【技术实现步骤摘要】
本专利技术涉及故障检测领域，更具体的说，它涉及一种基于ssa-vmd的地铁转向架故障特征提取方法。
技术介绍
1、转向架是铁路机车设备中重要的承载部件，在铁路运输中起着承载车体、传递车体和轨道之间的各种纵向横向和垂向动静载荷的重要作用。一旦地铁转向架出现故障将会造成极大的安全事故，因此需要对地铁转向架机械故障检测。目前针对转向架的故障检测一般会采用基于lamb波的无损检测方法，利用lamb波在金属、复合材料、夹层结构等不同材料结构中的传播特征来进行无损检测，目前一般会采用vmd分解来对lamb波进行分析，但是其中的分解参数k和α可以根据研究者的经验设定，具有一定的人工主观性，无法达到最优解。
技术实现思路
1、本专利技术提供一种基于ssa-vmd的地铁转向架故障特征提取方法，通过用ssa算法实现对影响vmd分解结果的关键参数进行全局优化，克服了人工观察的经验值法和控制单一参数变量的局部优化的不足，算法自动根据输入信号搜索出最佳目标适应度值的参数组合。
2、一种基于ssa-vmd的地铁转向架故障特征提取方法，包括：
3、s1：在地铁转向架上安装超声波传感器，此超声波传感器为自发自收型，既可以发出超声波亦可接收超声波；
4、s2：获取超声波传感器接收回波信号，将回波信号通过ssa-vmd进行模态分解，得到k个模态分量；
5、s3：从k个模态分量中提取目标本征模态分量作为地铁转向架特征。
6、作为本专利技术的一个优选，将回波信号
7、t1：将回波信号记为f(t)，并将组成f(t)的模态分量设定为uk(t)，每一个模态分量uk(t)对应的中心频率为wk，k＝1，2，3······k，k为组成f(t)的模态分量总个数，通过麻雀搜索算法适应性计算所得；
8、t2：通过hilbert transform对每个模态分量uk(t)进行解析，并且将模态分量uk(t)的中心频带调制到中心频率wk对应的基带上；公式如下：
9、
10、t3：计算解调梯度的平方范数，估计每个模态分量uk(t)的带宽，由以下公式表示：
11、
12、t4：通过二次惩罚项α和拉格朗日乘算子λ(t)将t3中的公式扩展为增广回波信号拉格朗日函数，其中二次惩罚项α由麻雀搜索算法(ssa)适应性计算所得，具体公式如下：
13、
14、t5：通过交替方向乘子法对增广回波信号拉格朗日函数进行求解，输出k个模态分量uk(t)及其对应的中心频率wk。
15、作为本专利技术的一个优选，通过交替方向乘子法对增广回波信号拉格朗日函数进行求解，输出k个模态分量uk(t)及其对应的中心频率wk，具体包括如下步骤：
16、t5.1：令n＝1，n用于作为编号记录迭代次数；
17、t5.2：将和初始化，表示第n次迭代的模态分量uk(t)对应的频域表示，通过傅里叶变化函数进行转化，为对应的中心频率，为第n次迭代的拉格朗日乘算子对应的频域表示；
18、t5.3；通过下列公式对k值从1至k的所有及其对应的进行更新；
19、
20、
21、其中∑i≠kui(w)指k个模态分量中除了之外的所有模态分量之和；
22、t5.4：当全部和对应的更新完毕后，针对所有w≥0，采用下面公式对进行更新；
23、
24、其中τ为噪声容限；
25、t5.5：判断是否成立，其中ε为精度收敛判据，若是成立，说明所有的模态分量满足增广回波信号拉格朗日函数，输出k个模态分量通过傅里叶变化转化的时域表达uk(t)，以及对应的中心频率wk；否则，将n+1赋值给n，回到t5.3，对对k值从1至k的所有及其对应的进行迭代更新。
26、作为本专利技术的一个优选，通过麻雀搜索算法对二次惩罚项α和模态分量总个数k进行适应性计算包括如下步骤：
27、h1：设置最大迭代次数g，麻雀数量m，生产者数量pd，警觉者数量sd；
28、h2：初始化麻雀种群位置，一个麻雀位置为一组参数(α，k)，将所有麻雀位置存入麻雀模拟集合中，并且复制一个麻雀模拟集合副本；
29、h3：令g＝1，g用于作为编号记录迭代次数；
30、h4：计算所有麻雀位置对应的适应度值，并将麻雀模拟集合副本中所有麻雀按照适应度值从大到小的顺序进行重新排列；
31、h5：将r从1至pd的所有麻雀位置按照如下公式进行更新，r作为编号从麻雀模拟集合副本中选择麻雀位置，其中r从1至pd的所有麻雀对应生产者：
