基于多重分形理论的地铁车辆平轮故障诊断

地铁车辆轮轨振动信号具有噪声多、特征提取困难等特点,传统信号处理方法无法有效处理该类信号。为了克服传统方法的不足,更好地提取地铁平轮的故障特征,提出一种基于多重分形理论的地铁平轮故障诊断方法。首先,用小波包去噪的方法处理实测的4种工况的轮轨振动信号,之后利用分形理论取得振动信号的多重分形谱特征,并从中提取4种工况类型的特征量,最后输入到遗传算法优化的支持向量机中,实现踏面故障类型的分类与识别。实验结果表明:所提方法能有效地提取地铁车辆平轮的故障特征,对地铁车辆平轮故障状态具有良好的诊断效果。

基于VMD的地铁车辆平轮状态监测和诊断

针对地铁车辆轮轨振动信号信噪比低、非线性、不平稳等特点,为更好地提取地铁平轮的故障特征,提出一种基于变分模态分解(VMD,variationl mode decomposition)和包络谱熵的地铁平轮故障诊断方法。首先,构建虚拟仿真信号做变分模态分解,并与经验模态分解进行对比分析,说明VMD方法的有效性,再对实测4种工况的轮轨振动信号进行变分模态分解,求出不同分解模态的包络谱熵值,最后采用支持向量机分析故障诊断效果。试验结果表明:提出的方法能够有效地提取平轮故障特征,对地铁车辆平轮故障状态具有良好的诊断效果。

基于非平衡数据的车辆轮对状态集成分类方法

针对地铁车辆轮轨振动信号信噪比低、非线性、非平稳等特点,为实现平轮故障的不解体检测诊断,提出了一种基于非平衡数据的集成分类器模型.以踏面正常、踏面擦伤、踏面剥离和圆周磨耗四种典型的平轮故障为研究对象,对采集的轮轨振动信号进行变分模态分解与模糊熵特征提取,构造故障特征数据集;通过偏置支持向量机筛选训练集中的支持向量样本并进行SMOTE(synthetic minority oversampling technique)过采样,对非支持向量进行分层组合并构造集成分类器,采用有向无环图的方式对测试集进行平轮故障识别;最后,通过查全率和查准率对比分析,给出多类非平衡数据集的分类性能评价.论文在车辆段轨旁进行了空载分类试验,实验结果表明,所提出的方法对4种定性模式障的识别准确率超过96%,可被有效应用于地铁车辆的平轮故障诊断.