钢轨波浪磨耗检测算法研究

摘要

近年来钢轨波磨问题普遍在高速铁路、重载线路、地铁等线路上泛滥，严重影响着高速列车行驶的安全。因此，及时检测出钢轨波磨对保障列车运行安全和制定相应的维修方案具有重要意义。目前波磨的检测方法效率较低、智能化程度不高，因此，本文提出了一种基于车辆振动信号的检测算法。
　　本文研究内容主要包括建立波磨作用下的车辆-轨道垂向耦合模型、信号处理分析、提取波磨特征参数、支持向量机预测和分类、优化算法五个部分。首先在加入轨道不平顺因素的情况下建立了车辆-轨道垂向耦合模型，利用新型预测-校正积分法求解在钢轨波磨作用下的车辆动态响应，接着分析在不同波磨波长、不同波磨波深、不同列车运行速度、不同车辆型号下，钢轨波磨对车辆动态响应的影响。然后，根据分析的结果采用不同的信号处理算法提取特征参数，再利用支持向量机和粒子群算法实现波磨的识别和波深分类。最后，通过比较不同信号处理算法的识别和分类结果，提出了结合小波包和双谱分析的优化算法，该算法利用小波包变换方法计算小波包归一化能量值和能量熵，利用双谱分析的方法从对角切片中提取出双谱熵、对角切片峰值和归一化频率，并结合车速作为特征参数。
　　为了验证本文算法的优越性，本文对比了利用希尔伯特黄变换(HHT)、经验模式分解(EMD)、小波包变换(WPT)和双谱方法对钢轨波磨进行识别和波深等级分类的结果，结果表明，HHT只能用于定性检测波磨，而本文提出的基于小波包和双谱提取特征的算法能够准确有效地识别出正常钢轨和波磨，正确率为100％;按波深将0mm、0.01mm～0.03mm、0.04mm～0.07mm以及0.08mm～0.1mm的工况分为4类，能够达到95％的波深分类正确率，分类效果优于经验模式分解、小波包或者双谱。
　　为了验证本文算法的鲁棒性，利用本文提出的算法提取不同波长、不同波深、不同车速、不同车型和不同轨道不平顺下特征参数，将其输入PSO-SVM模型中进行训练，识别和分类的结果证明了本文提出算法在复杂情况下的适用性，为实现车辆对地面的检测提供了一种新的解决思路。

目录

声明

致谢

摘要

1 引言

1．1 研究的背景与意义

1．1．1 钢轨波磨的研究背景

1．1．2 钢轨波磨的研究意义

1．2 国内外研究现状

1．2．1 钢轨波磨检测方法的研究现状

1．2．2 研究现状总结

1．3 主要研究内容

1．4 主要章节安排

2 轨道不平顺的数值模拟及钢轨波磨模型建立

2．1 轨道不平顺简介

2．2 高速无砟轨道不平顺数值模拟

2．2．1 基于IFFT的轨道不平顺数值模拟原理

2．2．2 仿真算例及验证

2．3 钢轨波浪磨耗模型建立

2．4 综合高速无砟轨道不平顺和钢轨波磨的仿真

2．5 本章小结

3 钢轨波磨作用下的车辆动态响应分析

3．1 车辆-轨道垂向耦合动力学模型

3．1．1 车辆系统的振动方程

3．1．2 轨道动力学方程

3．1．3 车辆-轨道耦合关系方程

3．2 车辆-轨道耦合动力学方程求解

3．3 模型理论验证

3．4 钢轨波磨对车辆动态响应的影响分析

3．4．1 不同波长情况下的分析

3．4．2 不同波深情况下的分析

3．4．3 不同车速情况下的分析

3．4．4 不同车型情况下的分析

3．5 安全限定

3．6 本章小结

4 基于希尔伯特黄变换的时频分析

4．1 Hilbert-Huang变换的原理

4．2 不同工况下的时频分析

4．2．1 不同波长下的分析

4．2．2 不同波深下的分析

4．2．3 不同车速下的分析

4．3 基于HHT变换的钢轨波磨特征提取

4．4 本章小结

5 基于小波包变换的时频分析

5．1 小波包变换的基本原理

5．2 不同工况下的时频分析

5．2．1 不同波长下的分析

5．2．2 不同波深下的分析

5．2．3 不同车速下的分析

5．3 基于小波包的钢轨波磨特征提取

5．4 本章总结

6 基于双谱的时频分析

6．1 双谱的基本原理

6．2 不同工况下的时频分析

6．2．1 不同波长下的分析

6．2．2 不同波深下的分析

6．2．3 不同车速下的分析

6．3 基于双谱的钢轨波磨特征提取

6．4 本章总结

7 基于PSO-SVM的钢轨波磨检测

7．1 支持向量机SVM的基本原理

7．2 基于PSO的参数选择

7．3 几种信号处理算法比较

7．3．1 数据来源

7．3．2 基于EMD方法的识别结果

7．3．3 基于小波包变换的识别结果

7．3．4 基于双谱方法的识别结果

7．3．5 基于小波包和双谱方法的识别结果

7．3．6 识别结果总结

7．4 基于GUI的钢轨波磨检测系统

7．5 本章小结

8．1 总结

8．2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集