[发明专利]一种基于数据驱动的机车机械部件性能演变辨识方法

权利要求书

1.一种基于数据驱动的机车机械部件性能演变辨识方法，其特征在于，包括以下步骤：

S1、建立机车车辆动力学仿真模型，建立机车机械部件性能演变理论，模拟机车车辆运行状态；

S2、根据部件运行性能的测点位置，提取动力学仿真结果中的参数信息；

S3、在机车车辆上相应的运行性能测点位置布置传感器，获取测试点数据，提取机械部件运行性能演变的趋势线；

S4、结合动力学仿真结果，由实际测试得到的趋势线对机械部件性能演变作相应描述，并根据趋势特征提出监测、识别并预测该机械部件运行性能；

步骤S4中由实际测试得到的趋势线对机械部件性能演变作相应描述，并根据趋势特征提出监测、识别并预测该机械部件运行性能的方法如下：

对测点位置传感器的振动信号进行特征提取，去除奇异点后，利用时间序列加法模型进行周期分解和趋势线提取，对于采样的振动信号：

Y_t＝T_t+S_t+C_t+I_t

其中T_t是t时间点内分解出来的趋势值，是数据对时间相对稳定的一部分，也是本次试验中需要提取得到的特征值部分；S_t是数据中周期性波动的数据；C_t是循环变动；I_t是随机波动；

首先利用移动平均分离出显性的周期性波动，以车轮每转动一圈的点数作为周期，对于时间序列y1，y2…yn，若K为奇数，求取对应中心移动平均：

其中，t代表移动平均中间项的时间，M_t⁽¹⁾表示一次中心移动平均；

若K为偶数，则中心移动平均的结果：

表示一次中心移动平均，但是此时t为(K+1)/2，(K+1)/2+1，…代表两个时间项的中位得到的对应移动平均值，需要进行二次移动平均：

其中t为(K+1)/2，(K+1)/2+1，…K为周期；

建立故障发展阶段预测模型，采用指数增长法进行故障状态期间预测，建立指数函数：

x(t)＝a·b^t/r

满足线性微分方程，其中常数a是x的初始值，x(0)＝a，并且，常数b是正的增长率，τ为x增长b倍所需时间：

x(t+τ)＝x(t)·b

若τ0且b1，则x为指数增长；若τ0且b1，或τ0且0b1，则x为指数衰减；在指数增长的前提下，当bb₀，其中b₀为突变阈值，判断轮对运行状态急剧恶化期。

2.根据权利要求1所述的一种基于数据驱动的机车机械部件性能演变辨识方法，其特征在于，步骤S1中建立机车机械部件性能演变理论是在动力学仿真中采用Hertz理论计算法向接触，FASTSIM算法计算切向接触。