基于SIMPACK仿真分析的高速列车蛇行失稳识别方法

高速列车的横向运动稳定性不仅会影响列车的运行品质,还影响车辆的运行安全。现有的高速列车失稳在线监测方法大多是对高速列车大幅蛇行失稳状态进行识别,然而高速列车的小幅蛇行失稳状态很难被准确有效地识别出来。为此,提出了一种基于信号分析的蛇行失稳识别方法,不但可以识别出大幅蛇行失稳,而且可以识别出小幅蛇行失稳。首先通过SIMPACK软件建立高速列车动力学仿真模型,再现高速列车运行过程中出现的稳定、小幅蛇行失稳和大幅蛇行失稳状态;再对仿真结果的构架横向加速度进行分析,利用信号的周期性差异,计算其自相关系数并设定阈值,以此来识别小幅蛇行失稳状态和大幅蛇行失稳状态;最后通过实验数据验证了所提出的监测方法的有效性。     

轨道不平顺对高速列车小幅蛇行运动的影响

高速列车小幅蛇行运动存在2种演变形式,即小幅收敛或小幅发散,为分析小幅蛇行运动的演变趋势,从轨道不平顺角度出发探究其对小幅蛇行运动的影响。首先选取了德国轨道低干扰谱,分析了德国轨道低干扰谱中的4种轨道不平顺类型的功率谱密度,模拟得到了4种时域谱,借助于SIMPACK软件建立了国内某高速列车动力学计算模型,对不同轨道不平顺类型进行了仿真分析。研究结果表明:在小幅蛇行发散临界速度之前,系统所出现的小幅蛇行运动都会收敛,超过临界速度,小幅蛇行发散至形成不同振幅的稳定极限环。不同轨道不平顺激扰类型,小幅蛇行发散的临界速度不同,但均低于车辆系统的蛇行失稳临界速度。     

基于EEMD排列熵的高速列车转向架故障特征分析

高速列车转向架关键部件发生机械故障会体现在车体和转向架的振动信号中,为了从监测数据中提取非线性特征参数用于转向架故障状态的反演识别,提出基于聚合经验模态分解排列熵的特征分析方法。首先,对振动信号进行聚合经验模态分解,得到一系列窄带本征模态函数;然后,对原信号和本征模态函数分别计算排列熵值,组成多尺度的复杂性度量特征向量;最后,将高维特征向量输入最小二乘支持向量机分类识别出转向架的工作状态。仿真实验结果表明,该方法在运行速度为200km/h时,多个通道达到95%以上的识别率,验证了通过聚合经验模态分解排列熵对高速列车转向架机械故障诊断的可行性。     

高速列车主动抗蛇行减振器的模型预测控制

为提升高速列车的线路运行适应性,设计基于抗蛇行减振器的模型预测控制(MPC)方法,实现基于减振器阻尼值实时调节的车辆蛇行运动稳定性控制。建立考虑线性轮轨接触关系的整车横向7自由度简化动力学模型;减振器考虑为理想Maxwell模型,但阻尼系数实时可调;基于模型预测控制理论设计主动抗蛇行减振器,建立目标函数及约束条件,求解最优阻尼系数;仿真分析主动控制条件的蛇行运动稳定性和运行平稳性以及目标函数对控制效果的影响。结果表明：与被动悬挂相比,采用MPC主动抗蛇行减振器能够有效抑制车辆的蛇行运动,使车辆的临界速度提升30%以上。     

基于LS-SVM的汽轮机叶片高速铣削表面质量预测建模

针对汽轮机叶片高速铣削加工中存在的表面质量不易控制问题,借助最小二乘支持向量机原理,建立了被加工不锈钢叶片表面的粗糙度预测模型。实验结果表明,该模型能方便地预测切削速度、主轴转速、进给量、铣削宽度等铣削参数对铣削加工工件表面粗糙度的影响,并能利用有限的实验数据得出整个工作范围内的表面粗糙度预测值,模型适合于表面粗糙度预测,回归预测精度高。     

基于最小二乘支持向量机滚动轴承故障诊断

根据滚动轴承故障时振动信号特点,提出了一种基于小波包变换和最小二乘支持向量机(LS-SVM)相结合的滚动轴承故障诊断方法.通过对滚动轴承振动信号进行小波包分解,得到各分解节点对应频率段的重构信号以及各节点的能量,并将各节点能量组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别,然后在滚动轴承故障试验台上实测振动数据.分析结果表明,该方法具有较高的分类速度和较好的故障诊断正确率.     

