高速列车转向架监测数据的混沌特征分析

作     者：石国良 

作者单位：西南交通大学 

学位级别：硕士

导师姓名：金炜东

授予年度：2015年

学科分类：07[理学] 082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 070201[理学-理论物理] 0802[工学-机械工程] 0823[工学-交通运输工程] 0702[理学-物理学] 

主      题：转向架 集合经验模态分解 柯尔莫哥罗夫熵 混沌运动 状态识别 

摘      要：我国高速铁路发展迅速,在技术上取得了一系列成果,动车速度不断得到提高。速度提高的同时对列车技术要求更为苛刻,同时安全稳定运行风险会相应增大。列车是一种持续运转且复杂的高科技系统,列车的某些关键部件,尤其是转向架关键部件的性能蜕化和故障会对列车造成重大安全隐患甚至事故。对列车车体和转向架进行信号监测,从监测信号中挖掘出列车运行状态,并进行关键部件的性能估计,对列车安全稳定运行意义重大并且具有较高的工程应用价值。本文主要完成了以下研究：1、研究了关联维数,Lyapunov指数、Kolmogorov熵等3种混沌特征量在转向架故障诊断中的含义和适用性,利用最大Lyapunov指数特征对不同个数的横向减振器失效、单个抗蛇行减振器失效、关键部件的性能参数蜕化等类型的故障进行了分析和总结,实验结果证明了高速列车转向架故障系统具有混沌性,以及三种特征对该系统故障诊断中的有效性。2、论文建立了‘ EEMD分解-混沌特征提取-SVM分类的故障诊断体系。在EEMD分解后得到的若干IMF分量的基础上,以相关系数值的大小为依据,保留有效的IMF分量,然后对IMF分量进行包括关联维数、柯尔莫哥罗夫熵、李雅普诺夫(Lyapunov)指数等混沌特征量的特征提取。基于此方法,仿真实验分析了列车转向架不同个数横向减振器故障、不同位置的单个横向减振器故障以及不同位置的单个抗蛇行减振器故障等工况。实验通过支持向量机(SVM)对IMF混沌特征量组成的特征向量进行识别分类,实验结果证明了该方法的有效性。3、针对高速列车关键部位的性能参数蜕化的问题,建立了‘ EEMD分解-混沌特征提取-SVM的故障诊断模式。将关联维数、柯尔莫哥罗夫熵、李雅普诺夫(Lyapunov)指数等混沌特征与EEMD分解等方法相结合,仿真分析了横向减振器、抗蛇行减振器和空气弹簧阻尼参数渐变工况。将该方法对比EEMD熵特征,仿真实验结果证明了本文方法的有效性,对列车运行安全性态评估具有一定的理论参考价值。本文工作得到国家自然科学基金重点项目《基于监测数据的高速列车安全性态评估关键技术问题的研究》(No.61134002)的资助