原文传递
基于小波分析的高速列车安全性态评估数据特征分析
| 论文题名： | 基于小波分析的高速列车安全性态评估数据特征分析 |
| 关键词： | 高速列车;小波分析;安全性态;数据特征;支持向量机 |
| 摘要： | 随着高速列车运行速度不断提高，列车在长期服役过程中的安全性态将发生变化，对列车安全预警与健康维护带来极大的挑战。列车在运行过程中传感器监测到大量的振动数据，如何从跟踪监测数据中反演识别出列车运行状态，进行安全性态评估显得至关重要。而监测的振动数据多是非线性和非平稳信号，小波分析具有良好的时频局部化优点，在信号特征分析中应用广泛。因此，本文基于小波分析对高速列车安全性态评估数据进行特征分析，研究列车正常状态、空簧失气、抗蛇行全拆和横向减振器全拆四种工况。 本文首先分析了高速列车走行部振动特征和弹簧阻尼系统作用力情况，基于监测数据从时域、频域和均方根值、峭度值统计参数分析列车不同状态的振动信号，初步诊断三种故障状态和正常状态的振动差异性，得到列车振动很多是低频振动。 在连续小波变换灰度图的基础上，采用基于小波一阶灰度矩的特征提取算法，该方法沿小波分解尺度进行区域划分，对不同区域分别计算一阶灰度矩，得到四种工况的小波一阶灰度矩特征分布差异性。为了分析信号能量的空间分布，根据小波包变换，改进小波包能量法，采用小波包能量矩的特征提取算法，根据各频带小波包能量矩所占比重的变化即可实现对列车不同状态的监测，四种工况在不同速度和不同传感器输出信号下表现出不同的规律。最后，用支持向量机进行列车状态识别，验证了两种特征提取算法的有效性。 针对横向位移信号频率较低的特点，将小波包和EMD方法结合探索各工况的特征。对信号小波包分解后，重构最后一层前几个频带信号，对能量较大的频带信号进行EMD分解，并根据相关系数保留有效的IMF分量，将其组成特征矩阵，对矩阵进行奇异值分解，提取奇异值特征。最后，基于支持向量机完成故障识别。 基于小波一阶灰度矩和小波包能量矩特征参数仿真分析了参数渐变工况和多故障工况的特征，研究列车从正常渐变到三种完全故障的过程中特征分布规律，并探讨了多故障特征是否体现或保留了单个故障的特征。 本文工作得到国家自然科学基金重点项目(No.61134002)的资助。 |
| 作者： | 刘林艳 |
| 专业： | 电气系统控制与信息技术 |
| 导师： | 金炜东 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
