基于白噪声统计特性与EEMD的高速列车故障诊断

基于白噪声统计特性与EEMD的高速列车故障诊断

ID:42779825

大小:263.58 KB

页数:6页

时间:2019-09-21

基于白噪声统计特性与EEMD的高速列车故障诊断_第1页
基于白噪声统计特性与EEMD的高速列车故障诊断_第2页
基于白噪声统计特性与EEMD的高速列车故障诊断_第3页
基于白噪声统计特性与EEMD的高速列车故障诊断_第4页
基于白噪声统计特性与EEMD的高速列车故障诊断_第5页
资源描述:

《基于白噪声统计特性与EEMD的高速列车故障诊断》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、文章编号;1000—3428(201)01—0(10文献标识码:A中图分类号:TP391FaultDiagnosisofHighSpeedTrainBasedontheStatisticalCharacteristicsofWhiteNoiseandEEMD(SchoolofElectricalEngineering,SouthwestJiaotongUniversity,Chengdu610031,China)[Abstract]Tomonitortheworkingconditionofkeycomponentsofhigh-speedtrain,afaultdiagnos

2、ismethodisproposedbycombinationofthecharacteristicsofwhitenoiseandensembleempiricalmodedecomposition(EEMD).Usingthefeaturethattheproductoftheenergydensityoftheintrinsicmodefunctions(IMF)thatdecomposedfromwhitenoiseusingEMDanditscorrespondingaveragedperiodisaconstant.Ade-noisingmethodispropos

3、edbasedonEMD・Thesignalafterde-noisingisdecomposedbyEEMD,thencalculatingthefuzzyentropyoftheIMFthathasthelargestcorrelationcoefficientswiththesignalafterde-noisingusingthecorrelationanalysis.Thealgorithmisappliedtothediagnosisofsevenkindsofworkingconditionsinthehigh-speedtrainatthespeedof2()(

4、)km/h,therecognitionrateis92.8%,alsothisalgorithmhasahigherrecognitionrateandstrongeranti-noiseperformancethantheexistingalgorithmbasedonwavelettransformde-noising.[Keywords]high-speedtrain;faultdiagnosis;statisticalcharacteristicsofwhitenoise;supportvectormachine;ensembleempiricalmodedecomp

5、osition1概述随着高速列车运行速度的不断提升,列车上各个走行部件的振动不断加剧。作为连接车体和轨道的重要机构,高速列车转向架机械性能的恶化将导致列车振动加剧、舒适度下降,甚至列车运行失稳,发生脱轨、翻车等严重安全事故川。目前,对高速列车转向架机械故障的研究大多以动力学理论为基础,建立列车运行的动力学模型,并通过改变模型中的参数来模拟列车转向架机械部件的牲能恶化和失效状态,进而对车辆的运行状态进行评估“】。安装在列车关键部位的传感器获得的信号中包含了反映列车运行状态的丰富信息,因此,开展基于监测数据的高速列车转向架故障诊断具有非常重要的现实意义。高速列车转向架发生机械故障时

6、,振动信号往往呈现出典型的非线性、非平稳的特性,因此以傅里叶变换为代表的传统时频分析方法往往不能很好地对这类信号进行分析⑴。聚合经验模态分解(ensembleempiricalmodedecomposition,EEMD)是在经验模态分解(empiricalmodedecomposition,EMD)的基础上改进而来的,通过向信号中加入随机白噪声来平滑脉冲信号、奇异点等异常事件,并利用白噪声均匀分布的特点,将信号自动的投影到一个由白噪声建立的合适尺度空间卩⑹,改善了EMD分解产生的模式混叠现象。同时,EEMD自适应地将信号分解成一系列具右一定物理意义的本征模态函数(inMins

7、icmodefunctions,IMFs),非常适合非线性非平稳信号的分析。目前,EEMD在非线性、非平稳信号的研究中取得了广泛的应用,但也存在许多问题。文献[7]提出了用小波去噪与EEMD相结合的方法对高速列车转向架关键部件故障进行诊断的方法,虽然EEMD减轻了EMD分解产生的模式混叠,但并没有考虑分解出的IMFs的真伪性1讪,没冇将虚假IMFs分量剔除,且小波去噪存在小波基函数、分解层数选择的困难[1(,Jllo基于上述分析,本文以白噪声分解的统计特性为基础,利用EMD分解白噪声得到的I

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。