不同信号对转向架运行状态影响比重的大小进行加权，得到包括转速信息的融合指标S；

判断模块：用于将不同车速等级下获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断转向架的健康状态。

第三方面，本发明提供了一种计算机设备，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。

第四方面，本发明提供了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，该程序被处理器执行时实现第一方面所述方法的步骤。

与现有技术相比，本发明所达到的有益效果：

通过将列车实际运行条件下的车速信号与其他反映转向架运行状态的物理信号进行融合，形成一套评估指标可随车速变化调节的列车转向架健康状态综合评估体系，既避免了因单一信号失效而造成判断有误的情况，又可将各类物理信号进行关联，使得监测结果更加可靠，同时将采集到的车速信号与振动、噪声、温度等物理量信号进行加权处理得到融合指标，并根据列车所处的车速等级，选取对应的健康状态融合指标的阈值进行判断，即可实现不同的车速下转向架的健康状态评估。

附图说明

图1是实施例一提供的融合雷达测速与多物理量的转向架健康状态监测方法的流程图；

图2是图1中转向架健康状态判断的具体流程示意图；

图3是基于实施例一提供的转向架健康状态监测方法所构建的健康状态评估体系的示意图；

图4是振动信号和噪声信号的预处理流程示意图。

具体实施方式

下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符"/"，一般表示前后关联对象是一种“或”的关系。

实施例一：

图1是本发明实施例一中的一种融合雷达测速与多物理量的转向架健康状态监测方法的流程图。本实施例提供的融合雷达测速与多物理量的转向架健康状态监测方法可应用于终端，可以由融合雷达测速与多物理量的转向架健康状态监测装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在终端中，例如：任一具备通信功能的智能手机，平板电脑或计算机设备。参见图1，本实施的方法具体包括如下步骤：

步骤A：采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；

步骤B：结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征；

步骤C：对获得的信号特征和统计特征进行归一化处理，并根据不同信号对转向架运行状态影响比重的大小进行加权，得到包括转速信息的融合指标S；

步骤D：将不同车速等级下获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断转向架的健康状态。

步骤Aa：所述物理信号的采集方法，包括：

所述车速由雷达测速获得，所述振动、噪声和温度信号由传感器采集获得，具体而言，将雷达测速器、振动传感器、声音传感器等按照预定测量点固定于列车转向架上，通过同步采集得到运行时的各类物理信号。

步骤Ba：如图4所示，所述振动信号和噪声信号的预处理方法，包括：

对振动信号和噪声信号进行滤波后获得时域信号；

将车速信号转换为转速信号，基于转速信号进行相位求解获得时域信号对应的插值时间点；

基于获得的插值时间点，对时域信号通过拉格朗日插值法进行等角度重采样转换为准静态角域信号；

值得进一步说明的是，列车实际运行车速通过雷达测速获得，并换算为转速信号，评估列车健康状态的各物理信号通过车厢或车体上布置传感器的进行采集，由于振动信号和噪声信号会随转速变化而波动，因此需要进行预处理后再进行特征分析。具体而言，振动、噪声信号可通过相位求解确定等角度重采样时刻，然后通过拉格朗日插值法对信号进行角域重采样，插值的时间轴坐标点即为等角度重采样时刻，此时得到的重采样信号是角域准静态信号；

由于温度信号是按照固定采样频率采集到数据点，不会受到转速波动的影响，因此无需进行角域重采样处理，对采集到的温度数据只需进行统计分析，如求均值，方差等。

步骤Bb：由于时域信号X(t)的幅值是实时突变的，因此采用拉格朗日插值法对原来时域坐标中的时域信号进行等角度插值，模拟重采样获得角域坐标中的准静态信号：

式中，表示等角度插值后的角域信号，L表示通过拉格朗日插值法进行插值,X(t)表示时域信号，表示时域信号对应的插值时间点；

其中，由以下步骤获得：

通过雷达测速器测得列车运行时的车速V(t)，在已知车轮半径参数R条件下，将原车速转换为车轮的实时转角在高速采样的极短时间内，认为车轮的转速及转角大小是恒定的，因此，通过比例算式求解出中间转角对应的时刻：

式中，为t_i时刻的实时转角，[t_i]表示对时刻t_i向下取整，根据上式，结合按照等角度增量的方式插值出对应的时间

步骤Ca：所述融合指标S的获得方法，包括：

(1)对时域信号X(t)进行时域分析，提取时域特征：有效值Q₁

其中，X_rms代表时域信号X(t)均方根值，N是信号中的样本点数。该特征反应的是转向架振动的幅值大小和能量强度，能客观转向架的稳定性。

(2)对角域信号进行傅里叶变换，并提取频域特征：振动加速度级Q₂

式中，a_e为加速度有效值，a₀为基准加速度。

值得一提的是，由于转速波动会使信号产生频谱模糊现象，所以无法进行傅里叶变换分析，进而提取频域特征，因此需要进行等角度重采样。但对时域特征的提取无影响因此时域信号可直接提取时域特征；频域信号经过傅里叶变换后提取频域特征；

