高速列车振动监测数据的广义维数特征提取

为监测高速列车的运行状态,采用多重分形分析列车振动监测数据,提取一种基于多重分形理论的广义维数谱参数(谱最大值Dmax、谱最大值与最小值之差△D和谱均值-D),以3种广义维数谱参数作为特征量,实现对列车正常状态、空气弹簧失效、抗蛇行减振器失效和横向减振器失效状态的表征.实验结果表明,Dmax、△D和-D均能够表征高速列车的运行状态且具有一定稳定性,为高速列车运行状态的识别提供了一种有效的方法.     

基于EEMD的高速列车转向架故障诊断

高速列车的转向架机械故障会引起转向架和车体振动信号的变化,严重影响高速列车运行的安全性和舒适度。为此,提出一种基于聚合经验模态分解的高速列车转向架故障诊断方法。针对转向架空气弹簧失气、抗蛇形减振器失效、横向减振器失效和原车4种工况进行仿真实验,得到列车不同位置的振动信号。信号经聚合经验模态分解得到一系列固有模态函数,分别提取能量矩特征,反映不同尺度上能量随时间的分布规律。将第2阶～第6阶经验模态能量矩构成的5维特征矢量作为支持向量机分类器的输入,在列车行驶200km/h的速度下进行转向架故障识别,结果表明,该方法的识别正确率可达到95％以上。     

多重分形的振动信号故障特征提取方法研究*

针对非线性振动信号故障特征提取困难的问题,提出一种广义维数均值(MeanDq)联合多重分形谱参数(^a和^f)的特征提取方法。首先分析了振动信号的多重分形特性,然后计算出MeanDq、^a和^f作为故障特征量,并将其应用于滚动轴承故障状态的检测。研究表明：MeanDq、^a和^f能够有效的反映滚动轴承振动信号的状态,并且特征量MeanDq和^a较^f具有更好的灵敏度。实践证明该方法在实际应用中切实可行。     

SDE网络在高速列车转向架未知故障诊断中的应用

转向架作为高速列车车体与轨道的连接部位,承载着保证列车在轨道上安全运行的重任。然而,在列车长期服役过程中,轨道不平顺以及轮轨磨耗等原因会造成转向架部件故障,严重影响列车的安全运行。实际运行过程中故障的发生具有随机性,无法将转向架故障诊断简单归类于已知组别分类问题。针对深度学习无法辨别未知故障的缺陷,在卷积神经网络(CNN)中引入随机微分方程(SDE)对转向架已知以及未知故障进行判别。实验证明,随机微分方程网络(SDE-net)不仅能高效分辨出已知故障,还能有效判别出未知故障,且准确率都超过93%。与此同时,通过与一维CNN网络比较体现该方法的优越性。     

高速列车转向架故障信号的小波熵特征分析

为了对转向架关键部件进行及时的性能检测和故障诊断, 实验选用高速列车转向架典型故障振动信号, 先进行小波分解, 在各个子频带上提取小波熵特征, 用于反映振动信号在各尺度上的复杂程度。在多个小波熵特征张成的高维特征空间中对四种转向架典型故障工况进行支持向量机分类识别, 实验结果表明识别率随运行速度逐步提高, 在速度达到200 km/h时得到了90%以上的识别率, 验证了小波熵特征对于高速列车故障信号分析的有效性。     

基于多重分形和小波变换的声目标信号特征提取

研究了基于关联积分的广义维数谱的定量计算方法,提出了声目标信号的多重分形特征,并对其特征即广义维数谱的有效性进行了分析;同时利用小波变换分析既能反映信号在变换域特性又保留其时域信息的特点,提出基于小波变换的子空间能量及主要能量集中子空间时域信息的特征提取方法,并通过模糊神经网络识别系统对声目标信号的广义维数谱、子空间能量及时域信息的组合特征进行了验证.     

