EMD和熵在高鐵走行部故障診斷中的應(yīng)用研究.pdf

1、高鐵具有輸送能力大、速度快、節(jié)能等優(yōu)點，對我國的交通、運輸、環(huán)境以及經(jīng)濟起著十分重要的作用，然而高鐵交通安全形勢卻不樂觀，高鐵的安全問題不斷出現(xiàn)。走行部故障是危害列車行駛安全的重要因素，因此，對列車的走行部故障進行及時診斷和識別對高鐵的安全顯得尤為重要。采集并分析走行部的振動信號是了解走行部運行狀態(tài)和進行故障診斷的重要手段，它的主要目標是要尋找一種簡單有效的信號變換方法，使得信號所包含的重要信息顯示出來，最終達到提取有效信號特征的目的，

2、因此信號分析是進行走行部狀態(tài)檢測的重要步驟。傳統(tǒng)的信號分析方法在處理非平穩(wěn)信號時具有一定的局限性，本文將經(jīng)驗?zāi)B(tài)分解(EMD)方法和熵理論應(yīng)用于高鐵走行部故障診斷中。
　　時域近似熵反映了振動信號的復(fù)雜程度，而對信號進行EMD分解后的模態(tài)分量的能量反映了信號的主要頻率成分的能量。因此，時域近似熵理論和固態(tài)模態(tài)分量的能量信息包含了信號的特征，本文基于EMD方法和近似熵理論提取了高鐵的故障特征，并使用BP神經(jīng)網(wǎng)絡(luò)進行狀態(tài)識別。實驗結(jié)果

3、表明，該故障診斷方法能有效識別走行部故障，并能有效提高走行部故障診斷性能。
　　此外，本文結(jié)合EMD方法和模糊熵理論提出了一種高鐵走行部故障特征提取方法。通過對不同工況下的振動信號進行EMD分解得到一系列模態(tài)分量，本文摒棄了傳統(tǒng)方法中僅選取前若干個模態(tài)分量作為待分析模態(tài)分量的思想，而是將所有的模態(tài)分量進行分析，并計算所有模態(tài)分量的模糊熵的平均值作為振動信號的特征。最后為了證明本文提出的方法的有效性，選用BP神經(jīng)網(wǎng)絡(luò)、SVM以及貝葉