高速铁路车轮扁疤智能识别算法的曲线适应性

高速铁路曲线地段轮轨之间的动力相互作用复杂,智能识别算法在曲线地段的适应性是实现对车轮扁疤全线不间断识别跟踪的前提。考虑高速铁路车轮扁疤信号的随机性特征,提出了一种基于变分模态分解(variational modal decomposition, VMD)的高速铁路车轮扁疤识别方法。考虑曲线线路不同地段以及不同轨侧的影响,对动力学计算得到的轮轨力随机响应进行变分模态分解并将信号重构,通过包络谱特征识别车轮扁疤冲击频率和对应扁疤的长度。研究表明:在曲线地段正常车轮与扁疤车轮对应的包络谱之间存在显著差异,包络谱中10 mm以上扁疤冲击倍频特征明显;倍频峰值频率特征与列车速度对应扁疤冲击频率一致;前4阶包络谱均值与扁疤长度之间呈线性关系,可以通过包络谱均值直接识别扁疤的长度。对曲线外轨侧识别的车轮扁疤长度进行修正后,可以实现车轮扁疤全线不间断识别跟踪。

遗传算法结合小波神经网络的列车车轮扁疤故障检测方法

为了寻求一种更加有效的列车车轮扁疤故障分析算法,提出一种通过轮轨噪声来确定车轮扁疤严重程度的检测方法。该方法将遗传算法与小波神经网络相结合,同时为了避免出现局部极小值,加速学习速度,在小波神经网络中增加了动量模型;在搜寻小波神经网络隐含层链接权值之前,使用遗传算法进行计算以优化小波神经网络结构;硬件只需2组麦克风阵列以及2个速度感应器就可以提供实时结果,成本远低于我国现有的检测方法。对不同列车车速下的轮轨信号进行了实时测试,结果表明:与传统神经网络、小波神经网络和遗传算法相比,该方法的检测准确率最多分别提高了16%、11%和3%,并且收敛最快。

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.

铁道车辆平轮在线监测技术初探

铁道车辆踏面平轮故障危及列车行车安全。本文提出车轮半径偏差检测方法，在线检测诊断铁道车辆平轮故障的方案。

基于优化VMD的车轴裂纹和车轮扁疤故障诊断

针对列车轮对振动信号易受轮轨噪声影响、故障特征提取困难等问题,提出一种基于优化变分模态分解(Variational mode decomposition,VMD)和多尺度样本熵-能量(Multiscale sample entropy-energy,MSEEN)指标的故障诊断方法。首先搭建考虑轮轨接触关系的轮对振动实验台,分别进行正常、车轮扁疤、车轴裂纹及扁疤-裂纹耦合故障状态下的轮对振动测试。其次,利用遗传算法,以样本熵、相关系数和均方误差为适应值搜索VMD的最佳分解个数及分解中心频率。然后基于优化VMD分解不同状态下的轮对振动信号并提取本征模态函数(Intrinsic mode function,IMF)分量的MSEEN指标。最后将指标与BP神经网络结合进行轮对故障诊断,总识别率达到94.44%。该方法可为实际运行工况中的列车轮对故障诊断提供借鉴。

车轮扁疤状态下的铁路货车动力学表征研究

为研究货车车轮扁疤状态下的动力学表征,为车轮扁疤的间接识别提供理论支撑,建立了配置有转K6转向架的C80铁路货车动力学模型,并推导了扁疤对钢轨的垂向冲击力公式及振动加速度公式,研究了车轮扁疤故障状态下的车轮轮轨力响应、承载鞍振动响应情况,并分析了故障状态下车轮扁疤长度与轮轨垂向力对应关系,为扁疤的故障检测和识别提供基础支撑。结果表明:扁疤故障状态下,轮轨垂向力与扁疤长度呈正比例关系,且轮轨力最大值随车辆运行速度增大而呈现先增大后缓慢减小的趋势,承载鞍振动加速度变化趋势与轮轨垂向力基本保持一致。

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Hilbert包络分析的铁路货车踏面擦伤诊断

随着货物列车载重逐步提高,轮轨相互作用加剧,踏面擦伤问题日渐突出。为了及时监测和诊断车轮踏面擦伤,文章运用仿真分析手段,采用变轮径法建立了某型货车动力学模型,并采用Hilbert包络分析法对轴箱垂向加速度信号进行了分析。结果表明,Hilbert包络分析法能够有效地提取铁路货车踏面擦伤的特征频率,可以有效诊断出长度为15 mm及以上的踏面擦伤。

车轮踏面擦伤的冲击振动特性及其在车轮擦伤检测中的应用

在单轮对1∶1滚动试验台上,试验研究了0-200 km/h速度下车轮踏面擦伤引起的冲击振动特性。试验中同时测量了轮对每个轴箱的垂向振动加速度并对其进行了时域和频域分析。试验结果发现,低速时车轮擦伤引起的冲击振动特征明显,但随着速度的增大,擦伤振动信号的信噪比会逐步降低。在一侧的车轮擦伤会影响另一侧轴箱的振动,车轮擦伤振动信号具有丰富的频率成分,可以用来进行车轮擦伤信号的检测。

基于自适应多尺度形态学分析的车轮扁疤故障诊断方法

建立了56自由度车辆动力学模型与车轮扁疤模型,计算了车辆的动态响应。车辆的振动信息往往受到轨道不平顺和车速波动等因素的影响,为了能在强噪声背景下有效提取轮轨冲击特征,提出了自适应多尺度形态学滤波分析方法,研究了车轮扁疤引起的轴箱振动特征,分析了轨道激扰和车辆运行速度对车轮扁疤故障诊断效果的影响。仿真结果表明:在100、150、200km·h-1的车速和美国五级谱、三级谱的激扰下,分别使用7个和9个尺度的结构元素进行形态学滤波,正确地识别出10、15、20Hz车轮扁疤故障频率。实测结果表明:当车速为40km·h-1时,使用7个尺度的结构元素进行形态学滤波,提取出了2 Hz的故障频率,此频率与理论故障频率相对应,诊断结果可靠。