基于 EMD 和神经网络的轮轨故障噪声诊断识别方法研究.pdf

《基于 EMD 和神经网络的轮轨故障噪声诊断识别方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、振动与冲击第３３卷第１７期ＪＯＵＲＮＡＬＯＦＶＩＢＲＡＴＩＯＮＡＮＤＳＨＯＣＫＶｏｌ．３３Ｎｏ．１７２０１４基于ＥＭＤ和神经网络的轮轨故障噪声诊断识别方法研究江航，尚春阳，高瑞鹏（西安交通大学机械工程学院，西安７１００４９）摘要：针对轮轨故障噪声信号非平稳性特征，提出一种基于经验模式分解（ＥｍｐｉｒｉｃａｌＭｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）与神经网络的轮轨故障诊断方法。该方法首先对轮轨噪声信号进行经验模式分解，信号分解为若干个基本模式分量（Ｉｎｔｒｉｎｓｉｃ

2、ＭｏｄｅＦｕｎｃｔｉｏｎ，ＩＭＦ）之和，再选取若干个包含主要故障信息的ＩＭＦ分量，提取各分量的能量与峭度特征，对各分量的峭度特征综合得到多尺度峭度特征，然后将各分量能量特征与多尺度峭度特征作为神经网络的输入来识别轮轨故障的类型。对车轮扁疤、钢轨波浪磨耗和正常状态的分析结果表明，以ＥＭＤ方法提取特征参数的神经网络诊断方法比以小波包方法提取特征参数的神经网络诊断方法具有更高的故障识别率。该方法能够对轮轨故障类型进行准确、有效地分类识别。关键词：ＥＭＤ；神经网络；能量；峭度；故障诊断；轮轨噪声中图分类号：ＴＨ２文献标志码：ＡＤＯＩ：１０．１３４６５／ｊ．ｃｎｋｉ．ｊｖｓ．２

3、０１４．１７．００７Ｗｈｅｅｌ／ｒａｉｌｆａｕｌｔｎｏｉｓｅｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄｏｎＥＭＤａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋＪＩＡＮＧＨａｎｇ，ＳＨＡＮＧＣｈｕｎｙａｎｇ，ＧＡＯＲｕｉｐｅｎｇ（ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＸｉａｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｎ７１００４９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｎｏｎｓｔａｔｉｏｎａｒｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｗｈｅｅｌ／ｒａｉｌｆａｕｌｔｎｏｉｓｅｓｉｇｎａｌｓ，ａｗｈｅｅｌ／ｒａｉｌｆａｕｌｔｄｉａｇｎｏｓｉｓｍｅ

4、ｔｈｏｄｂａｓｅｄｏｎｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＥＭＤ）ａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｐｕｔｆｏｒｗａｒｄ．Ｆｒｉｓｔｏｆａｌｌ，ｗｈｅｅｌ／ｒａｉｌｎｏｉｓｅｓｉｇｎａｌｓｗｅｒｅｄｅｃｏｍｐｏｓｅｄｉｎｔｏｓｅｖｅｒａｌｉｎｔｒｉｎｓｉｃｍｏｄｅｆｕｎｃｔｉｏｎｓ（ＩＭＦｓ），ｔｈｅｎｓｏｍｅＩＭＦｓｃｏｎｔａｉｎｉｎｇｔｈｅｍａｉｎｆａｕｌｔｉｎｆｏｒｍａｔｉｏｎｗｅｒｅｓｅｌｅｃｔｅｄ．ＴｈｅｅｎｅｒｇｙａｎｄｋｕｒｔｏｓｉｓｆｅａｔｕｒｅｓｏｆｔｈｅｓｅｃｈｏｓｅｎＩＭＦｓｗｅｒｅｅｘｔｒａｃｔｅｄ，ａｎｄｔｈｅｋｕｒｔｏ

5、ｓｉｓｆｅａｔｕｒｅｓｏｆｔｈｅｓｅＩＭＦｓｗｅｒｅｉｎｔｅｇｒａｔｅｄｉｎｔｏａｍｕｔｉｓｃａｌｅｋｕｒｔｏｓｉｓｆｅａｔｕｒｅ．Ｆｉｎａｌｌｙ，ｔｈｅｅｎｅｒｇｙｆｅａｔｕｒｅｓｏｆｔｈｅｓｅＩＭＦｓａｎｄｔｈｅｍｕｔｉｓｃａｌｅｋｕｒｔｏｓｉｓｆｅａｔｕｒｅｗｅｒｅｔａｋｅｎａｓｉｎｐｕｔｓｏｆａｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｉｄｅｎｔｉｆｙｔｈｅｆａｕｌｔｐａｔｔｅｒｎｏｆａｗｈｅｅｌ／ｒａｉｌｓｙｓｔｅｍ．Ｔｈｅａｎａｌｙｓｉｓｒｅｓｕｌｔｓｏｆｗｈｅｅｌｆｌａｔｓ，ｒａｉｌｗａｖｙｗｅａｒｓａｎｄｔｈｅｉｒｎｏｒｍａｌｓｔａｔｅｓｓｈｏｗｅｄｔｈａｔｔ

6、ｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄｏｎＥＭＤｍｅｔｈｏｄｔｏｅｘｔｒａｃｔｆｅａｔｕｒｅｐａｒａｍｅｔｅｒｓｈａｓａｈｉｇｈｅｒｆａｕｌｔｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｔｈａｎｔｈａｔｂａｓｅｄｏｎｔｈｅｗａｖｅｌｅｔｐａｃｋｅｔｍｅｔｈｏｄ，ｔｈｉｓｍｅｔｈｏｄｃａｎｂｅｕｓｅｄｔｏｃｌａｓｓｉｆｙａｎｄｉｄｅｎｔｉｆｙｗｈｅｅｌ／ｒａｉｌｆａｕｌｔｐａｔｔｅｒｎｓａｃｃｕｒａｔｅｌｙａｎｄｅｆｆｅｃｔｉｖｅｌｙ．Ｋｅｙｗｏｒｄｓ：ＥＭＤ；ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｅｎｅｒｇｙ；ｋｕｒｔｏｓｉｓ；ｆａｕｌｔｄｉａｇｎｏｓｉｓ；ｗ

7、ｈｅｅｌ／ｒａｉｌｎｏｉｓｅ由于我国人口众多，流动人口大，物资货运量大，程最关键的问题之一是对各种故障特征参数的提取，在交通日益发达的今天，铁路运输依然是最主要的交它直接影响着故障分类识别的准确性与有效性。在信通运输方式。随着列车高速、重载、高密度的运行，列号分析中，时间尺度与时间尺度上的能量是常分析的车运行的安全性越来越受到人们的关注。铁路轮轨故对象。当列车车轮或轨道存在缺陷时，其产生的轮轨障诊断经过各国科研工作者的努力已经拥有大量的方噪声信号在不同的时间尺度上能量分布就会发生变［１－６］法，但利用轮轨噪声信息进行故障诊断的研究还化，同时反映信号冲