一种基于模态区间的高速列车转向架故障诊断方法
【专利摘要】一种基于模态区间的高速列车转向架故障诊断方法，包括如下步骤：（1）高速列车转向架振动信号获取；（2）高速列车转向架振动信号预处理；（3）高速列车转向架振动信号模态区间化；（4）高速列车转向架振动信号EMD分解；（5）高速列车转向架振动信号特征提取；（6）构建及训练初始区间神经网络模型；（7）高速列车转向架故障诊断。本发明提出了通过模态区间方法来处理转向架振动信号中的不确定性行问题，并利用区间神经网络模型的分类识别方法对高速列车转向架故障进行诊断。由于其通过模态区间的方法处理了高速列车转向架故障诊断中的不确定性问题，将大大提高故障诊断结果的可靠性。本发明方法适用高速列车转向架的故障诊断。
【专利说明】-种基于模态区间的高速列车转向架故障诊断方法

【技术领域】
[0001] 本发明设及高速列车故障诊断领域，特别设及高速列车转向架的故障诊断方法。

【背景技术】
[0002] 转向架在高速列车运行中担当着导向、承载、减振的任务，同时也是牵引和制动最 终执行者，是高速列车关键部件。转向架在高速列车营运由于中承受着频繁的随机动载荷， 可能导致转向架结构件的关键部位出现各种故障，而故障的出现会导致高速列车各部位振 动加剧、运行品质下降，甚至会导致脱轨翻车等严重事故。因此开展高速列车转向架性能检 测和故障诊断研究，对高速列车安全可靠的运行具有重大意义。
[0003] 常用的高速列车转向架故障诊断方法为；通过传感器获取转向架振动敏感信号， 通过时频分析获取转向架故障特征量，最后应用分类识别模型对转向架故障进行诊断。该 种常规方法从转向架故障信号的获取到特征量的提取及到最后的故障分类，都是基于精确 值的基础上进行的。由于高速列车转向架结构的复杂性、运行状态中各种影响因素变化的 不确定性和偶然性，将导致高速转向架振动信号测量结果同样具有不确定性和随机性，传 统的诊断模型方法很少对该些不确定性问题进行相应，该将导致诊断结果的可靠性降低。
[0004] 模态区间理论作为不确定性问题有效处理工具之一，Joaquim在《Application of Modal Interval Analysis to the Simulation of the Behavior of Dynamic Systems with化cedain Parameters》中进行了详细的阐述；它应用模态区间来处理工程中由于小 样本、历史数据不完备、随机性、先验知识匿乏等而形成的不确定性问题，将不确定量转换 为模态区间，通过模态区间的宽度来量化不确定性大小。基于模态区间的不确定性分析方 法考虑了不确定性问题，而且模态区间形式的结果包含信息量更丰富、可信度更高。将模态 区间理论用来解决高速列车故障诊断中设及的不确定性问题，可提高转向架故障诊断结果 的可靠性。


【发明内容】

[0005] 本发明的目的是针对高速列车转向架故障诊断中存在的不确定性问题，提供一种 基于模态区间的高速列车转向架故障诊断方法。
[0006] 实现本发明的目的所采用的具体技术方案如下：
[0007] 一种基于模态区间的高速列车转向架故障诊断方法，利用模态区间理论处理诊断 过程中存在的不确定性问题，通过经验模态分解（EMD)提取故障特征信息，由区间神经网 络模型分类识别方法对高速列车转向架故障进行可靠诊断。本发明方法具体步骤如下： [000引 （1)高速列车转向架振动信号获取
[0009] 利用测量工具获取高速列车转向架振动信号，并通过数据采集卡将获取的信息存 储于计算机中。其中振动信号可W是力、加速度、位移和扭矩等信号中的任一一类，与振动 信号对应的测量工具为测力计、加速度传感器、位移传感器和扭矩传感器等。
[0010] (2)高速列车转向架振动信号预处理
[0011] 将采集到的高速列车转向架的振动信号进行小波包阔值滤波，消除噪声干扰，形 成无噪的高速列车转向架振动信号Xj.(t)，其中t为信号采集对应时刻，X为采集信号幅值， j为振动信号对应（1)中测量工具中任一一种。
[0012] (3)高速列车转向架振动信号模态区间化
[0013] 考虑高速列车转向架振动信号测量及数据预处理过程中的不确定性问题，依据模 态区间理论及误差理论，将预处理后的转向架振动信号Xj.(t)转换成模态区间形式Xj.(t)， X/.(0:=[与(/)丐(/)]，W增加获取到的振动信号的可靠性。其中为振动信号下界， 气.W为振动信号上界。
[0014] 模态区间X的数学定义为：
[0015] x:=[x,x]g1<R
[0016] 即模态区间X通过一对实数2^，X来定义，2[为下界，X为上界，kR表示模态闭区间 的实数集合，式中的X不受互<-T的任何约束，即模态区间中上下界大小不受限制，如经典 区间只能为巧，5]，不能为[5,2]，但模态区间不受限制，两个区间都是许可的。模态区间数 学运算理论基础为Kaucher算法。
[0017] (4)高速列车转向架振动信号EMD分解
[0018] 分别对下界振动信号和上界振动信号进行EMD分解，得到振动信号下界本征模态 函数（IMF)以t)和振动信号下界IMF部）。
[0019] (5)高速列车转向架振动信号特征提取
[0020] 对振动信号EMD分解后的上下界IMF进行筛选，选择特征显著的上下界IMF， 并分别计算下界IMF的能量矩拉：

