[發明專利]一種高速列車運行的工況識別方法

有效

• 申請號: 201710579423.7
• 申請日: 2017-07-17
• 公開（公告）號: CN107563403B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 楊燕;饒齊;王浩;張熠玲
• 申請（專利權）人: 西南交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 葛啟函

本發明公開了一種高速列車運行工況的識別方法，首先將采集到的高速列車的振動信號數據進行預處理，其次對不同通道的監測數據采用變分模態分解，得到模態函數特征，然后對應求取模糊熵，獲得多個通道下不同工況的特征向量作為多視圖學習的待測樣本，最后采用Multi?View K?means作為聚類器進行識別。該方法具有知識學習更完備，流程簡單，可操作性強等優點。主要用于高速列車運行工況的識別。

技術領域

本發明涉及高速列車運行模式識別技術領域。

背景技術

隨著我國高速列車行業的快速發展，高速列車速度快、正點率高、舒適便利、環境影響輕等優點吸引著越來越多的人選擇采用高速列車出行，從而高速列車運行的故障隱患問題引起了越來越多的關注。走行部的轉向架是列車的重要組成部分，其中轉向架上的減振彈簧和減振器保障了列車運行的平穩性，使乘客在列車運行過程中更加舒適。由于高速列車走行部中的轉向架在實際運行時會偶然出現一些部件的失效或者失穩的情況，所以我們需要對傳感器所采集到的幾種列車在運行時的檢測數據進行識別，發現其中存在的一些故障隱患，從而保障列車運行更加安全。因此通過在列車轉向架的不同部件安裝傳感器，采集并分析反映其運行狀況的振動信號，是進行列車工況分析的主要技術之一。

現有的高速列車工況識別技術主要通過傳感器獲取轉向架振動敏感信號，通過時頻域分析獲取高速列車的振動信號的特征向量，最后應用識別模型對轉向架故障進行識別，大體分為兩個階段：特征提取和識別。特征提取主要從振動信號的時域、頻域、時頻域三方面進行，如快速傅里葉變換、小波分解和經驗模態分解等；識別的角度有單視圖和多視圖，即單個通道和多個通道；對應的識別方法主要BP神經網絡、SVM、FCM等。

由于高速列車的振動信號具有非線性、非平穩、特征信息復雜、難辨別等特點，所以這些傳統方法具有一定的局限性，亟需采用一種新的、簡單高效的方法進行高速列車工況識別。

通過對現有的專利及相關技術的檢索發現，現有的與高速列車工況識別有關的方法有：謝鋒云，曹青松，周建民等.一種基于模態區間的高速列車轉向架故障診斷方法，CN104502126A[P].2015.提出了一種通過EMD分解，然后提取信號特征，再利用區間神經網絡模型來進行高速列車識別的方法。由于其通過模態區間的方法處理了高速列車轉向架故障診斷中的不確定性問題，從而大大提高故障診斷結果的可靠性。賀德強，李笑梅，苗劍等.一種高速列車滾動軸承故障診斷方法，CN106441888A[P].2017.提出了一種采集原始振動信號并利用EEMD方法進行分解，選取前幾個IMF分量，求分量的能量以及能量總和，歸一化處理得到能量特征向量，然后采用RBF神經網絡識別故障信息。于重重，楊飛，秦勇等.軌道列車走行部滾動軸承故障的診斷方法，CN106326929A[P].2017.通過提出基于指數平滑預測的滑動時間窗分割算法，實現局部頻譜的特征提取，結合改進的Adaboost算法，對軌道交通列車走行部轉向架滾動軸承進行故障診斷。賈利民，梁瑜，秦勇等.列車軸承故障的診斷方法和裝置，CN105424364A[P].2016.通過利用振動傳感器采集列車軸承和構架的振動數據，得到軸承信號的時頻域特征參數，根據時頻域特征參數判斷傳感器對應的軸承是否發生故障，并同時定位故障的位置，辨別故障的嚴重程度。

可以看出現有的方法雖然具有一定的優點卻也存在著一些不足：采用EMD分解對于異常信號會產生模態混疊導致信號分解時頻率不能完全分離，所以特征提取的效果并不明顯；而EEMD算法在抑制模態混疊方面取得了不錯的效果，但是EEMD算法引入了高斯白噪聲，損害了原信號的純潔性。所以綜合考慮VMD具有較好的信號分解能力。

并且目前針對高速列車振動信號的處理大多通過單個通道的數據進行學習的，多個通道的信息存在多樣性和不一致性，為了可以同時利用多個通道中可能存在的補充信息，我們采用多視圖的學習方法，并且聚類可以克服傳統故障識別技術中計算量大、大量先驗知識缺失的缺點。鑒于以上陳述的已有方案的不足，因此我們提出的基于VMD和Multi-View K-means的高速列車工況識別方法有較好的研究意義與應用價值。本發明旨在提供更簡單的、更完善的方案，并使之克服現有技術的以上缺點。