详情

原文传递基于振动信号识别的在役轻轨锚固螺杆预紧力变化检测研究及应用

论文题名：	基于振动信号识别的在役轻轨锚固螺杆预紧力变化检测研究及应用
关键词：	振动信号识别;模态分解;特征提取;轻轨锚固螺杆;预紧力变化检测;故障诊断;振动检测
摘要：	轨道交通是目前缓解城市交通的主要手段之一，轻轨锚固螺杆是跨座式轻轨结构中关键的受力部件，研究轻轨锚固螺杆的质量健康状况具有多方面的重要意义。采用振动检测技术来检测轻轨锚固螺杆的预紧力变化，可以及时了解锚固螺杆与紧固螺母之间的松动状态。传统的振动检测一般致力于创建模型特征量与被检测量之间的关系，但对于轻轨锚固螺杆检测而言这种思路难以获得良好稳定的检测关系。因此与一般性的振动检测思路不同，本文着眼于信号本身出发进行较一般性较复杂情况下的振动信号处理与检测识别。　　针对轻轨锚固螺杆振动检测中呈现的复杂性和多种环境因素不确定性，论文构建了较一般性的半开放式检测框架，并进行了实现和应用。具体而言论文的主要工作和贡献由如下几个方面所述。　　 (1)针对螺杆振动信号特点，研究新的特征提取算法，从多种角度共提出了四种新的模态参数与模态特征提取算法，提高振动信号获取的特征集的完备程度。　　一是从时频分解的角度把振动信号进行时频分解，将分解结果分别进行时间轴和频率轴投影，计算投影曲线的多种特征量(如平方和能量、熵、阶矩等等)，获得信号在时间和频率投影的细化特征。　　二是利用振动信号的回波机制，定义了子波成分的波形函数，给出子波切分原则，把振动信号按波动原理进行子波分解从而获得子波成分，然后把子波进行分段ARMA拟合获得每个子波的特征参数。　　三是从振动信号的局部频带角度(小波分解)构造专门适合振动信号分析的振型小波来进行频带特征提取，从单自由度振动微分方程出发，把振型函数进行扩充，构造具有振型函数波形的小波尺度函数，然后证明该函数符合Reisz基的条件，从而获得正交尺度函数，在正交尺度函数的基础上构造出对应的低通高通滤波器系数以及小波函数，最后运用构建成功的振型小波进行振动信号的小波分解，提取每层每个频带熵的分解系数的能量和熵特征量。　　四是提出了一种利用粒子群最优化技术的模态分解方法。多个模态的参数组成粒子属性集，粒子按照粒子群算法不断迭代获得全局最佳粒子。引入模态聚类的思路来估计出各个模态参数的上下限范围，从而给出粒子属性值的上下界，大幅度减少粒子群算法的搜索空间。首先把频响函数的幅谱曲线看成是局部波峰的集合，引入聚类分割思路构造聚类距离函数，使用k-means算法把频响函数频谱自动聚类成多个单模态类，然后运用单模态分解算法估计出每个模态类的模态参数的上下限范围，这种上下限范围就是粒子属性值的上下界。另外还采用了混合变异粒子群算法来提高最优化搜索的效率。这种基于粒子群的模态分解能够抵抗在较大噪声和其它因素影响，获得更加准确稳定的模态参数值。　　 (2)提出基于螺杆交叉验证的特征选择方案，确保分类器的分类稳定性，其中采用了遗传最优化技术提高特征选择的精度。在特征选择研究中，把训练数据以螺杆为分割单位，用一部分的测试螺杆的数据进行训练，用另一部分测试螺杆的数据进行验证训练结果，确保把一部分螺杆上的训练结果应用到其它螺杆上也能获得良好的分类性能。以此为基础把测试螺杆上的分类器训练结果推广应用到现场不可拆卸螺杆上，获得准确稳定的现场螺杆故障状态诊断结论。　　 (3)构建并实现了轻轨锚固螺杆振动信号处理与诊断识别的半开放式检测框架。该框架已经在MATLAB上实现，提供实现了6类振动信号特征提取算法，每组振动信号可以从多种角度共提取将近100个特征，提供实现了多种特征选择准则下的基于遗传算法和螺杆交叉验证的最佳特征子集选择算法，针对测试螺杆可以获得错分率为0的训练数据，针对现场螺杆，可以以训练数据为基础进行振动信号的处理与识别诊断。在该框架中，用户可以使用已有的特征提取算法和特征选择算法，也可以随时添加新的特征提取算法和特征选择搜索算法。
作者：	叶庆卫
专业：	仪器科学与技术(信息获取和处理)
导师：	汪同庆
授予学位：	博士
授予学位单位：	重庆大学
学位年度：	2009
正文语种：	中文