32、
33、其中为第g次迭代中第r个麻雀中第j维的数据，其中j为麻雀位置对应参数的维数，j∈{1，2·····d}，ρ为[0，1]中的随机数，本申请中j为1和2，d为麻雀位置对应参数的最大维数；rl表示报警值，rl∈[0，1]中的随机数，st表示安全值，st∈[0.5，1]中的随机数，q是服从标准正态分布的随机数，l为1×d的矩阵，且此矩阵内部每个元素均为1；
34、h5：计算r从1至pd的所有麻雀位置对应的适应度值，将适应度最高的麻雀位置记为将适应度最低的麻雀位置记为将r从pd+1至m的所有麻雀位置按照如下公式进行更新，r从pd+1至m的所有麻雀为蹭食者；
35、
36、其中a是一个1行d列的一个列向量，里面的d个元素被随机分配成-1或者1；
37、h6：计算麻雀模拟集合副本中所有麻雀位置对应的适应度值，将适应度最高的麻雀位置记为将麻雀模拟集合副本中最大的适应度值记为fz，将麻雀模拟集合副本中最小的适应度值记为fw，将r从1至sd的所有麻雀位置按照如下公式进行更新，r从1至sd的所有麻雀记为警觉者；
38、
39、其中β作为步长控制参数，是服从均值为0，方差为1的标准正态分布的随机数，用于表示麻雀移动方向，γ是属于[-1，1]的一个随机数，fr为对应的第r个麻雀位置的适应度值；
40、h6：计算麻雀模拟集合副本中所有麻雀位置对应的适应度值，将此次迭代后最高的适应度值记为将上一次迭代后最高的适应度值记为判断是否成立，若是成立，并将麻雀模拟集合副本替换麻雀模拟集合对麻雀模拟集合进行更新，进入h7；否则将麻雀模拟集合副本删除，进入h7；
41、h7：判断“g＜g”是否成立，若是“g＜g”成立，将g+1赋值给g，回到h4；若是“g＜g”不成立，进入h8；
42、h8：输出适应度值记为对应的麻雀位置参数(α，k)。
43、作为本专利技术的一个优选，计算麻雀位置对应的适应度值具体包括如下步骤：计算由麻雀位置(α，k)确定的k个模态分量uk(t)的包络熵ep，公式如下：
44、
45、
46、
47、其中ak代表模态分量uk(t本文档来自技高网...
【技术保护点】
1.一种基于SSA-VMD的地铁转向架故障特征提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于SSA-VMD的地铁转向架故障特征提取方法，其特征在于，将回波信号通过SSA-VMD进行模态分解，具体包括如下步骤：
3.根据权利要求2所述的一种基于SSA-VMD的地铁转向架故障特征提取方法，其特征在于，通过交替方向乘子法对增广回波信号拉格朗日函数进行求解，输出K个模态分量uk(t)及其对应的中心频率wk，具体包括如下步骤：
4.根据权利要求3所述的一种基于SSA-VMD的地铁转向架故障特征提取方法，其特征在于，
5.根据权利要求4所述的一种基于SSA-VMD的地铁转向架故障特征提取方法，其特征在于，计算麻雀位置对应的适应度值具体包括如下步骤：计算由麻雀位置(α，K)确定的K个模态分量uk(t)的包络熵Ep，公式如下：
6.根据权利要求5所述的一种基于SSA-VMD的地铁转向架故障特征提取方法，其特征在于，超声波传感器发出的超声波为Lamb波。
【技术特征摘要】
1.一种基于ssa-vmd的地铁转向架故障特征提取方法，其特征在于，包括：
2.根据权利要求1所述的一种基于ssa-vmd的地铁转向架故障特征提取方法，其特征在于，将回波信号通过ssa-vmd进行模态分解，具体包括如下步骤：
3.根据权利要求2所述的一种基于ssa-vmd的地铁转向架故障特征提取方法，其特征在于，通过交替方向乘子法对增广回波信号拉格朗日函数进行求解，输出k个模态分量uk(t)及其对应的中心频率wk，具体包括如下步骤：<...
【专利技术属性】
技术研发人员：蔡国强，白国岩，冯锴，董博，王文豪，张德涵，张雷，张元峰，曾小华，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
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。