基于支持向量机的异步电机故障诊断系统

电机故障将造成巨大的经济损失,甚至于人身安全.一个准确的故障诊断系统能够最大程度地降低风险,有利于生产、生活的正常进行.阐述了支持向量机(SVM)及最小二乘支持向量机(LS-SVM)算法的原理,研究了基于LS-SVM的异步电动机故障诊断,比较了正常状况与3类故障的不同,并对3类故障进行了自动分类,测试了分类结果.实验表明,基于SVM的异步电机故障诊断可靠性好,实用性强,验证了SVM的优越性.     

高速列车抗蛇行减振器动态模型及特性研究

针对高速列车油液单向流动式抗蛇行减振器,考虑其节点和油液刚度、活塞质量、流量泄漏等问题,采用静态试验获得阻尼阀卸荷特性,根据油液的压力流量方程建立减振器非线性动态模型,通过数值仿真和试验比较了减振器在不同激扰幅值和频率下的阻尼力、动态刚度和动态阻尼,误差均在5%以内;研究了减振器静态阻尼力-速度曲线与动态刚度、动态阻尼之间的关系。实验结果表明：减振器静态阻尼曲线在卸荷点之前的非线性对动态参数影响显著,激励幅值越小影响越大;保持卸荷点前后阻尼不变,增大卸荷速度能提高大激扰幅值和高激扰频率下的动态刚度和动态阻尼;固定卸荷速度、增大卸荷力,动态刚度和动态阻尼均增大。     

基于熵特征的高速列车故障诊断方法

高速列车运行状态正常与否对列车系统的安全性和舒适度有重要影响,为分析高速列车运行状态,根据高速列车振动加速度信号的特点,提出了分割能量熵和奇异熵的故障诊断方法。首先,分析列车振动信号随速度变化的特点,对不同速度下的信号进行不同频率范围的分析;其次,对分析范围内信号分割成N个区间,计算分割能量熵和奇异熵,将分割能量熵特征和奇异熵组成特征向量;最后,利用支持向量机进行故障分类识别。实验数据仿真分析结果表明,车体中、后部横向加速度信号特征对四种典型工况在不同速度下分类识别率均较高,达到95%以上,说明该方法能有效识别出高速列车故障状态。     

2Cr13不锈钢高速铣削表面粗糙度预测模型研究

针对汽轮机叶片常用钢2Cr13不锈钢在切削加工中表面质量存在的问题,对高速铣削条件下2Cr13不锈钢表面粗糙度预测模型进行了研究。将最小二乘支持向量机原理应用到高速铣削2Cr13不锈钢的表面粗糙度预测建模中。得出的模型能方便地预测铣削参数对表面粗糙度的影响,并能利用有限的试验数据得出整个工作范围内的表面粗糙度预测值。经试验验证,应用最小二乘支持向量机原理建立的粗糙度预测模型回归预测精度高。基于最小二乘支持向量机原理建模方法适合于表面粗糙度预测。     

基于最小二乘支持向量机的小样本威布尔可靠性分析

在图估法的基础上,提出了基于最小二乘支持向量机的威布尔可靠性分析方法,在MATLAB平台上绘制了威布尔概率纸,通过程序化的方式分析估计威布尔概率参数;进行了可靠性寿命分析,并对比分析了基于最小二乘支持向量机、支持向量机和最小二乘法威布尔可靠性分析的效果。实例分析结果显示,在威布尔可靠性分析中,最小二乘支持向量机的拟合精度不仅优于传统的最小二乘法的拟合精度,而且优于支持向量机的拟合精度,表明该方法可以提高可靠性分析效率和精度,可作为威布尔可靠性分析的一种新方法,特别适用于小样本的情况。     

基于LS-SVM的传感器阵列多维信号智能提取方法研究

传感器阵列可同时对多个信号进行测量,而对多个输入信号进行解耦和并行提取是其关键。提出一种基于最小二乘支持向量机(LS-SVM)的传感器阵列输入信号逆向提取智能方法,该方法基于结构风险最小化,能够逼近任意复杂的非线性关系且泛化能力强。仿真试验表明,该方法具有拟合精度高、运算速度快、容易实现等优点,适用于对传感器阵列多个输入信号进行解耦和并行提取。     