傅里叶变换变换的前提是要求信号非突变的平稳的信号，所以要通过相位求解得到插值时间点，然后用插值法重采样得到角域的准静态的信号。

(3)对温度信号进行统计分析，计算温度测量值的均值和方差，二者相加得到统计特征：温度Q₃；

(4)对所有信号特征Q_i进行归一化处理，得到评估指标q_i，除去物理量量纲不同对信号融合的影响，即：

式中，Q_max为转向架健康状态下该信号特征最大值，Q_min为最小值，q_i介于0～1之间，q_i为归一化后得到的评估指标，i代表不同的物理量；

(5)由于各物理量对转向架健康状态的影响不同，因此对归一化后的评估指标进行融合，得到多物理信号的融合指标S：

式中，q_n为归一化后得到的评估指标，ω_n为评估指标q_n所对应的权重。

步骤Da：转向架健康状态下融合指标阈值的构建方法为：

根据车轮的转速划分为不同的等级，针对不同物理信号分别采集多组健康状态下的信号，如转速等级下，采集k组信号(X₁，X₂，X₃，...，X_j；j＝1，2，3，...，k)，通过步骤Ca得到各组信号的评估指标将评估指标q_Xi进行统计分析，计算均值、方差并求和得到健康状态下的评估指标最后加权得到融合指标阈值

式中，表示转速时转向架健康状态下融合指标的阈值，ω_n为健康状态下的评估指标所对应的权重。

步骤Db：如图2所示，所述转向架健康状态的判断方法，包括：

将转向架实际运行时获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断融合指标S是否在阈值β范围内：

当融合指标S在阈值β范围内时，可判断为转向架处于健康状态；

当融合指标S在阈值β范围外时，需进一步确定超出阈值β部分所占比重，若超出部分比重小于20％，则判断为转向架轻度故障；反之判断为转向架重度故障，从而达到转向架健康状态监测系统的目的。

基于该健康状态监测方法所构建的健康状态评估体系如图3所示，图中，在开始进行列车转向架健康状态监测之前，需先根据车轮的转速划分为不同的等级，对正常运行状态下的不同物理信号进行采集，构建出融合指标阈值β以供后续分析比较使用。

采集实际运行时转向架的各个物理信号，提取信号特征并进行归一化加权得到用于评估转向架健康状态的指标S。

将融合指标S与对应转速下健康状态时的阈值β进行比较，判断融合指标S是否在阈值β范围内。若融合指标S在阈值β范围内时，可判断为转向架处于健康状态，若融合指标S在阈值β范围外时，需进一步确定超出阈值β部分所占比重。

计算融合指标S超出阈值β部分所占比重。并判断相关性是否达到阈值β，若相关性达到阈值则判断为零部件健康，若超出部分比重小于20％，则判断为转向架轻度故障；反之判断为转向架重度故障。

综上所述，本实施例提供的融合雷达测速与多物理量的转向架健康状态监测方法，将列车实际运行条件下的车速信号与其他反映转向架运行状态的物理信号进行融合，形成一套评估指标可随车速变化调节的列车转向架健康状态综合评估体系。既避免了因单一信号失效而造成判断有误的情况，又可将各类物理信号进行关联，使得监测结果更加可靠，同时将采集到的车速信号与振动、噪声、温度等物理量信号进行加权处理得到融合指标，并根据列车所处的车速等级，选取对应的健康状态融合指标的阈值进行判断，即可实现不同的车速下转向架的健康状态评估。

实施例二：

一种融合雷达测速与多物理量的转向架健康状态监测装置，包括：

信号采集模块：用于采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；

信号特征获得模块：用于结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征；

融合指标获得模块：用于对获得的信号特征和统计特征进行归一化处理，并根据不同信号对转向架运行状态影响比重的大小进行加权，得到包括转速信息的融合指标S；

判断模块：用于将不同车速等级下获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断转向架的健康状态。

本发明实施例所提供的融合雷达测速与多物理量的转向架健康状态监测装置可执行本发明任意实施例所提供的融合雷达测速与多物理量的转向架健康状态监测方法，具备执行方法相应的功能模块和有益效果。

实施例三：

本发明实施例还提供了一种计算机设备，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行下述方法的步骤：

采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；

结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征；

对获得的信号特征和统计特征进行归一化处理，并根据不同信号对转向架运行状态影响比重的大小进行加权，得到包括转速信息的融合指标S；

将不同车速等级下获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断转向架的健康状态。

对于本实施例中各步骤的详细内容可参见实施例一，在此不作赘述。鉴于本实施例与实施例一采用相同的技术构思，因此也具备诸如实施例一所述的技术效果。

实施例四：

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现下述方法的步骤：

采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；

结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征；

对获得的信号特征和统计特征进行归一化处理，并根据不同信号对转向架运行状态影响比重的大小进行加权，得到包括转速信息的融合指标S；

将不同车速等级下获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断转向架的健康状态。

对于本实施例中各步骤的详细内容可参见实施例一，在此不作赘述。鉴于本实施例与实施例一采用相同的技术构思，因此也具备诸如实施例一所述的技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种融合雷达测速与多物理量的转向架健康状态监测方法，其特征是，包括：

