基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断

现有列车车轮失圆监测方法的准确性受车速及线路条件影响较大，为了更准确地监测车轮服役状态，文中提出基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断方法：车辆轴箱垂向振动加速度经数学形态学滤波器滤波降噪后，运用完全噪声辅助聚合经验模态分解（CEEMDAN）将其分解为一系列的固有模态函数（IMF），然后选取能量熵增量相对较大的几阶IMF分量进行Wigner-Ville分布（WVD）计算，从而叠加得到轴箱振动加速度的多尺度时频图，最后根据多尺度时频图的分布特征来诊断车轮状态。通过仿真分析和工程实例研究结果表明，运用该方法可有效地识别复杂工况下的车轮服役状态。