基于EEMD樣本熵的高速列車轉(zhuǎn)向架故障特征提取-論文.pdf

《基于EEMD樣本熵的高速列車轉(zhuǎn)向架故障特征提取-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第49卷第1期西南交通大學(xué)學(xué)報Vo1．49No．12014年2月JOURNALOFSOUTHWESTJIAOTONGUNIVERSITYFeb．2014文章編號：0258—2724(2014)01-0027-06DOI：10．3969／j．issn．0258-2724．2014．01．005基于EEMD樣本熵的高速列車轉(zhuǎn)向架故障特征提取秦娜，金煒東，黃進(jìn)，李智敏，劉景波(西南交通大學(xué)電氣工程學(xué)院，四川成都610031)摘要：為了監(jiān)測高速列車轉(zhuǎn)向架關(guān)鍵部件的工作狀態(tài)，提出了采用聚合經(jīng)驗?zāi)B(tài)分解和樣本熵信息測度理論相結(jié)合的方法提取信號特征．以轉(zhuǎn)向架正常、空氣彈簧失氣、橫向減振

2、器故障和抗蛇行減振器故障4種典型工況下車體及轉(zhuǎn)向架的振動信號為研究對象，將信號進(jìn)行聚合經(jīng)驗?zāi)B(tài)分解，得到～系列成分簡單的固有模態(tài)函數(shù)，分別計算樣本熵值構(gòu)成高維特征矢量，最后采用支持向量機進(jìn)行故障狀態(tài)的分類識別．實驗結(jié)果表明，列車在200km／h速度下，故障識別率可以達(dá)到88％，證明了該特征提取算法的有效性．關(guān)鍵詞：轉(zhuǎn)向架；閾值消噪；聚合經(jīng)驗?zāi)B(tài)分解；樣本熵；支持向量機中圖分類號：TP274；TP391．4文獻(xiàn)標(biāo)志碼：AFeatureExtractionofHighSpeedTrainBogieBasedonEnsembleEmpiricalModeDecompositio

3、nandSampleEntropyQmNaJlNWeidong，HUANGJin，LIZhimin，LIUJingbo(SchoolofElectricalEngineering，SouthwestJiaotongUniversity，Chengdu610031，China)Abstract：Tomonitortheworkingconditionofkeycomponentsofhighspeedtrainbogieintime，anovelmethodforfeatureextractionisproposedbycombinationofensembleempiri

4、calmodedecomposition(EEMD)andsampleentropytheory．Vibrationsignalsareobtainedfromtrainbodyandbogieunderfourtypicalworkingconditions，suchasnormalcondition，airspringfault，lateraldamperfault，andyawdamperfault．AfterEEMD，signalshavebeendecomposedintoaseriesofintrinsicmodefunctions(IMFs)，andthes

5、ampleentropiesoftheseIMFsconstituteahighdimensionalcharacteristicvector．Finally，thesupportvectormachineisusedtoidentifythefaultconditionsbased0nthecharacteristicvector．Theexperimentalresultshowsthattherecognitionrateis88％atthespeedof200km／h．Therefore，thisfeatureextractionmethodiseffective

6、forhighspeedtrainbogiefaultsignals．Keywords：bogie；thresholdde—noising；ensembleempiricalmodedecomposition(EEMD)；sampleentropy；supportvectormachine(SVM)轉(zhuǎn)向架是高速列車走行部的重要組成部分，其實際應(yīng)用中有著重要的意義¨．由于轉(zhuǎn)向架發(fā)生機械性能的優(yōu)劣對整個高速列車系統(tǒng)運行的可靠故障的機理復(fù)雜，特征信號不明顯，利用常規(guī)的信性和安全性都有著非常重要的影響，因此，高速列號處理方法很難有效提取故障信息及對轉(zhuǎn)向架故車轉(zhuǎn)向架關(guān)鍵部件的性能檢

7、測及故障診斷方法在障作出正確的判斷識別．收稿日期：2O12-09．15基金項目：國家自然科學(xué)基金重點項目(61134002)；國家自然科學(xué)基金資助項目(61075104)；中央高校基本科研業(yè)務(wù)費專項資金資助項目(SWJTU11BR039，SWJTU11ZT06)作者簡介：秦娜(1978一)，女，博士研究生，研究方向為智能信息處理和模式識別，E-mail：qinna@swjtu．ell28西南交通大學(xué)學(xué)報第49卷經(jīng)驗?zāi)Ｊ椒纸?empiricalmodedecomposition，EEMD算法的步驟如下¨：EMD)根據(jù)信號本身的特