高速列車輪對(duì)缺陷軌上感知算法研究.pdf

1、鐵路運(yùn)輸是我國重要的交通運(yùn)輸方式。隨著鐵路運(yùn)輸密度的加大，行車速度的提高，如何保證鐵路運(yùn)輸安全問題也顯得越來越重要。在車輛和軌道系統(tǒng)中，輪軌相對(duì)動(dòng)運(yùn)動(dòng)速度高，動(dòng)態(tài)載荷大，是最容易出現(xiàn)缺陷的地方。一旦車輪出現(xiàn)扁疤，偏心或缺陷，會(huì)產(chǎn)生高于正常情況下幾十倍甚至上百倍的沖擊力，對(duì)機(jī)車車輛和軌道都會(huì)造成嚴(yán)重的破壞，因此及時(shí)發(fā)現(xiàn)車輪缺陷具有要重要意義。
　　論文首先根據(jù)車輛軌道耦合模型建立了考慮車輪缺陷的車輛軌道耦合動(dòng)力學(xué)方程，利用逆傅里葉變

2、換(IFFT)算法仿真了軌道幾何不平順，并基于Newmark的預(yù)測(cè)-校正法求解了在車輪缺陷下的車輛和軌道動(dòng)態(tài)響應(yīng)。在此基礎(chǔ)上，重點(diǎn)分析了在車輪缺陷情況下鋼軌的振動(dòng)信號(hào)，并利用信號(hào)處理算法提取振動(dòng)信號(hào)的特征。本文提出了利用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)算法將鋼軌信號(hào)分解成為基本的模態(tài)分量。對(duì)每個(gè)基本模態(tài)分量利用數(shù)學(xué)中分形理論和高階譜分析方法分別求分形維數(shù)和雙譜圖，利用灰度梯度共生矩陣提取雙譜圖特征。分形維數(shù)和灰度梯度共生矩陣數(shù)字特征共同組成了鋼軌

3、振動(dòng)信號(hào)的特征信息。
　　為了識(shí)別車輪缺陷，本文提出了一種利用支持向量機(jī)(SVM)的識(shí)別和估計(jì)車輪缺陷的識(shí)別算法，利用提取到的數(shù)字特征訓(xùn)練支持向量機(jī)，并提出了改進(jìn)支持向量機(jī)的一些方法，如利用粒子群算法優(yōu)化支持向量機(jī)的參數(shù)，利用GPU加速支持向量機(jī)的訓(xùn)練，提高分類準(zhǔn)確率和訓(xùn)練速度。
　　通過仿真實(shí)驗(yàn)證明，論文提出的高速列車輪對(duì)缺陷軌上感知算法可以有效識(shí)別車輪扁疤、不圓、偏心三種缺陷，總的識(shí)別率為100％，正確分類率為91.46