论文部分内容阅读
高速列车走行部是保证高速列车正常行驶的重要组成部分。由于走行部发生的故障将会直接影响到高速列车的安全运行,因此确保走行部的正常工作是保障列车运行安全的前提。为了解决传统的故障诊断算法普遍存在的诊断准确率不高的问题,提高针对高速列车走行部的运行状态诊断算法的准确率是高速列车故障诊断系统中重要的研究内容之一。本文把安装在高速列车走行部上的多个加速度传感器中采集到的列车信号作为初始实验源数据,提出和实现一个基于多传感器多特征的高速列车走行部故障诊断算法。本文主要研究工作如下:1.传感器信号的特征处理。提出一种面向多传感器多特征的特征处理MSMFP方法,即:(1)利用信息熵与集合经验模态分解实现对传感器信号的特征提取,并建立初始特征空间;(2)提出特征融合SEPMFI算法实现对单传感器的多特征融合;(3)通过MSFFC方法设计和实现多传感器同一特征的特征组合来建立新特征空间。2.构建故障特征空间。采用K-means聚类算法计算特征的故障可区分度,实验结果显示,新特征空间的故障可区分度比初始特征空间的故障可区分度高。判别并选择具有最高故障可区分度的特征构成故障特征空间。3.确定故障识别算法。分别采用K最近邻、支持向量机和PSO-SVM算法实现故障识别。实验结果表明,在故障特征空间上,PSO-SVM算法的故障识别率是三种算法中最高的。