[发明专利]一种高速列车转向架故障诊断方法

说明书

本发明公开一种高速列车转向架故障诊断方法，提出了一种全矢样本熵特征提取算法，并将全矢样本熵特征提取算法和噪声辅助多元经验模态分解相结合进行高速列车转向架故障诊断，通过传感器采集列车运行中的振动信号数据，用噪声辅助多元经验模态分解对信号进行分解得到一系列的多元本征模态函数IMFs，采用相关系数法选择与原始信号最相关的IMF分量，再对有效的IMF分量进行全矢样本熵特征提取得到特征向量，最后将特征向量作为支持向量机的输入进行列车运行状态的识别。本发明，融合了同源两个通道的信息，引入全矢的概念得到一种融合的结果，充分考虑到了信号之间的信息融合，更能将各通道信号之间的特征反映出来，从而获得更高的识别率。

技术领域

本发明涉及高速列车故障诊断技术领域，具体为一种结合全矢样本熵和噪声辅助多元经验模态的高速列车转向架故障诊断方法。

背景技术

高速列车技术是整个世界高速铁路运行系统中技术含量最高的，同时也是最为重要的子系统之一。近年来，高速列车的迅速发展使得列车的运行速度一直在增大，列车的安全性和可靠性也受到了人们越来越多的关注。列车在长期的运行服役过程中关键部件会有所损坏，这将对高速列车的安全运行造成一定的影响。因此，为了保证高速列车在长期服役过程中的稳定性和安全性，我们用安装在走行部上的传感器来获得列车运行过程中的振动信号，进而评估出列车的运行状态，为进行列车的安全预警和健康维护奠定了基础。

如何利用从各个传感器采集到的高速列车振动信号数据，从而精确地评估出高速列车的运行状态，这些都是很有研究价值的工作。首先采用信号处理方法进行特征的选择和提取，然后对提取到的特征进行识别，这是非常重要的两步。近年来，信号分析和处理取得了越来越大的进步，如何选择有效的分析方法对高速列车振动数据进行分析处理以及怎样选取信号特征才能准确获得高速列车走行部运行状态特征，怎样选择分类器对特征向量进行分类识别可以准确地评估出高速列车的运行状态，这些研究工作对于高速列车的安全运行有着非常重大的意义。

现有的高速列车转向架故障诊断技术主要通过对单个通道采集的振动信号进行处理，无论在信号分解和特征提取上主要都是采用针对一维信号的处理方法。小波分析、经验模态分解和聚合经验模态分解等都是对单通道信号进行预处理的方法，而我们在高速列车转向架上会安装多个传感器同时采集信息，得到的振动信号数据是多维的，因此我们需要寻找一种可以进行多通道同时处理的信号分解方法。在特征提取中，常用的传统的样本熵算法是针对一维信号而言的，而如果采用噪声辅助多元经验模态这种多通道信号处理方法对振动信号进行分解会得到一系列的多元IMF分量，因此对多维信号仍然采用样本熵算法进行特征提取只是对其中某一维进行处理，得到的特征值不能反映出各通道间的联系性，单个通道的结果不能反映出车体运动状态的整体特征，故而不能得到最好的结果。在高速列车转向架故障诊断中低的识别率会带来更大的危险性，因没有正确判断出故障部件带来的损失代价是很大的。因此对于多通道信号特征提取来说，采用单通道信号处理的方法得到的信息不够完善，为了克服多通道信号处理的单一性，寻找一种可以融合多通道信号信息的特征提取方法是非常有研究意义的。

发明内容

针对上述问题，本发明的目的在于提供一种能够解决目前对高速列车转向架多通道信号仍采用单通道信号处理和特征提取方法准确率低的结合全矢样本熵和噪声辅助多元经验模态分解的高速列车转向架故障诊断方法。技术方案如下：

一种高速列车故障诊断方法，其特征在于，包括以下步骤：

步骤1：采集高速列车运行过程中转向架的振动信号数据；

步骤2：通过噪声辅助多元经验模态分解对高速列车运行过程中转向架的振动信号进行处理：在转向架的振动信号中添加两通道与原始信号长度一样的不相关的高斯白噪声通道信号构成复合通道信号，再对复合通道信号进行多元经验模态分解，然后去掉噪声通道处理的结果，得到一系列的多元本征模态函数；