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。     

基于自适应变分模态分解的桥梁振动信号降噪

针对实际桥梁结构振动响应信号易受环境噪声的影响,而降噪效果较好的VMD方法存在本征模态函数分解数量难以确定的问题,提出了一种改进的变分模态分解(Variational Mode Decomposition)方法——自适应变分模态分解方法(Adaptive VMD,AVMD),实现了桥梁振动响应信号的自适应降噪。在传统VMD方法的基础上,通过结合EMD方法和主成分分析,解决了VMD方法中本征模态函数分解数量难以确定的问题,并引入多尺度小波分解技术,对受噪声污染的信号进行多尺度分解、优选与重构,进而实现复杂桥梁结构振动信号的降噪。以一座大型悬索桥为工程背景,对桥梁实测振动响应数据进行了降噪与模态参数提取。结果表明,AVMD方法解决了传统VMD方法中本征模态函数分量难以确定的问题,降噪信号所识别出的桥梁结构虚假频率比原始信号所识别出的虚假频率减少了58.82%。     

基于ZFFT的轨道波磨高精度弦测算法研究

弦测是轨道波磨不平顺测量的重要方法之一,但理论的缺陷使其无法同时提高复原精度与计算效率。针对这一问题,根据工程中轨道波磨不平顺的测量需求,提出基于ZFFT(ZOOM-FFT)的高精度弦测逆滤波算法。通过复调制将感兴趣的频段平移至零频点,去除高频部分后重排、补偿得到复信号,对该复信号进行选择性共轭扩展重构,再利用傅里叶反变换逆滤波得到轨道波磨不平顺测量值。理论仿真和线路实测表明,该方法能够在时间消耗较少的情况下提高测量精度,适合工程应用。     

基于改进的数据融合滚动轴承故障诊断

针对滚动轴承单一诊断方法造成误诊率高、可靠性低的缺陷,提出一种基于变分模态分解(VMD)-支持向量机(SVM)和数学形态学(MM)-相关性分析(CA)的复合诊断算法。该算法采用双通道并行诊断,通道1使用VMD在频域分解故障信号,并结合贝叶斯SVM分类器获取诊断结果的后验概率,具有诊断准确性高的优点;通道2使用MM方法在时域中提取故障特征,通过CA方法获得诊断结果的相关性系数,具有较强的泛化能力。通过改进的加权平均证据理论方法将两通道判定结果有机融合,发挥两种单一方法的优势互补,实现复合式故障诊断。使用轴承故障试验台对复合算法进行验证,与单一方法进行对比。结果表明：该复合算法可有效提取非平稳信号中的故障特征,提高诊断结果的可靠性。     

基于改进VMD的高速动车组轴箱轴承故障识别方法

针对高速动车组运行工况复杂、轴箱轴承故障率较高、背底噪声强和故障识别难度大的情况，提出基于改进变分模态分解（VMD）的动车组轴箱轴承故障识别方法。首先，运用能量差法和合成谱峭度法计算最优的变分模态分解关键参数；其次，基于相关系数、谱峭度及奇异值构建的评价参数，选取用于重构故障信号的本征模态分量；最后，对重构后的信号进行傅里叶变换，实现在强背底噪声情况下的故障特征频率识别，并通过模拟数据和真实动车组轴箱轴承试验数据对提出的方法进行验证。结果表明：提出的方法能够有效地在强背底噪声情况下重构带有预设的40或200 Hz故障特征频率的信号，重构后的信号最大程度保留了轴承的故障信息；故障特征频率识别效果好，能够为保障高速动车组的安全运行提供技术支撑。     

基于变分模态分解和能量谱的轨道电路分路不良故障监测

在传输线理论和四端口网络的基础上,建立ZPW-2000A型轨道电路机车感应信号电流模型,仿真得到正常和分路不良逐渐严重的5类信号,并对比分析正常和分路不良信号的曲线特征。为实现轨道电路分路不良故障监测,运用双指标法确定变分模态分解的模态数K;用变分模态分解算法将5类信号分解成K个固有模态,并提取能量谱特征和传统时域特征;将提取的故障信号特征输入到粒子群支持向量机(PSO-SVM)中,实现分路不良的故障监测,且使用能量谱特征的监测精度大于使用传统的时域特征。实验结果表明:使用变分模态分解算法能够有效分解轨道电路正常和分路不良的信号,便于分路不良故障特征的提取;能量谱特征集较于传统时域特征集,更利于故障分类。     