采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；

结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征；

对获得的信号特征和统计特征进行归一化处理，并根据不同信号对转向架运行状态影响比重的大小进行加权，得到包括转速信息的融合指标S；

将不同车速等级下获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断转向架的健康状态；

所述振动信号和噪声信号的预处理方法，包括：

对振动信号和噪声信号进行滤波后获得时域信号；

将车速信号转换为转速信号，基于转速信号进行相位求解获得时域信号对应的插值时间点；

基于获得的插值时间点，对时域信号通过拉格朗日插值法进行等角度重采样转换为角域信号。

2.根据权利要求1所述的融合雷达测速与多物理量的转向架健康状态监测方法，其特征是，所述物理信号的采集方法，包括：

所述车速由雷达测速获得，所述振动、噪声和温度信号由传感器采集获得。

3.根据权利要求1所述的融合雷达测速与多物理量的转向架健康状态监测方法，其特征是，拉格朗日插值法由下式进行：

式中，表示等角度插值后的角域信号，L表示通过拉格朗日插值法进行插值,X(t)表示时域信号，表示时域信号对应的插值时间点；

其中，由以下步骤获得：

通过雷达测速器测得列车运行时的车速V(t)，在已知车轮半径参数R条件下，将原车速转换为车轮的实时转角在高速采样的极短时间内，认为车轮的转速及转角大小是恒定的，因此，通过比例算式求解出中间转角对应的时刻：

式中，为t_i时刻的实时转角，[t_i]表示对时刻t_i向下取整，根据上式，结合按照等角度增量的方式插值出对应的时间

4.根据权利要求3所述的融合雷达测速与多物理量的转向架健康状态监测方法，其特征是，所述融合指标S的获得方法，包括：

对时域信号X(t)进行时域分析，提取时域特征：有效值Q₁

其中，X_rms代表时域信号X(t)均方根值，N是信号中的样本点数；

对角域信号进行傅里叶变换，并提取频域特征：振动加速度级Q₂

式中，a_e为加速度有效值，a₀为基准加速度；

对温度信号进行统计分析，计算温度测量值的均值和方差，二者相加得到统计特征：温度Q₃；

对所有信号特征Q_i进行归一化处理，得到评估指标q_i，除去物理量量纲不同对信号融合的影响，即：

式中，Q_max为转向架健康状态下该信号特征最大值，Q_min为最小值，q_i介于0～1之间，q_i为归一化后得到的评估指标，i代表不同的物理量；

对归一化后的评估指标进行融合，得到多物理信号的融合指标S：

式中，q_n为归一化后得到的评估指标，ω_n为评估指标q_n所对应的权重。

5.根据权利要求4所述的融合雷达测速与多物理量的转向架健康状态监测方法，其特征是，转向架健康状态下融合指标阈值的构建方法为：

根据车轮的转速划分为不同的等级，针对不同物理信号分别采集多组健康状态下的信号，如转速等级下，采集k组信号(X₁,X₂,X₃，…,X_j；j＝1,2,3,…,k)，获得各组信号的评估指标将评估指标q_Xj进行统计分析，计算均值、方差并求和得到健康状态下的评估指标 最后加权得到融合指标阈值

式中，表示转速时转向架健康状态下融合指标的阈值。

6.根据权利要求1所述的融合雷达测速与多物理量的转向架健康状态监测方法，其特征是，所述转向架健康状态的判断方法，包括：

将转向架实际运行时获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断融合指标S是否在阈值β范围内：

当融合指标S在阈值β范围内时，可判断为转向架处于健康状态；

当融合指标S在阈值β范围外时，需进一步确定超出阈值β部分所占比重，若超出部分比重小于20％，则判断为转向架轻度故障；反之判断为转向架重度故障。

7.一种融合雷达测速与多物理量的转向架健康状态监测装置，其特征在于，所述装置包括：

信号采集模块：用于采集列车正常运行状态下的物理信号，所述物理信号包括列车转向架k个测点处的车速、振动、噪声和温度信号；

信号特征获得模块：用于结合车速信号对振动信号和噪声信号预处理后进行时域分析和频域分析，并提取信号特征；对温度信号进行统计分析，得到信号的统计特征；

融合指标获得模块：用于对获得的信号特征和统计特征进行归一化处理，并根据不同信号对转向架运行状态影响比重的大小进行加权，得到包括转速信息的融合指标S；

判断模块：用于将不同车速等级下获得的融合指标S与对应转速下健康状态时的阈值β进行比较，判断转向架的健康状态；

所述振动信号和噪声信号的预处理方法，包括：

对振动信号和噪声信号进行滤波后获得时域信号；

将车速信号转换为转速信号，基于转速信号进行相位求解获得时域信号对应的插值时间点；

基于获得的插值时间点，对时域信号通过拉格朗日插值法进行等角度重采样转换为角域信号。

8.一种计算机设备，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1～6任一项所述方法的步骤。

9.一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，该程序被处理器执行时实现权利要求1～6任一项所述方法的步骤。