基于多尺度熵的高速列车载荷工况识别研究

转向架作为高速列车关键承载部件,其载荷特征对于结构疲劳强度评估和可靠性设计至关重要。针对转向架构架载荷信号非平稳、非线性性质,引入多尺度熵方法,结合小波变换、集成经验模态分解等时频分析方法,对典型工况下实测构架载荷信号在不同频率下的复杂性进行分析,探究在制动、道岔和曲线工况下,高、低频构架载荷信号分量多尺度熵差异程度,具有明显差异的信号分量多尺度熵作为区别高速列车工况的指标,使用Relief算法进行特征选择,构造表征不同工况特征向量。将基于多尺度熵的工况特征向量输入支持向量机中,对特征提取方法和支持向量机参数优化方法进行评定,分析获得不同工况的最优识别方法。同时基于传统时频分析方法建立工况特征向量,输入支持向量机进行工况识别,对比识别结果,证明基于多尺度熵的工况识别方法可以明显提高工况的识别效果,为实现实时在线监测高速列车运行工况提供技术支持。