基于小波变换的轨道检测数据滤波方法

为了尽量减小轨道检测数据中夹杂的粗大噪声干扰对轨道检测结果的影响,利用小波算法对轨道检测数据滤波处理是一种可行方法。分析了dbl,db2,db3和db4小波基对轨道检测数据中高频突变脉冲信号的敏感性,选用较为敏感的db1小波基对轨道检测数据进行小波分解。通过3σ准则识别出粗大误差点并加以剔除,对轨道检测数据的高频和低频部分进行小波重构,从而达到较好的轨道检测数据去噪滤波效果。分别采用均方误差值、信噪比和平滑度指标对几种小波的去噪滤波效果进行了分析比较,进一步验证了db1小波能在轨道检测数据的处理中达到较好的去噪滤波效果。实例表明,论文提出的方法对能够敏感地识别轨道检测数据中的噪声信号,有效地剔除检测数据中的粗大误差,达到较为理想的轨道检测数据滤波效果。     

基于一维深度卷积生成对抗网络的钢轨波磨识别方法

实际工程中钢轨波磨数据难以大量获取,无法构建庞大数据集进行智能诊断模型训练。针对这一问题,本文提出了一种基于一维深度卷积生成对抗网络的钢轨波磨识别方法。首先使用一维生成对抗网络生成与实际波磨振动信号结构相同的伪样本,对样本信号的数据集进行扩充;然后提取波磨振动信号的时域统计指标作为波磨数据的特征;最后使用分类算法对不同特征的波磨振动数据进行学习与分类。使用实测钢轨波磨振动数据进行试验验证,结果表明：利用本文方法所生成的伪样本数据,在时域、频域以及时域特征指标方面均与真实样本数据基本一致;使用KNN、SVM和DT三种分类模型对波磨数据的特征进行分类和对比,均可较好地进行波磨识别。     

轨道交通车辆模态参数辨识方法研究

运用子空间辨识数值算法直接辨识出轨道交通车辆动力学系统的状态方程,对系统矩阵进行特征值分解后获得模态频率和阻尼比,运用稳态图来确定系统的物理极点,最后获得所识别系统的模态参数。利用此法,对轨道交通车辆垂向仿真模型进行了模态参数辨识研究。研究结果表明:如以轨道不平顺作为车辆输入、以车体和构架的位移响应作为系统输出进行辨识,则即使在噪声信号较大时,仍能获得良好的识别效果;运用仿真模型的加速度输出信号进行辨识时,车辆模态参数的识别精度受噪声影响很大;当噪声信号为原信号的5%时,以构架加速度作为输入、车体振动响应作为输出,仍能有效地识别车体的模态参数。     

轨道踏面损伤弦测响应研究

根据轨道踏面上各种损伤的特征,分析对应的弦测响应及相互影响。在采样率足够的前提下,各损伤在弦测后特征依然保持,但数量、幅度和位置可能发生变化;对包含损伤信息的弦测值逆滤波得到的波磨复原结果将与原始值有所偏差。基于此,提出以小波系数和为依据的钢轨踏面损伤辨识和轨道弦测数据分段逆滤波方法。研究结果表明:小波系数和能够提示各种损伤位置和分布;以此为依据对轨道弦测数据进行分段处理能得到与真实情况较为符合的结果,适合工程应用。     

铁路钢轨波磨研究及其治理

基于国内铁路近几年来出现的钢轨波磨现象,描述了钢轨波磨的特点,分析了钢轨波磨的主要形成原因,提出了利用分形插值法将基于分形理论的钢轨波磨评价指标进行优化,总结出了钢轨波磨的治理建议.     

基于小波包能量熵的钢轨波磨检测方法

针对目前轨道波浪型磨损检测效率慢、成功率低等问题,提出一种基于小波包能量熵的轨道波磨检测技术。首先建立轨道波磨简化模型及车辆集总化参数模型并搭建SIMPACK仿真动力学模型,其次创新性地将小波包和能量熵相结合应用在轨道波磨检测领域,再通过仿真模型得到不同波磨分组下的轴箱振动响应,然后对振动加速度信号进行4层小波包分解并计算各节点的小波包能量和小波包能量熵,最后通过对比分析仿真结果确定轨道波磨故障类型。     

基于车辆响应的高速铁路周期性轨道短波病害时频特性分析

对基于同步压缩小波变换提取瞬时频率的方法进行改进,使之可完整、准确地提取振动信号的瞬时频率曲线,避免因时频聚集性较差以及交叉项的干扰带来的问题。采用该方法对高速综合检测列车轴箱加速度数据进行时频分析,提取钢轨短波不平顺的瞬时频率,根据其变化特性精确定位钢轨疑似波磨和打磨痕迹区段。结果表明:轴箱加速度波形均呈现周期性;分析区段的振动数据中包含150和75mm 2种波长呈现倍数关系的强振动数据,现场测试发现该处存在较强的钢轨波磨现象,波磨波长为150mm,同时现场还存在波长为75mm的钢轨周期性打磨痕迹;75mm的钢轨周期性打磨痕迹引起轮轨系统的非线性振动,振动频率达到1 125Hz,与扣件固有频率562Hz呈倍频关系,导致扣件产生强烈的共振,从而引发轮-轨接触共振,造成钢轨表面产生塑性变形,形成塑流性波磨,在列车的反复作用下,该处产生150mm波长的波磨。     

