一种基于振动信号融合的高速道岔裂纹伤损智能检测方法

摘要

本发明公开了一种基于振动信号融合的高速道岔裂纹伤损智能检测方法。首先在高速道岔的岔尖、岔中和岔尾三处安装振动加速度传感器采集振动信号，对三个测点的振动信号分别进行CEEMD自适应分解得到有限个IMF分量；然后利用相关性分析筛选出主IMF分量，并计算主IMF分量的奇异熵特征值；接下来将多个测点振动信号的奇异熵特征值融合成特征向量，并将该特征向量输入LSSVM进行训练与测试，实现道岔的工作状态和伤损类型的判断。本发明方法能有效区分道岔不同裂纹伤损，具有良好的实时性和抗噪性，为道岔故障智能诊断提供了新的技术手段。

主权项

一种基于振动信号的高速道岔裂纹伤损智能检测方法，其特征在于，包括如下步骤：(1)根据道岔的单跨简支梁模态振型的变化规律，在高速道岔的岔尖、岔中和岔尾三个测点处安装振动加速度传感器；(2)列车经过道岔时，分别采集三个测点处的道岔振动信号；不失一般性，记岔尖测点处的振动信号为x(i)，i＝1,…,N，N为采样点数；(3)采用完备集合经验模态分解CEEMD对x(i)进行自适应分解，得到包含道岔伤损信息的M个本征模态分量IMF，记为c_j(i)，j＝1,2,...,M；(4)计算IMF分量c_j(i)与原振动信号x(i)的相关系数其中，和分别表示x(i)和c_j(i)的平均值；(5)选取η_j大于阈值T的m个IMF分量作为该测点振动信号的主IMF分量，记为k＝1,2,...,m；(6)计算主IMF分量的奇异熵E_k并将这m个奇异熵E_k(k＝1,2,...,m)作为岔尖测点的道岔伤损特征值，记为H₁＝{E₁,E₂,...E_m}；(7)对岔中、岔尾测点采集的振动信号分别执行步骤(3)—步骤(6)，得到岔中和岔尾测点处的道岔伤损特征值H₂、H₃；然后对H₁、H₂、H₃进行扩维特征融合，形成3m维的道岔伤损特征向量H＝{H₁、H₂、H₃}；(8)将伤损特征向量H输入最小二乘支持矢量机(LSSVM)模型，选取径向基函数作为核函数，利用网格搜索和交叉验证对LSSVM惩罚因子和径向基函数参数进行寻优，进而实现道岔工作状态和伤损类型的判断。