论文部分内容阅读
随着社会的不断进步以及城市的快速发展,城市轨道交通发挥着越来越大的作用。然而,由于轨道不平顺和城轨列车的频繁启停,车轮与轨道之间不断摩擦,导致车轮极易发生故障,对城轨列车的行车安全带来很大影响。因此,需要对列车车轮进行在线检测,及时发现故障。本文在总结国内外研究的基础上,主要完成了以下几项工作。(1)分析车轮全局不圆顺故障形式与机理。从车轮的结构及轮轨动力学关系对车轮故障形成原因进行了分析,确定了使用轨道振动加速度信号来对车轮全局不圆顺故障进行检测,介绍了经验模态分解信号处理方法,最后对现场采集系统进行了简单介绍,作为后续算法的数据来源。(2)对城轨列车车辆轨道动力学进行建模。建模包括城轨列车车辆模型、轨道模型以及车轨动力学模型,研究了车轮全局不圆顺故障和轨道不平顺的数学表达式,并作为动力学模型输入,对模型仿真得到轨道振动响应。(3)研究了轨道振动信号分解算法。针对原始振动信号中包含噪声的问题,提出了自适应形态滤波算法,对振动信号进行了滤波处理。为了分解出原始振动信号中包含故障信息的固有模态函数以及解决EMD算法的模态混叠问题,提出了改进EMD分解算法,最后对动力学模型仿真信号与现场实测信号进行了分解。(4)研究了基于LM-BP神经网络的车轮全局不圆顺故障诊断。该方法在改进EMD分解的基础上,提取固有模态函数的多项特征值,作为LM-BP神经网络的输入向量,并对其进行了训练,实现了车轮全局不圆顺故障识别。仿真信号与现场信号识别结果显示,所提方法可以正确地实现车轮全局不圆顺故障识别。