基于张量分解的地铁车轮健康指数构建

作     者：胡志强 楚柏青 赵媛媛 寇淋淋 HU Zhiqiang;CHU Baiqing;ZHAO Yuanyuan;KOU Linlin

作者机构：北京市地铁运营有限公司北京100044 

出 版 物：《现代城市轨道交通》 (Modern Urban Transit)

年 卷 期：2024年第1期

页      面：25-32页

学科分类：08[工学] 082304[工学-载运工具运用工程] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：国家重点研发计划(2020YFB1600700)——超大城市轨道交通系统高效运输与安全服务关键技术 

主　　题：地铁 轮对 健康指数 张量分解 深度自编码 

摘      要：地铁在运行过程中,车轮踏面、轮缘与轨道持续磨损会导致车轮性能退化。对车轮退化过程中的不同状态进行识别和评估是车辆故障预测与健康管理的关键环节。近年来,基于振动信号和机器学习的地铁车轮退化状态智能识别技术在降低人工依赖、优化镟修策略方面作用显著。但由于在实际运行过程中,地铁轮对通常受载荷、路况等因素影响,振动信号易受强噪声干扰,导致退化趋势不显著,难以直接识别其状态变化。为解决这一问题,文章提出一种基于张量重构的健康指标构建方法。该方法首先基于张量分解可有效挖掘信号高维本质信息的优点,利用张量Tucker分解获得原始信号的核心张量;其次,采用张量重构和Savitzky-Golay滤波方法对信号进行降噪处理;最后,在此基础上,利用深度自动编码器网络提取深度退化特征,建立车轮退化过程的健康指标。依托北京地铁某线路实际运行的车轮振动信号数据所进行的实验结果表明,采用该方法构建的健康指标具有良好的趋势性和单调性,能够准确描述轮对整个退化过程,所得到的异常预警位置与轮径值磨损变化和实际镟修记录准确对应。该方法的提出为地铁轮对健康管理提供一种智能化的解决方案,具有良好的实用价值。