【权利要求】
1. 一种基于模态区间的高速列车转向架故障诊断方法，其特征在于，所述方法利用模 态区间理论处理诊断过程中存在的不确定性问题，通过经验模态分解提取故障特征信息， 由区间神经网络模型分类识别方法对高速列车转向架故障进行可靠诊断；所述方法具体包 括如下步骤： (1) 高速列车转向架振动信号获取； (2) 高速列车转向架振动信号预处理； (3) 高速列车转向架振动信号模态区间化； (4) 高速列车转向架振动信号EMD分解； (5) 高速列车转向架振动信号特征提取； (6) 构建及训练初始区间神经网络模型； (7) 高速列车转向架故障诊断。
2. 根据权利要求1所述的一种基于模态区间的高速列车转向架故障诊断方法，其特征 在于，所述高速列车转向架振动信号获取中，振动信号可以是力、加速度、位移和扭矩信号 中的任一一类，与振动信号对应的测量工具为测力计、加速度传感器、位移传感器和扭矩传 感器。
3. 根据权利要求1所述的一种基于模态区间的高速列车转向架故障诊断方法，其特征 在于，所述高速列车转向架振动信号预处理，将采集到的高速列车转向架的振动信号进行 小波包阈值滤波，消除噪声干扰，形成无噪的高速列车转向架振动信号\ (t)，其中t为信号 采集对应时刻，X为采集信号幅值，j为振动信号对应测力计、加速度传感器、位移传感器和 扭矩传感器中任--种。
4. 根据权利要求1所述的一种基于模态区间的高速列车转向架故障诊断方法，其特征 在于，所述高速列车转向架振动信号模态区间化，将预处理后的转向架振动信号\(t)转换 成模态区间形式\(t)，'(〇:=[今，以增加获取到的振动信号的可靠性； 其中&(t)为振动信号下界，为振动信号上界。
5. 根据权利要求1所述的一种基于模态区间的高速列车转向架故障诊断方法，其特征 在于，所述高速列车转向架振动信号EMD分解，即分别对下界振动信号和上界振动信号进 行EMD分解，得到振动信号下界本征模态函数（IMF)￡(t)和振动信号下界IMFR/)。
6. 根据权利要求1所述的一种基于模态区间的高速列车转向架故障诊断方法，其特征 在于，高速列车转向架振动信号特征提取，对振动信号EMD分解后的上下界MF进行筛选， 选择特征显著的上下界MF，
量矩组合成模态区间特征向量T，T:= [Z：f]，作为后续分类模型的输入。
7. 根据权利要求1所述的一种基于模态区间的高速列车转向架故障诊断方法，其特征 在于，所述构建及训练初始区间神经网络模型，将转向架振动信号特征向量T的一部分作 为训练样本，采用梯度下降法对初始区间神经网络模型进行训练，直至初始区间神经网络 模型参数优化为止。
8. 根据权利要求1所述的一种基于模态区间的高速列车转向架故障诊断方法，其特征 在于，所述高速列车转向架故障诊断，将提取到的剩余转向架振动信号特征向量T作为测 试样本，输入优化后的区间神经网络模型中，计算区间神经网络模型输出结果，所得到的结 果利用模态区间大小比较法则进行比较，模态区间最大值对应编码所在状态即为转向架故 障诊断结果。
【文档编号】G01M13/00GK104502126SQ201410826118
【公开日】2015年4月8日 申请日期:2014年12月28日 优先权日:2014年12月28日
【发明者】谢锋云, 曹青松, 周建民, 黄志刚, 谢三毛, 李鹏 申请人:华东交通大学