论文部分内容阅读
随着高速和重载铁路的快速发展,车轮损伤问题变得越来越严重,不仅影响列车乘车舒适性,而且严重会影响列车安全性。因此,开展车轮表面损伤的振动测试和分析,为保障铁路运行安全和可靠性,提供重要的理论支撑和技术指导,具有非常重要的意义。本论文分别模拟车轮表面滚动疲劳损伤、早期损伤、剥离程度、擦伤退化试验,开展了振动测试和分析,实现检测车轮表面损伤。同时开展了现场工况下车轮多边形损伤的振动分析,验证了模拟试验的有效性。探讨了在线检测的方法,为在线检测车轮损伤提供一定借鉴价值。本论文取得的主要成果及结论如下:(1)开展不同切向力条件下车轮表面滚动疲劳损伤和振动特征分析。随着切向力增大,车轮的表面损伤发生变化,由轻微的疲劳裂纹经过起皮过渡到较严重的剥离损伤。利用局部均值分解的多重分形方法,对车轮表面滚动疲劳损伤的振动信号进行分析,区分车轮不同损伤。(2)针对车轮早期损伤信号微弱,难以检测的问题,利用多重分形KPCA和LSSVM的方法,通过共振稀疏分解进行降噪,突出车轮状态信号冲击成分,结合多重分形和核主成分方法,提取了特征集,构建LSSVM车轮早期损伤状态模型,实现了分类和诊断。(3)基于VMD方法具有精度高,收敛速度快等优势,但需要人为设定分解个数参数,提出确定VMD分解个数的方法;结合改进多尺度排列熵的优势,提出改进多尺度排列熵偏均值方法,获得特征信息,结合PSO-ELM进行车轮剥离程度识别,并与遗传优化极限学习机(GA-ELM)、极限学习机(ELM)方法结果对比,识别精度与效率得到提高。(4)利用三种流行学习算法ISOMAP、LLE和LLTSA方法进行高维数据的维数降维,对比获得最优降维结果,利用KELM方法,对车轮擦伤退化进行识别。(5)提出欧式距离和互相关系数相结合优选分量,分别利用EWT和VMD方法进行分解,并计算其最优分量的多尺度模糊熵,对比构建特征向量,输入PSO-ELM,并与PSO-LSSVM进行比较,通过试验室车轮损伤和现场工况下车轮损伤振动分析,验证了模拟试验方法的有效性。