原文传递
基于小波系数的高速列车监测数据特征分析
| 论文题名： | 基于小波系数的高速列车监测数据特征分析 |
| 关键词： | 高速列车;监测数据特征;小波系数;支持向量机;运行状态;模式识别 |
| 摘要： | 列车在运行过程中随着速度的提高，安全性态将产生不断变化，因此人们对列车安全运行的预警、列车的健康维护更加关注和重视。通过传感器在列车运行的时候监测到的振动数据，这些数据是很巨大的。要反演识别出列车运行的时候处于什么状态，就必须通过跟踪监测数据，所以进行安全性态评估，是非常重要的。但是监测的振动数据非常复杂，具有非线性和非平稳的特点，小波分析在时间域和频率域可以提取局部特征，因此广泛应用于信号特性分析。因此，本文基于小波系数对高速列车监测数据特征分析，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的数据特征。 本文在连续小波变换的基础上，采用基于小波尺度能量的特征提取算法，该方法沿小波分解尺度进行分解，对不同尺度计算能量，得到四种工况的小波尺度能量特征分布不同点。为了分析峭度在空间上的分布，采用小波包峭度的特征提取算法，根据小波包峭度在各频带的变化即可实现对列车安全运行判断，传感器位于车体上不同位置，速度也不同，可得到在四种工况下的不同特征。最后，验证了两种特征提取算法的有效性，并通过支持向量机进行列车运行状态的模式识别。 由于横向位移信号具有低频特性，将小波和谱峭度方法结合分析各个工况的特征。对信号进行小波多尺度变换后，计算各尺度下的谱峭度值。基于小波尺度能量和小波包峭度特征参数，分析了混合故障工况和参数渐变工况的特征，研究列车从正常状态参数渐变到三种完全故障，由此可得到特征分布表现的规律，并研究了混合故障特征单个故障的特征的区别与联系。 |
| 作者： | 侯亚东 |
| 专业： | 检测技术与自动化装置 |
| 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： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