基于谐波小波包和BSA优化LS-SVM的铣刀磨损状态识别研究

针对铣削刀具磨损状态识别问题,提出谐波小波包和最小二乘支持向量机（LS-SVM）的状态识别方法。为克服传统小波包分解的频带交叠问题,采用谐波小波包提取不同磨损状态下铣削力信号的各频段信号能量,归一化处理后,输入LS-SVM多类分类器,实现铣削刀具磨损状态的识别。针对LS-SVM的惩罚因子和核参数对模型识别精度影响较大的问题,提出回溯搜索算法（BSA）进行自动参数寻优。实验结果表明,谐波小波包比小波包在刀具磨损状态特征提取时具有更好的识别效果。与粒子群算法进行比较,证明BSA优化LS-SVM具有更高的识别精度。     

LS-SVM在基于小波变换的模态分析中端部效应的应用

系统地阐述了运用改进的Morlet小波进行模态参数识别的方法。运用小波熵对小波参数进行了优化选择从而可以进行密频模态的识别,针对小波分析时产生的端部效应问题,提出了运用最小二乘支持向量机（LS-SVM）对小波骨架进行预测延拓的方法,经预测分析后可获取较准确的模态参数。通过仿真及实验信号的验证分析,表明基于LS-SVM方法可以有效地消除端部效应,且其准确效果优于基于RBF的神经网络和时变自回归的预测方法。     

基于支持向量机的点云曲面刀具路径规划

针对单值散乱点云曲面刀具路径规划问题,提出了一种基于最小二乘支持向量机的计算方法。在计算过程中,将点云数据向平面投影,得到二维点集。应用网格划分和边界网格内测量点高斯映射技术,提取平面区域内的边界特征点。用边界特征点定义点云曲面的实际加工区域,在此区域内规划平行等间距刀具路径。应用最小二乘支持向量机拟合点云数据,求得被加工曲面的连续表达模型,经此模型将二维刀具路径数据向三维空间映射,求出刀触点数据。将刀触点经法向偏置计算,求得刀位点。实例验证证明,该方法能较好地解决信息不完备散乱点云曲面刀具路径生成问题。      

基于支持向量机的产品编号识别

为了提高仓库管理系统的性能,将支持向量机用于产品编号的模式识别。采用基于投影法的图像处理算法提取编号数字;对倾斜的数字进行矫正,并对提取的数字进行归一化;构造支持向量机分类器对归一化的数字进行识别;通过对一组数字样本的测试,分析了支持向量机参数与分类器的识别率的关系。测试结果表明,支持向量机分类器可以在小样本的情况下获得较高的识别率。     

一种基于LS-SVM与PID复合的逆控制系统

针对逆系统中非线性逆模型辨识困难的问题,研究了基于最小二乘支持向量机(LS-SVM)的逆模型辨识及控制,并用微粒子群算法(PSO)优化LS-SVM的参数和核函数参数。提出了一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,该复合控制系统具有比基于最近邻聚类的RBF神经网络逆控制系统更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。     

基于净负荷预测的独立微电网协调控制策略

针对主从式控制结构的独立微电网中可再生能源发电及负荷随机波动的问题,提出了一种基于净负荷超短期预测的微电源协调控制策略,以保障独立微电网的稳定运行.介绍了独立微电网的结构,阐述了净负荷的概念.通过在线采集功率数据,运用最小二乘支持向量机（LS-SVM）方法分别对微电网内负荷及可再生能源出力进行了滚动预测,实现了对净负荷的超短期预测.在预测结果的基础上,主动修正了可控电源日前出力计划,提前响应系统净负荷变化,减轻主电源的调节压力,提高了独立微电网系统的可靠性.算例结果证明了该预测方法的精度,并验证了该控制策略的有效性.     

基于人工蜂群支持向量机的电动汽车制动意图识别方法

在电动汽车再生制动系统中,根据驾驶员不同的制动意图制定对应的再生制动控制策略可以有效地提高汽车的制动安全性、舒适性和经济性,而准确并快速识别驾驶员制动意图是制定控制策略的基础.以准确并快速识别驾驶员的制动意图为主要目标,以搭载线控制动系统的电动汽车为研究对象,设计并实现了一种基于人工蜂群支持向量机(ABC-SVM)的驾...