-
题名基于WVMD的地铁车辆轮对失圆故障特征提取
- 1
-
-
作者
罗曦春
毛剑琳
刘韬
孙子房
-
机构
昆明理工大学机电工程学院
昆明理工大学信息工程与自动化学院
云南省先进装备智能制造技术重点实验室
云南京建轨道交通投资建设有限公司
-
出处
《铁道科学与工程学报》
北大核心
2025年第8期3629-3640,共12页
-
基金
国家自然科学基金资助项目(52065030,62263017)
云南省重大科技专项计划(202102AC080002,202002AC080001)
国家重点研发计划(2018YFB1306103)。
-
文摘
目前,针对各类轨道交通车辆轮对失圆的故障诊断多采用动力学仿真振动信号、单轮对试验台或车辆滚动试验台振动信号,无法完全模拟实际运营线路的曲线、坡道、轮轨自激振动、轨道波磨等复杂因素,以及这些因素之间的干扰和混叠。对此,基于地铁实际运营线路的车辆振动信号,在变模态分解(VMD)方法的基础上,将特征增强优化的规整变模态分解(WVMD)方法应用于地铁车辆轮对失圆故障特征提取,并构建与之相应的特征提取框架。首先,在WVMD分解前使用能量熵增量作为指标对WVMD的最佳IMF分量个数进行优化以保证最佳分解效果;其次,在WVMD分解后采用注意熵及包络峭度因子相结合的综合指标选择有效的IMF分量进行信号重构;最后,采用加速度包络对重构信号进行故障特征提取。通过对仿真信号和高速列车试验标准数据的计算验证了所提出方法的有效性,进一步用所提方法对国内某地铁车辆运营期间采集的振动信号进行轮对失圆振动特征提取及分析,获得了多种工况下、不同的关键几何参数值时的轮对失圆振动特征。结果显示,轮对失圆故障特征呈现较高的耦合性,可为地铁车辆轮对失圆的故障诊断提供有力的依据。
-
关键词
地铁车辆
轮对失圆
故障诊断
规整变模态分解
特征提取
-
Keywords
metro vehicles
wheelset out-of-roundness
fault diagnosis
warped variational mode decomposition
feature extraction
-
分类号
U2
[交通运输工程—道路与铁道工程]
-