一种加权的多重分形特征提取算法

为解决多重分形维数不能够很好地反映图像强度信息和对图像尺度有强依赖的问题,在研究q 阶广义维数D（q）基础上,提出两种改进方法。通过分析影响生长概率的因子,提出一种结合强度信息的加权子数计算方法,提出一种基于网格强度与均值的二维分形维数计算方法。实验表明改进的多重分形算法提了特征区分度,计算特征更加鲁棒和有效,将改进方法用于血细胞识别系统,改善了白细胞分类准确性。     

高速列车转向架故障信号的聚合经验模态分解和 模糊熵特征分析

为了对高速列车转向架关键部件进行状态监测,利用转向架故障振动信号的特点,提出了一种结合聚合经验模态分解和模糊熵的特征提取方法.对故障信号进行聚合经验模态分解,得到一系列具有不同物理意义的简单成分信号,采用相关分析法选取最能反映原信号特征的本征模态函数.对这些本征模态函数和原信号分别计算模糊熵值构成多尺度复杂性度量的特征向量,输入最小二乘支持向量机中进行分类识别,与模糊熵特征相比得到了更好的识别效果,证明了算法的有效性.     

基于多重分形与SVM的异步电动机轴承故障诊断

针对异步电动机轴承的故障诊断问题,提出一种基于多重分形与支持向量机(SVM,support vector machine)相结合的故障诊断方法.根据轴承振动信号的非线性、非平稳特性,利用多重分形方法对信号进行分析.计算广义维数、极大值、谱宽度、偏斜度等参数,将其作为故障特征向量输入SVM中.利用凯斯西储大学的实验数据对诊断方法进行验证,将获得的多重分形参数输入二叉树SVM完成故障的模式识别.结果表明多重分形与二叉树SVM相结合的诊断方法可行性好,诊断精度高.     

高速列车转向架的主动稳定性研究

提出了基于构架横向振动的高速列车稳定性主动控制方法,讨论了采用惯性作动器控制构架横向振动,以及对动力转向架驱动系统采用主动弹性悬挂这两种实施方式.以车辆蛇行稳定性指标和控制力作为两个目标函数,利用遗传算法(NSGA-II)来优化控制参数和驱动系统悬挂参数.研究表明构架横向振动控制可以有效地提高转向架蛇行稳定性.同时发现当直接反馈构架状态实现构架振动控制时,控制系统时滞易导致系统失稳,因此提出一种通过反馈附加振子状态的方法来减小时滞的影响,合理的附加振子悬挂参数有利于提高车辆系统稳定性.较硬的附加振子可提高转向架控制系统的蛇行临界速度裕度,但会导致控制系统在一定的时滞内出现不稳定的现象.因此,在优化附加振子悬挂参数时,必须同时兼顾转向架蛇行稳定性和控制系统稳定性.本文对于涉及的350 km/h高速列车转向架,得出了附加振子的最佳固有频率和阻尼比.     

基于FPGA的滚动轴承故障诊断算法应用研究

随着科技的进步,机械设备逐渐朝着精密化的方向发展,如果维护不及时设备就有可能会出现机械故障而没有被察觉(特别是早期故障),严重时会造成经济损失,因此设备运转过程中最好对其进行实时监控。采用FPGA作为处理器,运用相关算法实现故障诊断具有明显的速度优势。主要围绕滚动轴承的故障诊断算法实现展开研究。重点研究了小波变换、希尔伯特变换和FFT变换的FPGA实现方法,并且用实验与轴承故障数据验证了该算法的可靠性。     

高速列车牵引整流器多类故障联合诊断方法

提出了一种高速列车牵引整流器多类故障联合诊断方法. 首先, 基于三电平牵引整流器开路故障分析, 建立整流器所有功率器件开路故障以及正常运行的状态空间模型并构建相应状态观测器. 然后, 基于正常状态观测器进行故障检测, 检测到故障后, 基于故障观测器区分功率器件开路故障和网侧电流传感器故障, 进而诊断出功率器件开路故障位置和网侧电流传感器故障类型. 实时仿真结果验证了本文方法的正确性和有效性.     

