基于eemd的高速列车安全性态数据的特征研究

《基于eemd的高速列车安全性态数据的特征研究》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、硕ｄ：学位：论文■ＭＡＳＴＥＲＤＩＳＳＥＲＴＡＴＩＯＮＡ＾＾■一一漏国内图书分类号：ＴＰ３９１密级：公开国际图书分类号：６２１．３西南交通大学研究生学位论文基于ＥＥＭＤ的髙速列车安全性态数据的特征研究年级２０１２级姓名井波申请学位级别工学硕士专业电气工程指导老师金伟东教授二零一五年五月ＣｌａｓｓｉｆｉｅｄＩｎｄｅｘ：ＴＰ３９１Ｕ．Ｄ．Ｃ：６２１．３ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙＭａｓｔｅｒＤｅｒｅｅＴｈｅｓｉｓ

2、ｇＣＨＡＲＡＣＴＥＲＩＳＴＩＣＡＮＡＬＹＳＩＳＯＦＳＥＣＵＲＩＴＹＳＴＡＴＥ－ＡＳＳＥＳＳＭＥＮＴＤＡＴＡＯＦＨＩＧＨＳＰＥＥＤＴＲＡＩＮＢＡＳＥＤＯＮＥＥＭＤＧｒａｄｅ：２０１２Ｃａｎｄｉｄａｔｅ：ＪｉｎｇＢｏＡｃａｄｅｍｉｃＤｅｒｅｅｅｄｅｒＤｅｒｅｅｇＡｐｐｌｉｆｏｒ：ＭａｓｔｇＳｐｅｃｉａｌｉｔｙ：ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＳｕｐｅｒｖｉｓｏｒ：ＪｉｎＷｅｉｄｏｎｇＭａ２０１５ｙ，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

3、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，可以釆用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□，在年解密后适用本授权书；２．不保密使用本授权书。‘’’（请在以上方框内打Ｗ）学位论文作者签名：指导老师签名：曰期：曰期：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．本文针对振动信号的非线性、

4、非平稳特点，引入了具有自适应性的聚合经验模态分解（ＥＥＭＤ）方法，研究了ＥＥＭＤ基本理论及其在信号处理方面的应用。利用ＥＥＭＤ对振动信号进行分解一一，方面可以得到系列频率不同的本征模态一函数（ＩＭＦ），另方面也可以抑制经验模态分解中存在的模态混叠。２．本文通过ＥＥＭＤ方法对轨道波浪弯曲不平顺数据进行分解，从得到的若干分量中选择包含故障信息较多的ＩＭＦ分量，再利用小波脊线解调法对ＩＭＦ分量提取频率和幅值两个特征，实现了在时频域对轨道波浪弯曲不平顺的检测。３．本文提出了聚合经验模态互相关分析法以及经验模态互相关系数，用于

5、分析高速列车横向减振器和抗蛇行减振器的性能贼化。通过提取仿真实验数据的经验模态互相关系数作为特征，利用支持向量机对横向减振器和抗蛇行减振器的不同鋭化程度分类识别。验证了该方法用于评估横向减振器和抗蛇行减振器不同虫兑化程度的有效性和可靠性。４．本文提出了基于ＥＥＭＤ排列熵和基于ＥＥＭＤ关联维数的特征提取方法，分析了横向减振器不同个数失效的工况。对仿真信号进行ＥＥＭＤ分解后，分别提取。敏感分量的排列熵和关联维数，并构建特征向量集将两种方法得到的特征集输入到支持向量机，对横向减振器不同个数失效工况进行识别，比较分析发现

6、基于ＥＥＭＤ排列熵方法优于基于ＥＥＭＤ关联维数方法。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。一本人完全了解违反上述声明所引起的切法律责任将由本人承担。学位论文作者签名：曰期：西南交通大学硕士研究生学位论文第Ｉ页摘要在列车长期服役过程中，其转向架上关键部件的磨耗会导致性能产生不同程度的虫兑化，这会影响列车运行的安全性和乘坐的舒适

7、度，因此列车安全预警与健康维护显得尤为重要。高速列车运行中，，分布在列车各个位置的传感器会监测到海量的数据而对这些数据所包含的故障信息进行特征提取，并反演高速列车的健康运行状况是目前研究的热点和难点，。针对监测数据的非线性和非平稳性本文引入了具有自适应特点的聚合经验模态分解（ＥＥＭＤ），同时结合不同的特征提取方法，研究分析了轨道波浪弯曲不平顺，横向减振器和抗蛇行减振器性能鋭化以及横向减振器不同个数失效三类工况。（１）研究了经验模态分解（ＥＭＤ）的相关理论，为解决其产生的模态混叠现象，在ＥＭＤ基础上引入了由白噪声辅助

8、的聚合经验模态分解（ＥＥＭＤ）方法，ＥＥＭＤ既能将信号按不同的时间尺度分解，获得信号的局部信息，也能对抑制模态混叠的发生有很好的