一种车轮服役状态安全域估计及故障诊断方法技术
【技术实现步骤摘要】
本专利技术属于交通安全工程
，特别是一种车轮服役状态安全域估计及故障诊断方法。
技术介绍
列车轮对作为走行系最基础、最重要的组成部件之一，承载着整个列车的重量并保证列车在轨道上的正常运行，是走行系安全检查中的重点检测对象。列车在运行过程中，轮对与钢轨不断摩擦，轮对踏面的状态也随之不断发生变化，当轮轨接触关系不良时，极易发生踏面擦伤、剥离等故障，从而影响列车的正常安全运行，因此对走行系车轮进行服役状态安全域估计及故障诊断意义重大。安全域估计理论最早应用于用于解决电力系统的安全性从而提高系统稳定性等问题，近年来有学者将安全域估计理论应用到了城市轨道交通车辆的安全性分析及安全域估计。贾利民等利用安全域研究理论分析轨道不平顺对列车运行安全的影响，取得了良好的效果。金学松等在城轨交通领域搭建基于车辆和轨道耦合动力学的列车脱轨模型，采用动力学的仿真结果和不同的列车脱轨评判标准，实现了城轨交通列车的安全运行界限的界定和运行安全域的评估。张媛等建立了在城轨交通系统运行状态中的安全域估计方法框架，提出了基于模型的安全域边界技术和数据驱动的安全域边界估计方法，并将安全域理论应...
【技术保护点】
一种车轮服役状态安全域估计及故障诊断方法，其特征在于，包括以下步骤：步骤1，在轨道上安装振动加速度传感器，获得钢轨振动信号；步骤2，对各钢轨振动信号进行EMD分解，筛选得到各有效IMF分量；步骤3，计算各IMF分量的能量矩，并将计算结果作为该振动信号的状态特征向量；步骤4，对状态特征向量进行标记，正常车轮标记为安全，故障车轮标记为非安全，并利用LSSVM进行二分类器训练，由此得到的最佳分类面记为正常车轮和故障车轮的安全域边界；步骤5，对正常、扁疤、不圆三种状态下的钢轨振动信号分别进行标记，采用概率神经网络PNN进行多分类器训练，从而获得车轮服役状态的多分类模式识别模型，用于对车轮进行故障诊断。
【技术特征摘要】
1.一种车轮服役状态安全域估计及故障诊断方法，其特征在于，包括以下步骤：步骤1，在轨道上安装振动加速度传感器，获得钢轨振动信号；步骤2，对各钢轨振动信号进行EMD分解，筛选得到各有效IMF分量；步骤3，计算各IMF分量的能量矩，并将计算结果作为该振动信号的状态特征向量；步骤4，对状态特征向量进行标记，正常车轮标记为安全，故障车轮标记为非安全，并利用LSSVM进行二分类器训练，由此得到的最佳分类面记为正常车轮和故障车轮的安全域边界；步骤5，对正常、扁疤、不圆三种状态下的钢轨振动信号分别进行标记，采用概率神经网络PNN进行多分类器训练，从而获得车轮服役状态的多分类模式识别模型，用于对车轮进行故障诊断。2.根据权利要求1所述的车轮服役状态安全域估计及故障诊断方法，其特征在于，步骤2所述的对各钢轨振动信号进行EMD分解，筛选得到各有效IMF分量，具体如下：(2.1)对钢轨振动信号进行EMD分解，经过EMD分解的降噪后的原始信号x(t)表示为IMF分量cq(t)和趋势项res的线性组合，如式(1)所示： x ( t ) = Σ q = 1 o c q ( t ) + r e s - - - ( 1 ) ]]>其中，q为IMF分量的标号，o为IMF分量的个数；(2.2)采用基于时域峭度和频率散度两个指标相结合的IMF选取算法，在低频段采用时域峭度进行筛选，在高频段采用频率散度进行筛选，选取出同时满足时域峭度筛选要求和频率散度筛选要求的IMF分量作为有效分量，IMF有效分量的个数为N；IMF分量cq(t)的时域峭度计算公式如下： K u r t o s i s ( c q ) = ( 1 / v ) · Σ j = 1 v ( c q ( j ) - c q ‾ ) 4 S t d ( c q ) 4 - - - ( 2 ) ]]>其中，j为IMF分量cq(t)中信号的标号，v为IMF分量cq(t)中信号的个数，为IMF分量cq(t)的平均值，Std(cq)为IMF分量cq(t)信号的标准差；EMD分解后各IMF的时域峭度值按由大到小分布，阈值选取为3，高于3的为有效分量，低于3的为无效分量；频率散度计算过程如下：通过傅里叶变换将时域信号x(t)转为频域信号X(f)： X ...
【专利技术属性】
技术研发人员：杨静，黄瑛，杨志，邢宗义，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。