转向架故障诊断方法技术

本发明专利技术实施例提供了一种基于奇异值完全分解和固定字典极限学习机的转向架故障诊断方法，包括：步骤1，获取转向架数据，利用VMD变分模态分解算法对所述转向架数据进行分解，分解出多种本征函数；步骤2，使用奇异值完全分解算法对分解出的本征函数中的左右奇异值矩阵中的特征信息，进行分解及特征重构，完成二次特征提取；步骤3，利用固定字典极限学习机，对二次特征提取后的数据进行学习，以识别转向架的故障。的故障。的故障。

【技术实现步骤摘要】
转向架故障诊断方法


[0001]本专利技术涉及部件诊断领域，尤其涉及一种基于奇异值完全分解和固定字典极限学习机的转向架故障诊断方法。

技术介绍

[0002]转向架作为列车的重要组成部分，其运行状况的好坏直接关系到列车运行的稳定和安全。然而，由于轮轨间复杂的耦合关系，以及载重和速度波动，转向架始终处于低信噪比和变速度的工作状态。现有的转向架故障诊断算法中，对于变速度情况下的低信噪比信号一直没有一个较好的能兼顾识别精度和速度的解决方案，如何找到一种同时保证识别精度和识别速度的算法在现实生活中有着重要意义。

技术实现思路

[0003]本专利技术的实施例提供了一种基于奇异值完全分解和固定字典极限学习机的转向架故障诊断方法，具有抗噪声及微弱特征识别能力，能够同时保证识别精度和识别速度。
[0004]一种基于奇异值完全分解和固定字典极限学习机的转向架故障诊断方法，包括：
[0005]步骤1，获取转向架数据，并通过频谱分析获得中心频率的个数K，随后利用VMD变分模态分解算法对所述转向架数据进行分解，将其分解为K+1个模态。每个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种转向架故障诊断方法，其特征在于，包括：步骤1，获取转向架数据，并通过频谱分析获得中心频率的个数K，随后利用VMD变分模态分解算法对所述转向架数据进行分解，将其分解为K+1个模态，每个模态采样点数目与原信号一致；步骤2，使用奇异值完全分解算法对分解出的本征函数中的左右奇异值矩阵中的特征信息，进行分解及特征重构，完成二次特征提取；步骤3，利用固定字典极限学习机，对二次特征提取后的数据进行学习，以识别转向架的故障。2.根据权利要求1所述的方法，其特征在于，所述步骤2具体为：首先使用奇异值分解对信号进行处理，分解结果描述如下：M
m
×
n
＝U
m
×
m
∑
m
×
n
V
*n
×
n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，M为特征矩阵，U为左奇异值矩阵，∑为奇异值矩阵，V为右奇异值矩阵；由于左右奇异值矩阵都是单位正交矩阵，因此构造公式并通过描述矩阵内元素间联系的公式进行进一步分解；描述矩阵内元素间联系的公式如下所示：其中,u
i,j
是矩阵U的i行j列的元素,λ
j
(U')是矩阵U'的第j个特征值，它与矩阵∑的第j个奇异值对应,λ
j
(P
U'i
)是矩阵P
U'i
的第j个特征值,P
U'i
是U'去掉i行i列的子矩阵；于是矩阵U
m
×
r
和矩阵V
r
×
n
中的元素表示为如下形式:中的元素表示为如下形式:中的元素表示为如下形式:设定秩r,并将上述公式代入可分离出一个右乘矩阵R：对其求逆，并将其通过右乘消除，获得由奇异值信息和左右奇异值矩阵信息组成的特
征矩阵；然后，将获得的特征矩阵投影在列向量上，获得大小为m的特征向量K；(7)最后，通过如下公式对K同一数量级，获得最终的特征向量K'；3.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：王志鹏，左亚昆，张慧月，贾利民，秦勇，王宁，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：