基于CEEMD和特征融合的高速列車振動信號特征分析.pdf

1、高鐵在人們生活中扮演著非常重要的角色，這離不開高鐵技術(shù)的發(fā)展。但是該項技術(shù)是把“雙刃劍”，也可能會帶來一定的安全風險。因此，有必要對列車的安全性進行研究。由于采集到的高速列車振動信號具有非線性和非平穩(wěn)的特點，傳統(tǒng)的信號分析方法對于這類信號具有一定的局限性，而完備聚合經(jīng)驗?zāi)B(tài)分解(CEEMD)因其完備性和良好的自適應(yīng)性，非常適合對列車振動信號的處理。此外，往往單一特征由于具有模糊性和不確定性，達不到有效的識別目的。所以，需要找到有效的特征

2、提取方法來處理列車安全性態(tài)評估等方面的問題。本文基于CEEMD和特征融合實現(xiàn)對高速列車振動信號的特征分析。
　　本文主要研究內(nèi)容可概括如下：
　　(1)針對單一特征具有模糊性和不確定性的特點，結(jié)合完備聚合經(jīng)驗?zāi)B(tài)分解和信息熵測度，提出基于多特征融合的列車振動信號特征分析方法。首先，對振動信號進行分解，將復(fù)雜信號分解為一系列近似平穩(wěn)的簡單信號。通過相關(guān)系數(shù)的計算，選擇與原信號關(guān)聯(lián)比較大的信號分量。其次，對這些信號分別提取時域奇

3、異譜熵、頻域功率譜熵、時-頻域小波能譜熵，構(gòu)成融合特征向量。最后，利用最小二乘支持向量機構(gòu)建診斷模型進行工況識別。結(jié)果表明，該方法比利用單一特征進行工況識別效果好。
　　(2)鑒于高速列車振動信號由位于列車不同部位和不同方向的傳感器采集得到，不同傳感器采集的信息既有互補性又有冗余性，研究了基于ReliefF的高速列車多傳感器特征選擇方法。利用ReliefF算法將不同的傳感器特征按權(quán)重排序。根據(jù)排序結(jié)果實現(xiàn)對傳感器特征的篩選。結(jié)合復(fù)