基于经验模态分解算法的列车超偏载检测

摘要

列车作为国内大宗货运的主要方式,它的安全运行越来越受到国家的重视。而在途列车的超偏载问题,一直是铁路重大事故的根源之一。
　　 目前对于列车超偏载检测多数是围绕安装承重轨或者研究钢轨形变的问题上开展的,这样的测量方式优势在于测量数据干扰相对较少,测量结果较准确,而且安装便利,设备更换位置迁移很容易。但是这样的检测方式局限了检测的位置,无法实现检测的实时性。往往列车在行驶过程中,由于轨道的弯道倾斜或者加减速过程,列车转向架的负重情况会随之发生巨大变化,这些突变会给常用的测量方式带来较大误差。本文提出了以列车承重簧为检测对象的超偏载检测方法,实现了检测的实时性,并分析了模型的振动形式,进行了有效的物理与数字的减震方式,保证了检测结果的准确性。同时将CAN总线传输方式应用到单节车厢的超偏载信号传输中,保证了数掘传输的快速与准确。数据处理过程中,将基于经验模态分解的算法应用模型信号分析中,并对算法的插值方式进行改进,改进的算法对输入曲线的处理有了更好的柔和度,减小了分析误差。同时对检测模型进行了仿真,并与其他的检测方式进行比较,对算法在该模型中的应用优势做了证明。
　　 本文在理论上改进了列车超偏载检测系统的实时性与准确性,对于在途列车的危险状态检测问题有一定参考意义。