原文传递
基于轴箱振动加速度的车轮多边形磨耗状态监测方法研究
| 论文题名： | 基于轴箱振动加速度的车轮多边形磨耗状态监测方法研究 |
| 关键词： | 高速列车;车轮结构;多边形磨耗深度;轴箱振动加速度 |
| 摘要： | 随着列车运行速度的不断提升，车轮多边形化不断加剧。车轮磨损导致轮轨间接触力的增加，严重影响高速列车运行的稳定性和安全性，因此能够快速准确识别出正常车轮和多边形车轮及车轮多边形磨耗深度等级对保证列车运行的安全性和制定合理的车轮旋修计划具有重要的意义。 论文运用UM多体动力学软件建立车辆-轨道多体动力学模型和多边形车轮模型，进行车辆模型在UIC_good轨道谱作用下仿真实验，采集轴箱垂向振动加速度信号，分析了不同车速、不同车轮多边形阶数和不同车轮多边形磨耗深度作用下的轴箱振动响应，同时为后文特征参数提取提供了仿真数据。 为了能够快速准确识别出正常车轮和多边形车轮及车轮多边形磨耗深度，论文运用了遗传算法、粒子群算法、网格优化法优化支持向量机参数以建立最优支持向量机分类模型。在分类识别中，特征向量的选取直接影响着识别的准确率，论文提出了基于高阶谱结合灰度-梯度共生矩阵对轴箱垂向振动加速度信号进行特征提取的方法。利用高阶谱方法处理轴箱垂向振动加速度信号，得到其二维等高线图和双谱三维图，运用灰度-梯度共生矩阵提取二维等高线图的15个纹理特征，结合车速和三维双谱图的对角切片峰值作为识别车轮多边形磨耗深度等级的特征参数，特征参数经归一化和主成分分析后作为特征向量导入到支持向量机中。 为了验证高阶谱方法的有效性，同时分析了变分模态变换、经验小波变换对轴箱垂向振动加速度信号的特征提取。仿真结果表明，高阶谱结合灰度-梯度共生矩阵方法能够区分出正常车轮和多边形车轮，识别准确率达到97.5%;同时在识别车轮多边形磨耗深度等级方面的识别准确率达到了91%，优于变分模态变换和经验小波变换的识别结果。 |
| 作者： | 罗佳文 |
| 专业： | 机械工程 |
| 导师： | 肖乾;刘新龙 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华东交通大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