基于激光摄像技术的钢轨波磨检测方法研究

目前常用的钢轨波磨检测方法有弦测法和惯性基准法,弦测法传递函数不恒定,惯性基准法受车速影响大。针对钢轨波磨检测方法的缺点,提出了一种基于激光摄像技术的波磨检测方法,通过多传感器并行工作对钢轨轮廓进行高频率采样,通过FPGA(现场可编程门阵列)对传感器获得的光条图像进行ROI(Region Of Interest)提取,将图像的ROI传送至上位机提取轮廓数据,进而完成钢轨的波磨信息提取。论证了通过多传感器并行工作提高钢轨轮廓的采样频率的可行性,在Xilinx SP605开发板上实现了光条图像ROI的实时提取。试验表明,ROI提取能够有效减小通信的数据量。     

时频分布在FSK信号解调中的应用研究

时频分布作为现代信号处理研究的热点，它能同时描述信号在频率域和时间域内变化。移频轨道电路信号是一种相位连续的移频键控（FSK）信号，它的载频和低频信息通过FFT可以很容易的检测出来，但上下边频的高精度检测，一直是比较棘手的问题。本文提出了一种基于时频分布的FSK信号的解调方法，这种方法可以克服单一时域或频域FSK信号解调时的缺点，实现对FSK信号的上下边频的可靠、高精度的解调。文中对FSK信号的WVD、PWVD和SPWVD结果作了比较，选择了基于SPWVD来估计FSK信号的上下边频，并给出了具体的算法步骤。计算机仿真表明，采用SPWVD可准确地解调出移频信号的上下边频，与FFT相结合，可实现移频信号的完整解调。这为研制高精度的FSK信号检测仪器奠定了理论基础。     

钢轨波磨测量及评价标准的制定

钢轨波磨的产生机理复杂、治理困难,是引起列车运行时产生啸叫、轮轨在固有频率范围内产生接触共振的主要原因,带来轨道及车辆部件过快伤损,环境振动与噪声超标等问题。而针对钢轨波磨的准确测量及评价,是研究钢轨波磨问题的基础,也是制定合理的钢轨波磨维修养护策略的重要前提。通过对国际上有关钢轨波磨的测量及评价标准进行论述,对标准中的各种规定及指标进行比较分析,为制定适用于我国城市轨道交通的钢轨波磨及评价指标提供参考。     

基于弦测法与密度聚类的三维结构光波磨检测

为解决钢轨波磨人工检测费时费力及惯性法检测精度较低的问题,综合利用三维结构光技术、弦测法和密度聚类算法进行波磨检测。首先获取钢轨点云,通过纵向平面遍历轨头点云得到钢轨的纵向截面簇,其次利用弦测法计算相应纵向截面的谷深和波长。最后利用钢轨发生波磨时产生的接触斑,对遍历计算的谷深和波长分别进行密度聚类,将相同或相似接触斑的波磨信息聚类成簇,对聚类后各簇的结果进行统计分析得到相应钢轨的波磨信息。本方法结合三维结构光数据量大、弦测法计算直接明确的优点,通过密度聚类将不同深度、大小的波磨接触斑进行区别,有效地将钢轨波磨不同谷深及波长成分进行分类计算。实验室样件试验及现场试验表明,本方法能够实现对钢轨波磨的精确检测。     

地铁曲线钢轨波浪型磨耗的测量分析

研究了钢轨波浪型磨耗(简为"波磨")的测量方法.根据该方法研制了测量仪器.应用测量仪器对某地铁曲线钢轨波磨进行了测量及分析.钢轨波磨属于短波型波磨,出现在半径小于500m的曲线内轨轨顶,也出现在道岔曲线的内轨上.该测量结果为进一步的钢轨波磨成因研究提供了关键信息.     

城市轨道交通钢轨异常波磨的特点及治理对策

通过大量的现场调查、测试、试验以及理论分析,揭示北京地铁新线异常波磨的产生机理,发现钢轨异常波磨的主要成因,有针对性地提出已运营线钢轨异常波磨的整治原则,提出防止地铁钢轨异常波磨的综合减振技术原则。通过对课题研究成果的总结,从城市轨道交通建设管理的角度,提出防止钢轨异常波磨发生和发展的原则及建议,为保障运营安全、最大限度地降低养护维修成本提供有力的技术支持。     

地铁短枕式整体道床地段钢轨波磨特征及动力影响

针对地铁运营中存在的钢轨波磨问题,对短枕式整体道床地段开展钢轨波磨特征和动态响应测试,分析钢轨波磨产生原因和影响,并建立车辆-轨道耦合动力学模型,分析了不同钢轨波磨参数对车辆动力响应的影响.研究表明:钢轨波磨在小半径曲线段更为严重,外侧钢轨波磨相对内侧存在滞后现象,主波长在30～63 mm;短枕式整体道床在400 Hz...