高速列車輪對踏面擦傷軌上感知算法研究.pdf

1、隨著列車運行速度和軸重增加，車輪踏面擦傷現(xiàn)象不斷加劇。一旦車輪踏面出現(xiàn)擦傷，輪軌系統(tǒng)間的沖擊力會高于正常情況下的幾十倍甚至上百倍，嚴重威脅到高速列車的運行安全，因此能夠及時檢測出車輪踏面擦傷及其擦傷程度對保證列車運行安全和合理制定維修計劃具有重要意義。
　　論文首先建立了已考慮軌道不平順和車輪擦傷的車輛-軌道垂向耦合模型，利用基于Newmark的多步預測-校正法求解了在車輪擦傷作用下的鋼軌振動響應。在此基礎(chǔ)上，分析了不同軌道不平順

2、、不同列車運行速度、不同擦傷深度下鋼軌振動特性，同時為后續(xù)特征提取提供了仿真數(shù)據(jù)。
　　為了能夠有效識別車輪擦傷及其擦傷程度，論文提出了基于粒子群優(yōu)化算法改進支持向量機(PSO-SVM)的模式識別算法。在模式識別算法中，特征提取直接影響識別準確率，論文提出了一種利用高階譜結(jié)合灰度-梯度共生矩陣對鋼軌振動響應進行特征提取的算法。利用高階譜方法對鋼軌振動信號進行處理得到其二維等高線圖和三維雙譜圖，通過灰度-梯度共生矩陣提取二維等高線圖

3、的6個紋理特征，結(jié)合車速作為識別車輪擦傷的特征參數(shù)。同時為了提高識別車輪擦傷等級的準確率，在上述特征參數(shù)的基礎(chǔ)上，又提取了二維等高線圖的內(nèi)擴對角頻率和三維雙譜圖的對角切片峰值。
　　為了驗證高階譜方法的有效性，同時分析了Hilbert-Huang變換、EMD分解和小波包變換對鋼軌振動響應的特征提取。仿真結(jié)果表明，論文提出的高階譜結(jié)合灰度-梯度共生矩陣算法能夠100％識別車輪擦傷，同時在識別車輪擦傷等級方面的準確率為95.89％，優(yōu)

4、于Hilbert-Huang變換、EMD分解和小波包變換。
　　為了驗證高階譜方法的魯棒性，論文分析了該算法在不同軌道不平順下、不同車輪缺陷下對車輪擦傷的識別能力。仿真結(jié)果表明:軌道不平順大小不會影響車輪擦傷的識別，但會影響車輪擦傷等級的識別，且隨著軌道不平順的增大，識別準確率會有所下降。同時，該算法能將車輪擦傷與車輪其它缺陷完全區(qū)分開。論文研究結(jié)果實現(xiàn)了根據(jù)列車運行經(jīng)過時的鋼軌振動響應估計車輪踏面擦傷及其擦傷程度，為實現(xiàn)地對車的