高速列车转向架故障的信息熵测度特征分析方法研究

《高速列车转向架故障的信息熵测度特征分析方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据国内图书分类号：TP277TP911．6国际图书分类号：621西南交通大学研究生学位论文高速列车转向架故障的信息熵测度特征分析方法研究年级2003姓名塞拯．．申请学位级别‘盟±专业电力丕统及墓自动丝指导老师全煊丕塾拯二零一四年五月万方数据ClassifiedIndex：TP277TP911．6U．D．C：621SouthwestJiaotongUniversityDoctorDegreeDissertationRESEARCHoNHIGH—SPEEDTRAINBoGIEFAULTDATAFEATUREANALYSISMETHoDBASEDoNINFoR№～TIoNENTRo

2、PYMEASUREMENTGrade：Candidate：AcademicDegreeAppliedfor：Speciality：Supervisor：2003QinNaPh．DPowerSystem&ItsAutomationJinWeidongMay．2014万方数据西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1

3、．保密口，在年解密后适用本授权书；2．不保密囱，使用本授权书。(请在以上方框内打“4”)学位论文作者签名：日期：杂名那f指导老师签名：日期：珈lt===7vl万方数据西南交通大学学位论文创新性声明本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。本学位论文的主要创新点如下：1)将信息熵测度在小波分析时频空间中的泛化结果一一小波信息熵特征(论文第3章)，在经验模态分解时频空问

4、中的泛化结果一一经验模态熵测度和经验模态复杂度(论文第4章)分别应用于高速列车转向架故障振动信号的特征提取。在研究高速列车转向架故障类型识别过程中，引入信息熵测度与复杂性测度来对被分析信号的特征信息进行量化处理，形成了适合于非线性非平稳复杂机械振动信号的时频域信息测度特征提取方法。2)论文提出一种关联信息测度计算方法，以互相关样本熵和相对聚合经验模态能量熵为特征，分析性能蜕化各个阶段振动信号与正常状态下振动信号之间的关联关系。通过量化分析这种关联关系来反演转向架部件的性能蜕化程度，并给出了利用多样本特征均值的概率密度估计进行性能蜕化状态估计的具体方法(论文第5章)。3)论文建立了基

5、于信息测度指标的复合信息测度模型(论文第6章)，将时域、频域、时频域和多种时频域信息测度指标进行特征融合、选择和降维。在高维特征集合下结合多准则特征选择和流形学习二次特征降维方法，有效地剔除冗余特征、降低特征维数、提高故障识别率。仿真数据与动车组实测数据实验结果验证了该方法的有效性。万方数据西南交通大学博士研究生学位论文第1页摘要随着我国高速铁路的发展，高速列车的安全稳定运行成为人们关注的热点。转向架是连接车体和轨道的唯一通道，转向架关键部件的性能蜕变和故障状态直接导致车体和转向架振动形式改变，同时也严重威胁到列车的运行安全。列车车体和转向架的振动信号中蕴含了丰富的信息，有效地运用

6、这些信息进行转向架关键部件的故障诊断、部件性能蜕化估计和故障预警，对保障列车安全稳定运行具有重要的理论意义和工程应用价值。然而，列车的振动信号是典型的复杂度高、耦合性和不确定性强的非线性信号，传统的单一特征提取方法难以达到有效识别故障的目的，亟需探寻新的特征提取和特征融合方法，以更有效地实现转向架故障诊断与性态估计。鉴于此，论文在系统分析信息测度理论主要指标物理意义的基础上，提出了信息测度理论中信息熵和复杂性测度算法与时频分析方法相结合的特征提取和分析框架，针对高速列车转向架故障信号特征提取、关键部件性能蜕化估计、多特征融合与降维等问题，开展了以下研究工作：1)论文研究了5种小波信

7、息熵在表征机械振动信号方面的含义和小波信息熵测度在高速列车转向架故障识别中的适用性，并将其应用于高速列车转向架故障振动信号的特征提取。将多种小波信息熵构成高维特征向量用于转向架关键部件的故障状态识别。2)将信息测度与聚合经验模态分解方法相结合，研究了一系列经验模态信息熵和经验模态复杂度，提出了基于经验模态信息测度的高速列车转向架故障特征提取方法。该方法首先对高速列车转向架故障仿真信号进行聚合经验模态分解，对分解后的各个固有模态函数进行筛选，最后分别提取信息测度指标作为