[发明专利]基于经验模态分解和多尺度熵的车轮扁疤故障检测方法

摘要

本发明公开了一种基于经验模态分解和多尺度熵的车轮扁疤故障检测方法。方法为：在轨道单侧安装4个振动加速度传感器，采集列车经过时的钢轨振动信号；对采集到的钢轨振动信号进行滤波处理，保留与车轮振动有关的信号；对滤波后的信号进行经验模态分解，提取信号的前三个固有模态分量；计算前三个固有模态分量和的多尺度熵值，得到每个传感器的多尺度熵值；计算每个传感器的平均多尺度熵值，通过对比同一列车正常车轮的多尺度熵值曲线，判断车轮是否存在扁疤故障。本发明利用振动加速度传感器采集到的钢轨振动信号，通过对振动信号进行小波包能量熵分析，实现对钢轨波浪型磨损的检测，具有实时性好、检测方便且速度快、适用范围广的优点。

主权项

1.一种基于经验模态分解和多尺度熵的车轮扁疤故障检测方法，其特征在于，包括以下步骤：步骤1，在轨道单侧安装4个振动加速度传感器，采集列车经过时的钢轨振动信号；步骤2，采用低通滤波器对采集到的垂向振动加速度信号进行滤波处理，去除高频噪声干扰；步骤3，对滤波处理后的垂向振动加速度信号进行经验模态分解，提取前三个固有模态分量，并计算其和值；步骤4，对步骤3中的和值进行多尺度熵分析，得到每个传感器的多尺度熵值；步骤5，计算每个传感器的平均多尺度熵值；步骤6，将每个传感器的平均多尺度熵值与正常车轮的平均多尺度熵值进行对比，若采集到的每个传感器的平均多尺度熵曲线在正常车轮的平均多尺度熵曲线上方，则判断车轮存在扁疤故障，反之则不存在扁疤故障。