基于信息融合的高速列車轉(zhuǎn)向架故障診斷.pdf

1、高速列車的安全性態(tài)是列車服役性能監(jiān)測中的核心內(nèi)容。高速列車在長期服役過程中轉(zhuǎn)向架的關(guān)鍵部位發(fā)生故障，安裝在各個關(guān)鍵位置上的傳感器信號中包含著豐富的故障信息，采用合適的信息處理的方法對故障信息進行分析，可有效實現(xiàn)高速列車轉(zhuǎn)向架狀態(tài)反演和識別。針對高速列車轉(zhuǎn)向架最常出現(xiàn)8種位置的抗蛇行減振器故障、4種位置的橫向減振器故障、2種位置的空氣彈簧故障共15種工況的振動信號，構(gòu)建了一套完整有效的基于信息融合的高速列車轉(zhuǎn)向架故障診斷體系，能夠系統(tǒng)有效

2、地對轉(zhuǎn)向架振動信號實現(xiàn)故障類型的識別、故障定位。本文主要完成了以下研究:
　　1)仿真模型的構(gòu)成和仿真數(shù)據(jù)的生成。采用動力學(xué)仿真軟件SIMPACK，針對列車模型，設(shè)置不同的工況參數(shù)，生成各種類型、各種位置的仿真數(shù)據(jù)。
　　2)故障類型識別。研究了時域、頻域、時-頻域的4種信息熵特征對表征高速列車轉(zhuǎn)向架振動信號的含義及在故障識別中的適用性。結(jié)合信息融合理論，給出了4種雙通道融合的信息熵，有效地實現(xiàn)了原車、8種位置的抗蛇行減振器

3、故障、4種位置的橫向減振器故障和2種位置的空氣彈簧故障等15種工況的4種故障類型的識別。
　　3)故障定位。針對當(dāng)前高速列車轉(zhuǎn)向架故障診斷中依靠隨機抽取的狀態(tài)信息進行診斷所存在的不足，采用基于過程信息融合的信息(炯)特征提取方法處理不同位置的故障數(shù)據(jù)，給出基于過程信息融合的多測點信息(炯)特征提取-特征選擇-維數(shù)約簡-支持向量機模式識別的故障診斷模型。首先，針對同類型不同位置的故障信號，分別構(gòu)造了基于時域奇異譜熵的多測點信息(炯)

4、矩陣，分別構(gòu)成了高維特征矢量。仿真結(jié)果證明了基于過程信息融合的多測點信息(炯)特征提取方法的有效性。為了剔除高維信息(炯)特征中存在的冗余特征，本文結(jié)合了基于ReliefF、Fisher比率、馬氏距離的多準則排序融合的特征選擇方法和基于ISOMAP算法的流形學(xué)習(xí)降維方法，結(jié)果表明，該方法能夠有效降低特征維數(shù)，提高故障定位的正確率。
　　4)本文在高速列車轉(zhuǎn)向架故障診斷領(lǐng)域，構(gòu)建了一個基于信息融合的故障診斷系統(tǒng)，對振動信號有效實現(xiàn)了