基于小波变换的高速列车监测数据处理

基于小波变换的高速列车监测数据处理

ID:32973622

大小:5.84 MB

页数:75页

时间:2019-02-18

基于小波变换的高速列车监测数据处理_第1页
基于小波变换的高速列车监测数据处理_第2页
基于小波变换的高速列车监测数据处理_第3页
基于小波变换的高速列车监测数据处理_第4页
基于小波变换的高速列车监测数据处理_第5页
资源描述:

《基于小波变换的高速列车监测数据处理》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、国内图书分类号:TP391国际图书分类号:621.3西南交通大学研究生学位论文密级:公开年姓申请学位级别王堂亟±专业电担当电墨指导老师苤蔓搓数援二零一四年五月ClassifiedIndex:TP391U.D.C:621.3SouthwestJiaotongUniversityMasterDegreeThesisPROCESSINGOFTHEMONITOIUNGDATAOFHIGH.SPEEDTRAⅢBASEDONV州ELETTRANSFOIUⅥGrade:2011Candidate:ZhengXiaolongAcademicD

2、egreeAppliedfor:MasterSpeciality:ElectricalMachineryAndApparatusSupervisor:Prof.ZhangGexiangMay’2014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.保密口,在年解

3、密后适用本授权书;2.不保密幺使用本授权书。(请在以上方框内打“v”)指导老师签名:日期.踟t争.箩。嘭f桫仟,肋弘.侈.、装.吁名以躲矽作耻划瑚渤日位挚西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下:1、对高速列车监测数据进行了简要介绍,然后从时域、频域方面对监测数据进行了分析,根据小波包络谱的定义,对监测数据进行了分析,得到了三种单一故障的特征频率,并找到三种故障工况下具有特征频率的通道编号,为后续研究中通道的选择提供一定的依据。2、对高速列车的监测信号,经过小波包变换,提取小波包特征

4、熵特征向量,最后使用自己设计的支持向量机对四种单一工况、三种混合故障数据在不同速度下进行了识别,得到了一系列识别结果。并对参数渐变数据作了分析,找出各个工况与全故障相似的阻尼百分比,能为列车零部件故障的诊断提供依据。3、将小波包变换和自回归谱相结合,提取高速列车的监测信号的小波包自回归谱频带能量特征向量,使用支持向量机对四种单一工况、三种混合故障数据在不同速度下进行识别,给出了识别结果。并对参数渐变数据作了分析,找出各个工况与全故障相似的阻尼百分比,能为列车零部件故障的诊断提供依据。本人郑重声明:所呈交的学位论文,是在导师指导

5、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已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说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名:日期:矽叶埋佴吖,●I●■■r弓.、欤叫吖西南交通大学硕士研究生学位论文第1页摘要随着高速列车运行速度不断提高,列车在长期服役过程中的安全性态将发生变化,对列车安全预警与健康维护带来极大的挑战。列车在运行过程中通过传感器监测到大量的振动数据,如何从跟踪监测数据中识别出列车运行状态,

6、进行安全性态评估显得至关重要。而监测的振动数据多是非线性和非平稳信号,小波分析具有良好的时频局部化优点,在信号特征分析中应用广泛。因此,本文基于小波分析对高速列车监测数据进行特征分析,研究列车正常状态、空簧失气、抗蛇行减振器全拆和横向减振器全拆四种工况。本文首先简单介绍了监测数据的来源以及它们之间的关系,然后从时域和频域出发对高速列车不同工况下的监测数据进行了初步的分析,经分析,它们都是低频振动信号,其振动频率主要集中在0-20Hz,最后通过对数据的小波包络谱分析得到了三种故障工况的振动的特征频率,并统计出了具有特征频率的通道

7、号,为后续研究中通道的选择提供一定的依据。在小波变换的基础上,采用小波包变换对信号频带进行更加细致的划分,根据小波包特征熵的定义,提取了监测数据的小波包特征熵特征。该方法将列车单一故障工况的振动信号经过小波包分解在不同的频带,再求得各频带的小波包特征熵特征向量,把它们输入到支持向量机进行状态识别,验证了特征提取的有效性,并给出了各种工况下不同通道的识别率。利用小波包分解和自回归谱相结合的方法,提取高速列车单一工况振动信号的小波包自回归谱频带能量特征。该方法将振动信号经小波包变换分解到不同频带,然后建立各频带信号的自回归谱模型求

8、取它们的自回归谱参数,最后求取它们的频带能量作为支持向量机的特征向量进行状态识别,并给出了单一工况和混合故障下不同通道的识别率。本文工作得到国家自然科学基金重点项目烈o.61134002)的资助。关键词:高速列车监测数据;小波包络谱;小波包特征熵;小波包自回归谱;支持向量机A

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。