EMD和熵在高鐵走行部故障診斷中的應(yīng)用研究.pdf

1、高鐵具有輸送能力大、速度快、節(jié)能等優(yōu)點，對我國的交通、運輸、環(huán)境以及經(jīng)濟(jì)起著十分重要的作用，然而高鐵交通安全形勢卻不樂觀，高鐵的安全問題不斷出現(xiàn)。走行部故障是危害列車行駛安全的重要因素，因此，對列車的走行部故障進(jìn)行及時診斷和識別對高鐵的安全顯得尤為重要。采集并分析走行部的振動信號是了解走行部運行狀態(tài)和進(jìn)行故障診斷的重要手段，它的主要目標(biāo)是要尋找一種簡單有效的信號變換方法，使得信號所包含的重要信息顯示出來，最終達(dá)到提取有效信號特征的目的，

2、因此信號分析是進(jìn)行走行部狀態(tài)檢測的重要步驟。傳統(tǒng)的信號分析方法在處理非平穩(wěn)信號時具有一定的局限性，本文將經(jīng)驗?zāi)B(tài)分解(EMD)方法和熵理論應(yīng)用于高鐵走行部故障診斷中。
　　時域近似熵反映了振動信號的復(fù)雜程度，而對信號進(jìn)行EMD分解后的模態(tài)分量的能量反映了信號的主要頻率成分的能量。因此，時域近似熵理論和固態(tài)模態(tài)分量的能量信息包含了信號的特征，本文基于EMD方法和近似熵理論提取了高鐵的故障特征，并使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行狀態(tài)識別。實驗結(jié)果

3、表明，該故障診斷方法能有效識別走行部故障，并能有效提高走行部故障診斷性能。
　　此外，本文結(jié)合EMD方法和模糊熵理論提出了一種高鐵走行部故障特征提取方法。通過對不同工況下的振動信號進(jìn)行EMD分解得到一系列模態(tài)分量，本文摒棄了傳統(tǒng)方法中僅選取前若干個模態(tài)分量作為待分析模態(tài)分量的思想，而是將所有的模態(tài)分量進(jìn)行分析，并計算所有模態(tài)分量的模糊熵的平均值作為振動信號的特征。最后為了證明本文提出的方法的有效性，選用BP神經(jīng)網(wǎng)絡(luò)、SVM以及貝葉