基于高阶谱特征提取的高速列车车轮擦伤识别算法研究
随着列车运行速度和轴重增加,车轮踏面擦伤现象不断加剧.提出一种对列车经过时钢轨振动信号进行高阶谱特征提取并结合粒子群-支持向量机(PSO-SVM)进行车轮擦伤识别的算法.通过建立车辆轨道垂向耦合模型和车轮擦伤模型,计算正常车轮与擦伤车轮作用下的钢轨振动响应.利用高阶谱方法对两种情况下钢轨振动信号进行信号处理得到二维等高线图和三维双谱图,通过灰度-梯度共生矩阵提取其二维等高线图的6个纹理特征,与车速共同输入PSO-SVM模型识别车轮是否擦伤;再结合三维双谱图对角切片峰值、二维等高线图内扩对角频率,对擦伤等级进行识别.结果表明:利用高阶谱进行特征提取的方法识别正常与擦伤车轮准确率可以达到100%,擦伤等级的准确率可以达到94.6%.最后将该方法与EMD方法进行特征提取做比较分析,EMD方法识别正常与擦伤车轮准确率为98.3%,而擦伤级别准确率仅为56.4%.研究结果表明,基于高阶谱的PSO-SVM方法更能有效识别擦伤车轮并确定其擦伤等级.
车轮擦伤、钢轨振动响应、高阶谱、灰度-梯度共生矩阵、PSO-SVM
53
U270(车辆工程)
国家自然科学基金重点资助项目61134003
2017-07-04(万方平台首次上网日期,不代表论文的发表时间)
共8页
102-109