流线型结构特征造型方法及其在高速列车设计中的应用

提出了一种基于自由曲面的流线型结构特征造型方法,并将其应用于200km／h电动车组“先锋号”的流线型结构设计之中,流线型结构特征所描述的实体模型对自由曲面外形的变化具有自适应性,该方法便于流线型结构数据存取和修改,可在自由曲面外形和流线型结构各种参数多次修改的情况下自动生成流线型结构实体;大幅度地减少了人机交互时间,解决了高速列车流线型结构实体造型过程中设计周期过长的问题。     

基于信息融合的模拟电路故障的特征提取与融合方法

在模拟电路故障诊断中,故障特征的提取是一个非常重要的环节,其提取结果的好坏将直接影响最终的诊断正确率;对现有文献研究发现,每种特征提取方法单独使用时都有一定的局限性,为了能够更加充分地提取模拟电路故障特征,提出了小波包分析与主元分析并行应用的方法,并将两种方法提取的特征向量依据不同规则进行了三种类型的融合,方便对比实验;为获取最优小波特征,提出了特征偏离度,并以此为标准选择最优小波基;最后,通过设计一种改进的神经网络分类器模型,将融合后的三种特征向量送入其中进行仿真验证,得出最终诊断结果;结果表明,该方法能够有效克服单一特征提取方法提取不充分的缺点,提高故障诊断的正确率,并且融合因子μ适中时诊断正确率最高。     

PCA特征抽取与SVM多类分类在传感器故障诊断中的应用

为了提高传感器故障诊断的准确率,提出了基于主元分析(PCA)特征抽取和支持向量机(SVM)多类分类的故障诊断方法.该方法通过对传感器输出信号进行小波包分解产生原始特征数据,然后采用PCA特征抽取得到二次特征向量,增强传感器各个状态模式的可分性.二次特征输入到二叉树SVM多类分类算法设计的分类器实现传感器故障诊断.仿真实验结果表明,这种结合了PCA特征抽取和SVM分类的诊断方法准确率高,其诊断效果优于直接采用原始特征进行分类的情况.     

高速磁浮列车制动控制器综合试验台研制

针对高速磁浮列车制动控制器研制、试验、生产等环节的测试与故障诊断需求,采用PXI总线以及自动测试程序集(TPS)技术,设计研发了可移动式综合试验台。通过模拟各种故障以及异常工作状况,验证了控制器的故障处理、出厂检测、检修维护能力。试验表明,该试验台具有小型化、模块化、高精度的可移动便携性优点,可实现制动系统的单机测试。     

浅析高速列车研制企业对工业设计的投入问题

工业设计在高速列车设计过程中起着重要的作用,研制企业应该充分重视车辆的工业设计,需要对其进行长期而有效的投入。文章首先对高速列车研制企业对工业设计方面投入的必要性进行了阐述：然后对投入与设计要素的关系进行了辨析,提出企业应在设计团队建设、设计设施和设备、研究项目及预研究三个主要方面进行投入;最后倡议高速列车研制企业应与工业设计强校进行合作,形成校企优势互补的协同设计模式。     

基于小波变换的泄露故障特征提取研究

为研究液压系统管路泄漏对压力脉动信号的影响,提出利用改进的小波消噪算法和小波包对压力脉动信号进行消噪和特征提取;针对传统小波变换阈值函数在去噪处理中存在的恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法,将该方法与平移不变量方法相结合,避免了传统小波变换去噪时在不连续点存在的Pseudo-Gibbs现象;通过利用改进小波消噪方法和小波包对FESTO试验系统采集的正常和故障压力脉动信号进行分析比较,研究结果表明,不同工况下压力脉动信号3个主要能量频带的分布特性,可以作为泄露检测和识别的故障特征。     

红外目标特征分析及融合特征提取

针对复杂背景下的红外弱小目标的特征提取问题,提出了一种实用的红外目标的特征量提取算法.算法依据红外目标的辐射特性与背景之间的相关关系,得到目标的灰度和梯度特征量,通过融合处理,得到加权归一化的融合特征矢量.实验证明,这一融合特征矢量具有良好的稳定性和鲁棒性,同时该特征矢量计算量小,有利于工程实现.